Guía para el retorno de la inversión

Gestión de los costes de material en los productos del mar

Fish-N-Chip-Index-2020

Índice de contenidos

Hay una megatendencia que está impulsando la transformación digital del sector de los productos del mar más que cualquier otra cosa. La llamo la índice de fish n' chips: desde 1990, el precio relativo del pescado, según el índice de precios del pescado de la FAO, ha aumentado un 60%, mientras que el precio relativo de los semiconductores, o "chips", ha disminuido un 45%. Es más factible que nunca utilizar la tecnología para seguir la pista a la materia prima en el procesamiento de los productos del mar.

De hecho, la materia prima puede costar hasta el 75% del coste total de producción, más que cualquier otro insumo. Por eso, los procesadores de marisco controlan con ahínco sus rendimientos o tasas de recuperación, es decir, el porcentaje de materia prima que acaba en el producto final. Los desechos pueden afectar significativamente a sus resultados.

El método de producción japonés conocido como "lean manufacturing" está obsesionado con eliminar siete tipos de residuos o muda (無駄). Toyota fue pionera en este método, que ahora se ha adaptado ampliamente en muchas industrias. Veamos, pues, cómo se aplica la fabricación ajustada al procesamiento de productos del mar.

Planificación

Una mala planificación de la producción puede encerrar los residuos incluso antes de que se corte un solo pescado. ¿Cómo? En primer lugar, la materia prima puede no coincidir con las especificaciones del producto final. Si no se cumplen los requisitos mínimos de un cliente, puede producirse una costosa devolución. Por otro lado, superar los requisitos del cliente también puede suponer un despilfarro. Un ejemplo es utilizar pescado de primera calidad en una hamburguesa cuando bastaría con una calidad secundaria. En esencia, se está desperdiciando una materia prima cara en un producto de bajo precio.

Un simple error, como escribir accidentalmente el código del lote equivocado, también puede ser increíblemente costoso. De hecho, si un error no se detecta a tiempo, el coste crece exponencialmente en cada etapa de la producción. Imagínese que se especifica accidentalmente una materia prima equivocada en la planificación y que el producto se fabrica y se envía, sólo para ser devuelto por un cliente insatisfecho. El coste es exponencialmente mayor que si el error se detecta y se corrige cuando se recoge el pescado del almacén frigorífico o incluso en la producción.

Un tercer reto de la planificación es predecir con exactitud la cantidad de materia prima necesaria para atender un pedido. Los procesadores tienen que mantener las estimaciones de rendimiento actualizadas, lo que puede ser un reto dado el número de variables que pueden afectar a las tasas de recuperación, como el tamaño del pescado, la duración del almacenamiento en frío, la calidad, el tipo de producto, etc. Unas estimaciones de rendimiento imprecisas provocan una sobreproducción o una infraproducción.

Producción

Los procesos de producción desiguales y sobrecargados provocan el despilfarro. Los japoneses llaman a esto mura (desniveles) y mira (sobrecarga). Los trabajadores apresurados cometen errores que provocan problemas de calidad.

Por ejemplo, los fileteadores pueden tener un menor rendimiento al acelerar el corte del pescado. Un supervisor estresado puede sobrecocer accidentalmente el atún en una fábrica de conservas, haciendo que los rendimientos se desplomen. Las mayores desviaciones en el control de las porciones también afectan a los rendimientos. Los cuellos de botella pueden provocar retrasos y la degradación del producto. Un etiquetado incorrecto -desde las fechas de consumo preferente y los códigos de lote hasta las tablas nutricionales- puede provocar devoluciones de clientes o incluso retiradas de productos. Todos estos problemas aumentan los costes de material.

Incluso cuando todo va bien en la producción, las cosas pueden ir mal en el envío. Hablé con un procesador de Alaska que descubrió que sus trabajadores sobrecargaban accidentalmente los contenedores de envío en un 10%, lo que suponía una pérdida de $US 500.000 al año para la empresa. Colocar accidentalmente un palé equivocado en un contenedor de transporte puede crear problemas de cumplimiento en las fronteras, lo que provoca retrasos o incluso rechazos por parte de los funcionarios de aduanas.

Control de calidad

El control de calidad (CC) suele utilizarse para detectar errores costosos e incumplimientos. Sin embargo, el propio control de calidad puede estar sujeto a errores, ya que muchos datos se copian de formularios en papel y pueden producirse errores en los cálculos manuales. Los informes de control de calidad suelen elaborarse al final de la jornada, lo que significa que los malos resultados no siempre se detectan en tiempo real. Sólo cuando las cosas van muy mal se ponen en marcha las acciones correctivas.

Automatización y visualización

¿Cómo puede ayudar el software? En la fabricación ajustada japonesa, existen dos métodos para prevenir o detectar errores: la automatización (jidoka) y la visualización (andon). La digitalización puede desempeñar un papel fundamental en este sentido.

En primer lugar, veamos la automatización. Los programas informáticos pueden automatizar la recogida de datos, su intercambio y la elaboración de informes, reduciendo el riesgo de errores. En un sistema basado en papel, los datos suelen copiarse de un formulario a otro en el proceso de producción. A continuación, esos datos se copian en hojas de cálculo Excel para la elaboración de informes o en sistemas ERP. El software permite que los datos fluyan automáticamente de un usuario a otro, y las integraciones con otro software pueden automatizar el intercambio de datos y la elaboración de informes.

Sin embargo, no todo se puede automatizar, y es ahí donde andon o un sistema de información visual entra en juego. Con el software, los datos pueden mostrarse en cuadros de mando en tiempo real, en informes y en las pantallas de los usuarios. La palabra andon (行灯) significa en realidad linterna de papel en japonés, lo que significa una alerta visual cuando surgen problemas. Por ejemplo, se puede programar el software para que emita una alerta visual cuando una temperatura quede fuera de un rango máximo y mínimo. Las entradas de datos incompletas o duplicadas podrían activar una advertencia emergente en una pantalla.

Los japoneses llaman a esto poka-yoke (ポカヨケ) que significa "a prueba de errores" o literalmente - evitar(yokeru) los errores involuntarios (poka). Cuando se producen errores o incumplimientos, se visualizan inmediatamente para el operador, pero también para todos los demás que utilizan el software. Si una persona no capta un error, lo hará otra. Y cuanto antes se detecte y corrija un error, menos costoso será.

Debido a la viabilidad natural del pescado, puede ser difícil para los procesadores de marisco predecir la calidad y los resultados de la producción, como el rendimiento. Ahí es donde la inteligencia artificial (IA) puede aportar un valor significativo a los procesadores de marisco en el futuro. El aprendizaje automático es un tipo de IA por el que el software aprende de la experiencia pasada para predecir el futuro. En ThisFish, ya hemos creado un modelo de predicción de rendimiento para una fábrica de atún tailandesa que puede predecir con exactitud cuál debería ser el rendimiento. Esto permite a los gestores controlar mejor su rendimiento, asegurándose de que están haciendo todo lo posible para maximizar la rentabilidad.

Según el informe Devoluciones rastreables Según Planet Tracker, los procesadores de productos del mar tienen un margen de beneficios medio de sólo el 3,4% antes de intereses e impuestos. Planet Tracker calcula que los márgenes de beneficio podrían duplicarse con mayores inversiones en tecnología de trazabilidad. Aunque las ONG promueven a menudo la trazabilidad para demostrar la procedencia de los alimentos, también es fundamental para gestionar los costes de los materiales, lo que a su vez es clave para mejorar la rentabilidad.

Logotipo

Póngase al día con nuestras investigaciones y vídeos y con las últimas noticias tecnológicas y conocimientos del sector.

Enviamos Catch-Up al menos una vez por trimestre. 🐟

*