Las 5S también en el mundo digital

La metodología 5S en el mundo digital

5 diciembre, 2019 Gabriel Aznar Lapuente

Compártelo:

En plena convergencia entre el mundo industrial real y digital, elegir una correcta estrategia de gestión y aprovechamiento de los datos es un tema importante a tener en cuenta desde el primer momento en el que se plantea emprender un proceso de digitalización.

En una planta industrial, abordar este proceso es una tarea compleja en sí misma y puede hacerse todavía más ardua cuando se intenta afrontar de una forma unilateral. Contar con una visión heterogénea, o involucrar a un equipo multidisciplinar, es sin duda una de las claves para conseguir los mejores resultados.

Para las personas vinculadas al entorno industrial, a menudo resulta complicado tener un criterio sólido para elegir entre diferentes opciones de abordar el proceso de transformación, o incluso para valorar el buen hacer en cuanto a la gestión de datos y desarrollos que se llevan a cabo en el mundo digital. El BigData viene definido principalmente por cuatro características que se conocen popularmente como las cuatro Vs: Volumen, Variedad, Velocidad y Veracidad.

Es bastante usual, al hablar de datos, atender y considerar únicamente la primera: el volumen.  Esta mala praxis puede venir dada porque aparentemente el volumen es la característica más tangible, pero no por ello la más importante. La usabilidad y productividad de la explotación de nuestros datos depende en gran medida de la correcta gestión que se haga de las cuatro Vs. Cuando hablamos de mejorar la productividad en un entorno real de trabajo, una de las primeras acciones contrastadas que pueden aplicarse es la metodología de las 5S iniciada por Toyota en los años 60 del siglo pasado.

Cada una de estas 5S corresponde con la primera letra de una palabra en japonés cuya traducción es Clasificación (Seiri), Organización (Seiton), Limpieza (Seisō), Estandarización (Seiketsu) y Disciplina (Shitsuke). Estas cuestiones, asimiladas en el mundo industrial real, deberían aplicarse análogamente en el mundo digital para explotar nuestros datos con la mayor eficiencia posible. Seguir una correcta metodología puede suponer la diferencia entre que la explotación de estos datos sea o no rentable, en términos de coste de operación, frente a la posible mejora que se pretende conseguir.

  • La primera S del método de Toyota, Clasificar (Seiri), separa lo que es y no es necesario. El principal objetivo de este concepto en el entorno de trabajo real es eliminar los elementos innecesarios que ocupan el espacio de otros que si lo son. Si aplicamos este concepto a los datos supone conseguir una reducción considerable en el Volumen y la Velocidad con la que debemos de mover los datos dentro de toda la cadena de adquisición. Traducido al proceso de digitalización, para reducir el ancho de banda y el espacio de almacenamiento necesario debe de trabajarse en profundidad la identificación de las fuentes de datos realmente necesarias y los datos que contienen información relevante. También es importante ajustar adecuadamente las frecuencias de muestreo y poder aplicar técnicas de Edge Computing.
  • Una vez clasificados los elementos del espacio de trabajo, la segunda fase o segunda S es Organización (Seiton). Consiste en organizar y ordenar los elementos necesarios en función del uso que se vaya a hacer de los mismos. Si pretendemos ordenar un taller lleno de herramientas, es obvio que debemos de reservar distintos espacios para distintos usos. Las herramientas que se vayan a usar frecuentemente deben estar a mano, accesibles y de forma que sean fácil de identificar, mientras que los materiales que usemos con poca frecuencia podrán estar almacenados en una zona más alejada y con un menor nivel de visibilidad (quizás mezclados con otros elementos del mismo tipo). Para conseguir un ahorro importante en el coste computacional de la infraestructura necesaria para extraer conocimiento  e información útil de los datos, se pueden aplicar técnicas de agregado o preprocesado de datos y seguir estrategias de almacenado distribuido según las necesidades, preparando así los datos para cuando vayan a ser consumidos. Es muy importante tener flexibilidad en términos de Variedad de datos que se van a almacenar, indexar el contenido, gestionar correctamente los accesos a la base de datos, o estructurar y segmentar correctamente la información.
  • Una vez clasificado y ordenado el espacio de trabajo es turno de la Limpieza (Seisō). Este concepto además de eliminar la suciedad intenta identificar su origen, y tomar las acciones necesarias para que esta suciedad no vuelva a aparecer. Tan malo es no tener ningún dato, como tener uno datos poco veraces. Trabajar con unos datos sucios puede hacer que el resultado del análisis y métodos matemáticos sea completamente erróneo, tirando por tierra todo el buen trabajo que haya podido hacerse. Es importante comprobar la Veracidad de cada uno de los datos desde el origen, y en los casos en los que sea posible, establecer métodos continuos de validación.
  • El siguiente punto de las 5S tiene un impacto muy importante en los procesos de escalabilidad y reaprovechamiento de los desarrollos ya ejecutados. Se trata de Estandarización (seiketsu). Este concepto pretende mantener cada día ese orden y limpieza creado en los puntos anteriores, manteniendo una serie de procedimientos. En el mundo digital la estandarización debe tomarse como “mantra” y respetarse en cada una de sus capas. Se debe de analizar modularmente todo el sistema en el diseño, estandarizar cada uno de los intercambios de información mediante protocolos abiertos y extendidos (OPC-UA, MQTT, KAFKA), utilizar herramientas de abstracción (Dockers, Kubernetes), usar un mismo hardware, asegurar el suministro de los dispositivos necesarios etc. Estas son cuestiones que habilitarán el poder reaprovechar la mayor parte de los desarrollos que llevemos a cabo, reduciendo drásticamente los costes de replicabilidad y escalabilidad.
  • La última de las 5S, Disciplina (shitsuke), pretende asegura que todo el trabajo se realice de una manera regulada, así como poder conseguir una mejora continua. En el caso de que algo no pueda ajustarse a los estándares o proceso creados deberá de trabajarse la forma de modificarlos.

Es importante que todos los desarrollos digitales, independientemente de quien los realice, traten de ajustarse el máximo posible al estándar establecido, aunque en ocasiones a corto plazo esto suponga un esfuerzo mayor. En caso de no poder llevar a cabo algún desarrollo sobre estos estándares, se deben de analizar las nuevas necesidades aplicando todos los criterios anteriores, migrando en la medida de lo posible todas nuestras implantaciones a este nuevo método.

Hay muchas opciones a la hora de abordar un proceso de digitalización. Aunque no existe una solución universal, si se decide apostar de verdad por la digitalización de nuestras máquinas y procesos, sin duda una opción inteligente es crear una base sólida mediante una metodología análoga a Lean que busque la máxima eficiencia y habilite el mayor reaprovechamiento de los desarrollos digitales.

Sobre Gabriel Aznar Lapuente

Ingeniero Técnico Industrial especializado en Electrónica Industrial y Máster en Ingeniería Electrónica, ambos títulos por la Universidad de Zaragoza, comienza su trayectoria profesional en el sector eólico realizando distintas tareas de investigación para el Grupo SAMCA.

En 2012 comienza a trabajar en TECNALIA en el área de Industria y Transporte participando en el diseño y desarrollo hardware y firmware de dispositivos electrónicos inteligentes para la adquisición de señales de distintos sensores, implementando tecnologías de bajo consumo, energy harvesting, transmisión de energía sin contacto y comunicación inalámbrica. Durante 2016 y 2017 participa en el diseño, desarrollo y despliegue del sistema LEO, dispositivo autónomo de monitorización de la condición mediante ultrasonidos para extensión de la vida útil en ejes principales de aerogeneradores.

En 2016 pasa a formar parte del equipo de instrumentación asociado a la tecnología BeltzBox, abordando proyectos de explotación de datos en máquina herramienta complementando datos de control con información de instrumentación adicional. Actualmente forma parte de la plataforma Factory Learning, coordinando equipos multidisciplinares que abordan proyectos globales de instrumentación, adquisición, gestión y explotación de datos en plantas industriales.