La eficiencia es casi mágica. Te permite conseguir los mismos resultados con menos recursos y supone un impulso de rentabilidad en contextos empresariales. Una reducción de costes del 10% en un negocio con un margen del 15% genera el mismo beneficio que un aumento del 56% en los ingresos. ¿Quién no quiere eso?
Un elemento de coste en el que la eficiencia se agradece especialmente es la factura de la luz porque añade beneficios ambientales a los ahorros puramente económicos. La optimización matemática, la analítica y la automatización son de gran ayuda a tal efecto.
Una fábrica muy automatizada
Esta es la historia de uno de nuestros clientes. Su negocio se basaba en plantas de producción altamente automatizadas, que funcionaban 24×7. Estas plantas utilizaban muy poca materia prima, una plantilla muy reducida y el gasto energético era uno de los principales elementos de su base de costes. Necesitaban aumentar su eficiencia y competitividad, pero no había mucho que reducir.
Aquí entra en juego baobab. Nos propusimos ayudarles a reducir su factura de electricidad a partir de comprender el funcionamiento interno de una de sus plantas de producción y traducirlo a matemáticas.
¿Cómo ayudó la analítica avanzada?
El principal KPI de esta actividad es el coste energético por unidad producida. El uso de energía depende de la actividad de la planta. Las plantas pueden operar de manera diferente en diferentes estados o marchas, cada una de las cuales se caracteriza por un conjunto de equipos que funcionan de acuerdo a especificaciones particulares. Cada estado está vinculado a tasas conocidas de producción y consumo de energía. Naturalmente, cuanto mayor sea la tasa de producción, mayor será el gasto energético.
Este no fue un problema trivial de resolver. Los contratos de energía son bastante complejos y los precios pueden variar significativamente con el tiempo. A grandes rasgos, la factura energética comprende dos elementos: un factor de consumo con un componente fijo y uno variable, y una bonificación por uso de energía en momentos específicos del día. El mercado eléctrico español está organizado de tal manera que incentiva mediante descuentos a los grandes consumidores (como las plantas de producción) a restringir el uso de energía a determinados períodos.
Antes de que baobab participara, esta tarea se realizaba virtualmente a mano en una hoja de cálculo de Excel, lo que llevaba una cantidad de tiempo excesiva al planificador de producción y, a pesar de ser factible, no seguía los cambios en los precios y las regulaciones y no podía adaptarse fácilmente a cambios en la demanda.
Para ello, los expertos en baobab desarrollaron una solución que ayudó al planificador de producción a crear el plan de producción con el menor gasto energético posible. La herramienta se basó en un modelo MILP (Mixed Integer Linear Programming) para minimizar el consumo de energía, sujeto a las siguientes limitaciones:
• Debe satisfacerse la demanda de los clientes.
• El inventario producido debe permanecer dentro de los niveles permitidos.
• Solo se pueden permitir transiciones factibles entre estados.
• Cumplir con la duración mínima de una marcha una vez iniciada.
• La factura de energía debe calcularse según el contrato.
• Los cambios entre ciertos estados implican un coste adicional. Algunos de estos cambios requieren intervención humana.
• La planta se puede detener en cualquier momento. Hay un coste por poner en marcha la planta después de una parada.
Las entradas del modelo incluían todas las regulaciones, los precios de la energía y los objetivos de producción. Se insertó en una aplicación que devolvía el plan de producción hora a hora.
Resultados
La aplicación devolvió beneficios a múltiples niveles:
• En primer lugar, ahorros en el medio del rango de seis cifras al año en la planta, al tiempo que se cumplen todos los objetivos de producción.
• Planificación precisa, perfectamente integrada en el sistema de control de la planta.
• Menor complejidad y una programación más rápida permitieron a los gerentes de producción ejecutar nuevas simulaciones y análisis what-if, anticipando escenarios previamente imprevistos. p.ej. ¿Tenía sentido mantener a una persona de noche para ejecutar ciertos cambios o el coste excedería el beneficio?
• Por último, también funcionó como una excelente prueba piloto antes de aprovechar la escala y extender la solución a otras plantas.
Este proyecto permitió que las máquinas hicieran lo que mejor saben hacer: cálculos rápidos, mientras que dejó a las personas asumir roles estratégicos y pensar en los objetivos comerciales, no en las matemáticas. En consecuencia, demostró el valor de la optimización matemática para desbloquear las ganancias de eficiencia y reducir el uso de energía en las cadenas de producción, mientras se hace frente a la demanda y se mantiene el mismo nivel de calidad.
