Recopilación de datos: ¿Demasiados datos son algo malo?

Hace algunas décadas, los fabricantes de alimentos y bebidas tenían una estrategia para la recolección de datos: papel y lápiz. Sin embargo, los operadores de la planta pasarían gran parte de su día anotando mediciones de escalas de peso, medidores, HMI, etc. A pesar de los esfuerzos de recolección de datos por parte de los operadores, los sistemas de papel y lápiz eran demasiado rudimentarios para proporcionar la información que las organizaciones necesitaban para mejorar los procesos de producción y calidad general.

Pero ahora, con los avances en automatización industrial, servidores, bases de datos y otras tecnologías de la información, los fabricantes ya no tienen que depender de los sistemas de papel y lápiz. Pueden automatizar completamente la recopilación de datos y capturar grandes cantidades de datos de cada línea de producción, cada pocos milisegundos, durante todo el día.

Sin embargo, hay una desventaja en toda esta automatización y facilidad. Ya que los fabricantes de alimentos y bebidas estaban privados de información antes, muchos ahora quieren reunir todo lo que puedan. Desafortunadamente, demasiados datos pueden ser difíciles de digerir. Los fabricantes están, en efecto, sufriendo de “gula de datos”, donde reúnen grandes cantidades de datos, pero aún carecen de la calidad y la información clave que necesitan.

El problema de la gula de datos

La gula de datos a menudo resulta en grandes gastos para las organizaciones. Después de todo, los fabricantes tienen que almacenar todos sus datos en algún lugar. Si recopilan datos específicos del proceso y del producto en cada línea, en varias plantas, cada pocos segundos o milisegundos, pueden llenar toneladas de discos duros en poco tiempo. Con los costos adicionales de las bases de datos, los servidores, la seguridad y el soporte de TI requerido, todo puede ser muy costoso y muy rápido, lo que anula el enfoque de reducción de costos de las estrategias modernas de control de calidad.

La glotonería de los datos también dificulta los esfuerzos de mejora del proceso, ya que los fabricantes de alimentos y bebidas pueden sentirse abrumados fácilmente por la gran cantidad de datos a su alcance. Consultar millones de valores de datos de una base de datos puede resultar difícil, si no imposible. Incluso si se pudieran recuperar grandes cantidades de datos, ¿qué herramientas de análisis se pueden aprovechar convenientemente para analizar millones de valores de datos? Imagínese copiar unos pocos millones de valores de datos en una hoja de cálculo. ¿Cómo lo analizarías todo? Por sí solos, los conjuntos de datos masivos hacen que sea difícil descubrir qué es lo que realmente impulsa la calidad y dónde realizar mejoras, como por ejemplo, cómo reducir los desechos y el despilfarro. Es como tratar de encontrar una aguja en un pajar.

Rompiendo el ruido

Para superar la glotonería de los datos y encontrar claridad en el ruido, los fabricantes de alimentos y bebidas deben reconocer que no todo debe medirse. Deben dejar de recopilar tanto como puedan y, en su lugar, deben tomarse el tiempo para identificar qué datos son realmente importantes. ¿Para qué sirven estos datos? ¿Por qué necesitamos reunir estos datos? ¿Cómo estos datos nos mostrarán cómo mejorar nuestra calidad y operaciones?

 El muestreo de datos es igualmente importante. Algunas organizaciones piensan que si no capturan todos los datos posibles de la producción, de alguna manera se “perderán” algo. Por ejemplo, un productor de alimentos podría decir: “Queremos recopilar temperaturas de cocción cada pocos milisegundos para el monitoreo de la inocuidad de los alimentos”. Sin embargo, cada milisegundo es posible que las temperaturas no tengan un cambio significativo. El productor simplemente terminaría con una montaña de números que no agregan ningún valor o comprensión adicional a lo que ya se conoce. Es mejor formar planes de muestreo racionales, con frecuencias de recopilación de datos razonables, centrándose en la cantidad de datos necesarios, no en la cantidad deseada.

Cuestionando los datos

En realidad lo que los procesadores de alimentos necesitan no son datos, si no información. Es donde las técnicas estadísticas y el análisis de datos toman un papel importante. Solo por agregar, sumar y analizar de manera regular sus datos los procesadores de alimentos pueden descubrir las acciones de inteligencia que son necesarias para la toma de decisiones que ayuden a mejorar los procesos. Sin una planeación estratégica para llevar a cabo ese análisis, la recolección de datos puede resultar inútil y costoso.

Las organizaciones más exitosas son aquellas que dan un paso atrás y analizan sus datos de manera frecuente y regular. Programan el tiempo para interrogar a sus conjuntos de datos utilizando una variedad de herramientas y técnicas estadísticas, todo con el fin de descubrir nuevos conocimientos sobre cómo pueden mejorar las operaciones. A veces, la información más valiosa puede provenir de conjuntos de datos que podrían considerarse irrelevantes o incluso que están en las especificaciones del producto.

Por ejemplo, una compañía de bebidas con la que trabajé pensó que, dado que todo estaba en especificaciones, no había oportunidades para mejorar los niveles de llenado. Después de convencerlos de recopilar datos de volumen de llenado, confirmamos que ninguna botella estaba insuficientemente llena o sobrellenada. Si bien esas fueron buenas noticias, también descubrimos que los niveles de llenado variaban ampliamente y que, en general, las botellas se llenaron en exceso. El análisis de datos reveló diferencias operacionales entre turnos y grandes inconsistencias entre los cabezales de llenado y los tipos de botellas. Usando estas ideas, la compañía realizó una variedad de mejoras, lo que resultó en $ 1.1 millones en ahorros anuales, en solo una de sus más de 20 líneas de producción. Sin interrogar los datos, nunca habrían disfrutado de estos ahorros.

En última instancia, tener datos por el hecho de tenerlos no conduce a mejoras. Extraer inteligencia significativa de los datos es lo que genera resultados, y las organizaciones no necesitan mediciones exhaustivas de cada una de sus líneas de proceso para poder hacerlo. En cambio, utilizando tácticas de muestreo inteligentes, las actividades de recolección de datos pueden ser tanto efectivas como eficientes.

Y ahora, gracias al advenimiento de las tecnologías del software como servicio (o SaaS), existen aún mayores oportunidades de mejora que se extienden más allá de las cuatro paredes de una planta y a lo largo de toda la operación de la empresa. Al utilizar un repositorio centralizado en la nube, los fabricantes de alimentos y bebidas pueden consolidar fácilmente datos de calidad de múltiples plantas, regiones, proveedores e incluso proveedores de ingredientes. Las organizaciones pueden realizar la misma consulta regular de datos, pero a una escala mayor, y revelar mayores oportunidades para mejorar la calidad, reducir costos y garantizar la estandarización y la coherencia en toda la cadena de valor, preparando el escenario para un retorno exponencial de las inversiones en calidad.

Fuente: www.foodqualityandsafety.com