La pandemia de la COVID ha agravado los desafíos a los que se enfrentan los fabricantes de alimentos y bebidas. La fluctuación de la demanda de los consumidores, los cuellos de botella en el suministro en ciertas áreas y el aumento de costes convergen para crear una tormenta perfecta. Y en particular, las retiradas de productos del mercado por seguridad alimentaria, continúan representando uno de los mayores retos para los fabricantes y resultan tanto costosas como arriesgadas.

Un informe publicado en 2019 indicaba que las retiradas de productos por seguridad alimentaria iban en aumento. Pero, en lugar de señalar un descenso en los estándares, las razones citadas suelen girar en torno a los nuevos requisitos de etiquetado, la mejora de la capacidad para identificar anomalías y el crecimiento en el sector "sin", particularmente vulnerable a los problemas de contaminación cruzada.

"En un mundo en el que la seguridad alimentaria es prioritaria y la reputación de la marca primordial, incluso una sola retirada de producto ya es demasiado"

Y, por supuesto, la COVID ha traído consigo una atención renovada sobre el riesgo de contaminación de personas y agentes patógenos dentro de la planta de producción.

En un mundo en el que la seguridad alimentaria es prioritaria y la reputación de la marca primordial, incluso una sola retirada de producto ya es demasiado. Y cuando se trata de abordar este problema, la gestión y el mantenimiento de activos sigue siendo, para muchos, un área con un enorme potencial de mejora.

Maximizar la automatización, minimizar el riesgo

No es ningún secreto que la clave para abordar estos desafíos reside en la transformación digital. Muchas plantas todavía utilizan procesos manuales centrados en hojas de cálculo para respaldar sus programas de mantenimiento de equipos, algo muy arriesgado, ya que hace que las empresas alimentarias sean vulnerables a errores y estén expuestas a tiempos de inactividad y costes innecesarios, y a procesos de cumplimiento potencialmente prolongados. Además, los recursos necesarios para respaldar un modelo de este tipo tendrían claramente más valor si se implementaran en otro lugar.

El nivel de automatización asociado a las instalaciones de producción alimentaria varía enormemente, pero una cosa está clara: cuanto más limitada sea la automatización, mayor será el riesgo de error humano, que puede resultar en tiempos de inactividad, riesgo de seguridad y desperdicio. Los altos niveles de automatización, el aprendizaje automático y la inteligencia mediante la adopción de un enfoque predictivo o prescriptivo para la gestión y el mantenimiento de activos pueden reducir este riesgo sustancialmente, minimizando las retiradas y maximizando la reputación y los beneficios.

El desafío del big data

Los sensores instalados en todas las máquinas y líneas de producción pueden ayudar a proporcionar los datos necesarios en tiempo real para cumplir con esto, brindando la oportunidad de relacionarlos en tiempo real con información histórica y de terceros y tomar decisiones documentadas rápidamente.

El nivel de detalle de la información que se puede obtener utilizando sensores es enormemente valioso. Por ejemplo, en ciertas máquinas, las vibraciones se pueden monitorizar para detectar hasta qué punto los rodamientos están pasando de ser redondos a ovalados, lo que afecta a la fiabilidad del equipo y predice el punto en el que fallará.

Pero el objetivo final es mucho mayor que la simple mejora de la eficacia general de los equipos (OEE por sus siglas en inglés) en toda la línea de producción. Por ejemplo, no es raro oír hablar de retiradas que involucran el riesgo de contaminantes metálicos en productos. Por lo general, este tipo de retirada es sinónimo de fallos en las máquinas y un riesgo teórico de que los lotes se hayan visto comprometidos. El problema es que los datos de las máquinas suelen recopilarse al final del día, en lugar de en tiempo real, lo que da como resultado un retraso que se traduce rápidamente en un cuello de botella y en un riesgo logístico y de reputación.

Y cuando se trata de contaminación potencial de COVID o incluso otros virus o bacterias, una mayor automatización inevitablemente da como resultado una menor necesidad de profesionales en el taller, lo que reduce ese riesgo, pero igualmente puede ayudar a recopilar datos de escáneres de temperatura y reconocimiento de imágenes. Esta información puede proporcionar datos sobre los operarios que muestran signos de infección y brinda una oportunidad para mitigar este peligro. En paralelo, el software de mantenimiento predictivo puede identificar los intervalos de limpieza correctos para minimizar el riesgo de contaminación y evitar limpiezas innecesarias que podrían afectar a la vida útil de una máquina.

A través de la recopilación de información en tiempo real para prever fallos, en lugar de hacerlo a final del día, una vez el daño ya está hecho, los fabricantes pueden detectar realmente anomalías antes de que se conviertan en problemas grandes y debilitantes.

Básicamente, todos los sensores del mundo no pueden ayudar a generar valor, impulsar el rendimiento o reducir el riesgo si no están conectados y los datos resultantes permanecen inactivos.

Mantenimiento 4.0

El Mantenimiento 4.0 aborda esta disparidad capturando las lecturas de los sensores en un repositorio de "lago de datos" (data lake), aplicando algoritmos y analítica para comprender con precisión por qué los activos se tambalean o fallan, e identificando cómo corregir el problema, todo en tiempo real. Fundamentalmente, este enfoque aprovecha estos conocimientos para asesorar al personal de mantenimiento sobre las medidas a tomar para evitar el mal funcionamiento de los activos.

Este paso del mantenimiento reactivo, que se considera el enfoque más fácil, pero a menudo el más costoso a largo plazo, a una estrategia predictiva basada en el estado es un cambio crucial en la búsqueda de la mejora de los estándares y la ampliación de la cuota de mercado.

Esta capacidad para identificar y resolver problemas en tiempo real asegura el buen funcionamiento de la planta de producción de alimentos y reduce el riesgo de residuos, contaminación y tiempo de inactividad.

Un modelo convergente

Sin duda, la transformación digital está experimentando la convergencia de TI, operaciones y negocio para buscar modelos que sean predictivos en lugar de reactivos y que minimicen sustancialmente el riesgo de retiradas.