He asistido a esas reuniones de producción en las que todo el mundo gira en torno a las especificaciones de velocidad de colocación como si fuera la historia completa, a pesar de que el verdadero daño se está produciendo al margen: retrasos en la reposición de los alimentadores, mala sincronización en la liberación de las placas, errores de montaje en la línea, puntos de estrangulamiento de SPI, tiempos muertos de los carros y esas pequeñas vacilaciones de la cinta transportadora que nunca aparecen en el informe pero que, de alguna manera, roban medio turno el viernes. Todo suma.
Y por eso no trato a optimización de rutas como una función de software ordenada. En SMT, es un problema de suelo antes que un problema matemático. El camino más corto puede seguir siendo el camino tonto. Sinceramente, creo que ese es el error detrás de muchos proyectos de “enrutamiento inteligente” de bajo rendimiento: los equipos optimizan el movimiento y luego se sorprenden cuando el tiempo de ciclo apenas se mueve.
Por qué los números de velocidad de línea mienten más de lo que la gente admite
Pero pregunte a casi cualquier director de fábrica dónde está el cuello de botella y normalmente lo primero que oirá será el número de modelo de la máquina -Panasonic NPM-W2S, Yamaha YRM20, quizás un nuevo y llamativo módulo de línea- porque los nombres de las máquinas son visibles, fáciles de repetir y reconfortantes de una forma que el arrastre del alimentador, el desbordamiento de la cola y la latencia del material simplemente no lo son.
Esa es la trampa.
Una línea no pierde tiempo sólo cuando parece lenta. Pierde tiempo cuando las entregas son descuidadas. Una tabla espera seis segundos a ser liberada. Otra pasa demasiado pronto y bloquea el flujo aguas abajo. Se atiende a un banco de alimentación por un flujo de leche fijo en lugar de por riesgo real de inanición. La AOI empieza a apilar tablas. De repente, la línea está “misteriosamente” blanda. No tiene nada de misterioso.
He visto plantas gastar dinero real en soluciones de línea SMT llave en mano o pulsar las ganancias de salida en líneas de producción en serie de alta velocidad sin dejar de tratar el enrutamiento como ruido de fondo. Eso es al revés. El rendimiento vive o muere en las transiciones.
El análisis de 2024 del MIT sobre el problema de las rutas de los vehículos se acerca más a la verdad que la mayoría de los informes de ventas de las fábricas: unos datos más detallados e individualizados pueden mejorar las decisiones de rutas, pero cada restricción adicional también hace que el modelo sea más caro de resolver y más difícil de implantar rápidamente. Esto se aplica a las flotas de paquetería, por supuesto, pero también se aplica a la tecnología de fabricación de piezas pequeñas, donde cada regla añadida (límites de ranura del alimentador, compatibilidad de boquillas, capacidad de la cola, tiempo de preparación) convierte un modelo limpio en uno real. Entrevista de MIT 2024 con Matthias Winkenbach. (noticias.mit.edu)
Qué significa realmente la optimización de rutas en la producción SMT
Esta es la cruda realidad: la optimización de rutas en la fabricación de productos electrónicos no tiene casi nada que ver con la elegancia. Se trata de elegir la secuencia ejecutable más rápida dentro de unas restricciones: la capacidad de la máquina, la lógica de la familia de placas, la disponibilidad de bobinas, las ranuras del alimentador, los intercambios de boquillas, la ocupación de la cinta transportadora, la carga de inspección, el tiempo de rellenado y la respuesta del operario, todo ello mezclado tanto si al equipo de software le gusta como si no.
No es bonito.
Una tabla puede tomar el camino más corto de la máquina y aún así arruinar el tiempo de ciclo porque aterriza en una puerta de inspección sobrecargada. Una tirada de material puede ser “eficiente” en cuanto a distancia y, al mismo tiempo, ser una idiotez desde el punto de vista operativo porque llega primero a la línea equivocada. Por eso insisto en separar el problema en tres niveles: flujo de placas, flujo de materiales y flujo de excepciones.
El flujo de placas decide qué se libera, cuándo y en qué secuencia. El flujo de materiales decide si llegan las bobinas, los alimentadores, las boquillas, los carros y los elementos de apoyo adecuados antes de que empiece la inanición. El flujo de excepciones decide qué ocurre cuando las condiciones normales se colapsan, que lo harán. Todos los talleres dicen que quieren estabilidad. Todo taller vive de interrupciones.
Y los entornos de modelos mixtos lo hacen aún más evidente. Una placa de telecomunicaciones con una colocación densa y una mayor carga de inspección no debería someterse a la misma lógica de enrutamiento que una simple placa de circuito impreso de controlador sólo porque alguien quería una plantilla MES limpia. Esta es una de las razones líneas SMT para prototipos y lotes pequeños necesitan una mentalidad de enrutamiento diferente a la de las líneas de gran volumen. Misma categoría, distinto comportamiento.
Donde el tiempo de ciclo realmente se escapa de la línea
Hace años, vi a un equipo celebrar una pequeña reducción en el recorrido del cabezal de colocación mientras que la línea real estaba siendo masticada por la reposición tardía del alimentador y la liberación mal programada del tablero, lo que significaba que la supuesta ganancia existía principalmente en una hoja de cálculo mientras que el piso seguía quemando tiempo en los mismos lugares de siempre. Un error clásico.
El tiempo de ciclo suele escaparse por las costuras. Cambios de alimentador. Envío de carros. Disponibilidad de boquillas. Desbordamiento de WIP. Las plantillas o el material de apoyo llegan demasiado tarde. Los operarios eligen la solicitud más ruidosa en lugar del verdadero cuello de botella. Nada de esto parece glamuroso, y probablemente por eso se ignora hasta que la producción no alcanza el objetivo.
Reuters hizo la misma observación a mayor escala en enero de 2024, cuando las interrupciones en el Mar Rojo obligaron a algunas rutas entre Asia y el norte de Europa a añadir unos 10 días y aproximadamente $1 millones en combustible extra. Esta historia no tiene que ver con el transporte marítimo en sentido estricto. Trata de cómo una ruta que parece eficiente sobre el papel puede volverse brutalmente cara en cuanto cambian las condiciones. Reuters sobre los costes del desvío del Mar Rojo y Reuters sobre inteligencia artificial, kilómetros en vacío y optimización de rutas. (reuters.com)
El segundo artículo de Reuters citaba una investigación del Foro Económico Mundial que mostraba que alrededor de 15% de los kilómetros recorridos por los camiones se hacen sin carga. Kilómetros vacíos. En SMT, tenemos nuestra propia versión: recorridos de carros de alimentación vacíos, viajes de reabastecimiento sin carga, movimientos de apoyo que parecen ocupados pero no alivian el verdadero punto de congestión y operadores que transportan material a la línea que realmente no lo necesita primero.
Según mi experiencia, aquí es donde el enrutamiento inteligente se gana su sustento, o demuestra que era palabrería de marketing. Debería acabar con los movimientos muertos. Debería reducir los eventos de falta de línea. Debe impedir que el suelo persiga sombras.
Los algoritmos que importan - y dónde se rompe cada uno
A la gente le encanta preguntar por el algoritmos de optimización del mejor camino como si hubiera un ganador universal. No lo hay. Ese tipo de pensamiento suele venir de gente que no tiene que vivir con el despliegue.
Para el movimiento local, los algoritmos clásicos de planificación de trayectorias, como Dijkstra o A*, siguen teniendo sentido. Son rápidos, deterministas y fáciles de validar. Buenas herramientas. Alcance limitado. Cuando el reto se convierte en reaprovisionamiento en varias paradas, envío de AGV o servicio cronometrado a través de varias máquinas, los métodos de problemas de rutas de vehículos son los más adecuados porque el problema ya no es una ruta, sino una secuencia coordinada en ventanas de tiempo.
Entonces las cosas se ponen feas.
Una producción muy variada, objetivos contradictorios, cambios frecuentes, estados fluctuantes de las colas, excepciones que llegan por los lados... aquí es donde los algoritmos genéticos, la lógica de colonia de hormigas o las variantes de colonia de abejas empiezan a ser importantes, porque el espacio de búsqueda se vuelve desagradable y la optimización exacta se vuelve lenta o poco práctica. Pero incluso entonces, yo no entregaría toda la planta a una sola familia de modelos. Francamente, creo que la lógica híbrida suele ser la respuesta adulta: reglas duras para la viabilidad, heurística para la velocidad y recálculo continuo para el lío que nadie puede predecir del todo.
| Familia de algoritmos | Dónde encaja mejor | Qué hace bien | Dónde suele romperse |
|---|---|---|---|
| Dijkstra / A* | Algoritmos de planificación de trayectorias locales para transportadores, AGV o movimiento de máquinas | Rápido, determinista, fácil de validar | Débil cuando las limitaciones explotan más allá de la distancia y el tiempo |
| Heurística VRP | Entrega de material en varias paradas y reposición del alimentador | Adecuado para el envío de flotas con ventanas de tiempo | Si el modelo es demasiado genérico, pueden pasar desapercibidos los matices del taller. |
| Métodos genéticos / colonia de hormigas / colonia de abejas | Algoritmos de enrutamiento con muchos objetivos contrapuestos | Busca bien espacios de soluciones desordenadas | Puesta a punto más lenta, más difícil de explicar a los equipos de producción |
| Despacho basado en reglas | Producción estable y repetitiva | Sencillo, predecible, barato de gestionar | Rupturas por volatilidad, cambios y cuellos de botella |
| Enrutamiento híbrido inteligente | Líneas SMT modernas con prioridades cambiantes | Equilibrio entre rapidez, viabilidad y adaptación | Requiere datos más limpios y una gobernanza más sólida |
Un estudio de caso de 2024 ScienceDirect sobre el equilibrado de líneas y la programación de AGV en un sistema de montaje de PCB es útil porque trata la actividad de colocación y la entrega de material como un problema acoplado en lugar de como dos reinos separados. Esto se acerca más a la realidad de la fábrica. El caso implicaba cuatro estaciones de montaje SMM y 59 tareas asignadas a alimentadores, no un ejemplo de juguete con tres activos de comportamiento perfecto y sin ruido en la línea. Caso práctico de montaje SMT 2024. (sciencedirect.com)
Por qué los fallos de implementación arruinan más proyectos que las malas matemáticas
Sin embargo, la mayoría de los fallos de enrutamiento que he visto no fueron causados por algoritmos débiles. Fueron causados por una disciplina débil. Datos maestros sucios. Mapas de rutas obsoletos. Códigos de excepción utilizados de forma diferente en los distintos turnos. Reglas de despacho que la gente anula en cuanto aumenta la presión. No se puede salir de eso matemáticamente.
Esta parte se vuelve incómoda rápidamente.
La Oficina del Inspector General de USPS revisó la Optimización Dinámica de Rutas y los resultados fueron duros: a pesar de los ahorros previstos, 85% de los 34 sitios examinados no se habían optimizado completamente, 74% pagaron una tarifa por milla más alta que antes, y la reducción de kilometraje alcanzó 7% en lugar del objetivo de 12,5%. Se trata de un problema de despliegue con etiqueta de algoritmo. Auditoría de la OIG de USPS sobre la optimización dinámica de rutas. (uspsoig.gov)
He visto la versión SMT. El software se pone en marcha. Todo el mundo asiente. Durante dos semanas se presta atención al cuadro de mandos. Después, la planta empieza a pasar por alto prioridades porque el sistema no refleja lo que ocurre realmente en la línea, y la dirección se dice a sí misma que el algoritmo “necesita un ajuste” cuando el verdadero problema son las entradas basura y la ejecución incoherente.
Por eso nunca trato la habilitación como algo superficial. Formación y asistencia posventa para líneas SMT no es sólo un tema de apoyo: forma parte de la pila de rutas. Si los planificadores, operarios, responsables de mantenimiento y manipuladores de materiales no comparten la misma lógica, no espere que el modelo le rescate.
Cómo reducir el tiempo de ciclo con la optimización de rutas sin convertirlo en un proyecto de vanidad de software
¿Por dónde empiezo? No con demostraciones de software. Con el mapa de restricciones.
Divida sus restricciones en fijas y negociables. Capacidad de la máquina, compatibilidad del alimentador, restricciones de la boquilla, requisitos de inspección: fijos. La cadencia de reposición, el calendario de liberación de placas, las prioridades de soporte, los umbrales de cola... suelen ser negociables. Suena básico, pero la mayoría de los equipos confunden ambas cosas y luego se preguntan por qué el optimizador recomienda tonterías o se vuelve demasiado rígido para ayudar.
Luego puntúe la línea como se comporta realmente. No cómo se comporta el folleto. Mida el riesgo de inanición, el impacto en las colas, el arrastre de cambios, el tiempo de recuperación tras una interrupción, el retraso del servicio de alimentación y la exposición al búfer bloqueado. De repente, el problema del encaminamiento se vuelve mucho más honesto.
Y, por favor, no se deje hipnotizar por los KPI locales. Si una línea Yamaha recorta una fracción de segundo del movimiento de colocación pero pierde nueve minutos por turno porque el banco de alimentación no está correctamente apoyado, eso no es optimización. Eso es teatro con matemáticas.
La lista de datos tampoco es mística: mezcla de familias de placas, coordenadas de colocación, mapas de ranuras de alimentación, compatibilidad de boquillas, historial de tiempos de ciclo por estación, estados de colas WIP, plazos de reposición, disponibilidad de activos, patrones de retención de inspección, registros de excepciones. No son datos perfectos. Sólo datos reales. Una gran diferencia.
Yo probaría a presión cualquier enfoque de enrutamiento contra Casos de clientes de SMT y alinearlo con el interno prioridades de calidad de los procesos. Esa comparación suele indicarle, muy rápidamente, si el modelo entiende su suelo o se limita a reproducir una lógica genérica.
Cómo debe ser el enrutamiento inteligente cuando funciona de verdad
Sin embargo, la mejor prueba no es un salpicadero. Es el estado de ánimo de la línea.
Un buen sistema de enrutamiento no hace que el suelo parezca más “high tech”. Hace que la planta sea menos frenética. Menos eventos de hambre. Menos transportadores bloqueados. Menos despachos de pánico. Mejor sincronización de los alimentadores. Rendimiento más predecible. Menos lucha tribal contra incendios al final del turno.
Esa es la prueba.
Sinceramente, creo que el sector de la tecnología SMT habla demasiado de inteligencia artificial y poco de disciplina. El enrutamiento inteligente no es magia. Se trata de una secuenciación disciplinada bajo restricciones, respaldada por datos lo suficientemente claros como para confiar en ellos y hábitos operativos lo suficientemente sólidos como para mantenerse cuando el día se tuerce. Cuando esas piezas están en su lugar, la optimización de rutas deja de ser una palabra de moda y empieza a actuar como margen.
Preguntas frecuentes
¿Qué es la optimización de rutas en la fabricación?
La optimización de rutas en la fabricación es el proceso de selección de la ruta de movimiento y secuenciación más rápida para tableros, materiales, alimentadores, vehículos autoguiados, operarios y trabajo en curso en un sistema de producción, respetando al mismo tiempo los límites de las máquinas, la capacidad de las colas, los plazos de reposición y las restricciones del proceso. En pocas palabras, reduce las esperas entre pasos para que la línea funcione más rápido, con menos interrupciones y menos residuos ocultos.
¿Cómo reducen el tiempo de ciclo los algoritmos de optimización de rutas?
Los algoritmos de optimización de rutas reducen el tiempo de ciclo secuenciando el trabajo, las entregas de material y los movimientos de apoyo, de forma que las máquinas pasen menos tiempo esperando a los tableros, bobinas, alimentadores, operarios o medios de transporte, mientras se solucionan los cuellos de botella antes de que se extiendan por la línea. En términos reales de fábrica, reducen la inanición, reducen el bloqueo y limpian el tiempo muerto que se esconde entre las operaciones productivas.
¿Qué diferencia hay entre los algoritmos de planificación de rutas y los algoritmos de encaminamiento?
Los algoritmos de planificación de rutas calculan cómo una máquina, AGV o activo se desplaza de un punto a otro dentro de límites espaciales y operativos, mientras que los algoritmos de enrutamiento determinan cómo deben secuenciarse múltiples trabajos, entregas o prioridades a través de muchas paradas, ventanas de tiempo y restricciones. Uno resuelve el movimiento. El otro resuelve el flujo coordinado en todo el sistema de producción.
¿Es el problema de las rutas de los vehículos relevante para la producción SMT?
El problema de las rutas de los vehículos es relevante para la producción SMT porque la misma estructura matemática utilizada para optimizar las flotas y las paradas de entrega también puede optimizar la reposición de alimentadores, el envío de carros, el movimiento de AGV y el soporte de material cronometrado a través de múltiples máquinas y plazos. Una vez que los recursos deben llegar en la secuencia correcta bajo presión de tiempo, la lógica VRP se vuelve directamente útil en el taller.
¿Qué datos debe recopilar antes de implantar el enrutamiento inteligente?
Los datos mínimos para un enrutamiento inteligente incluyen los tiempos de ciclo de las máquinas, las rutas de los tableros, la compatibilidad de los alimentadores y las boquillas, los estados de las colas, los plazos de reposición, la disponibilidad de materiales, el estado de los activos y el historial de excepciones, porque sin esos datos el sistema no puede distinguir una ruta que es simplemente corta de otra que es realmente ejecutable. Un buen enrutamiento depende de la verdad operativa, no sólo de grandes conjuntos de datos.
Si en lugar de admirar las pantallas del software quiere reducir el tiempo de ciclo, revise la soluciones de línea SMT llave en mano, estudie la Casos de clientes de SMT, y contactar con el equipo para una discusión específica de la línea. Ahí es donde suelen empezar las respuestas útiles.
