En medio de la extraordinaria transformación de la producción durante la década pasada con el avance de la Cuarta Revolución Industrial (o Industria 4.0) sector tras sector, algunos productores aún se enfrentan a un desafío casi tan antiguo como la propia actividad fabril: cómo lograr mejoras de productividad sostenibles en operaciones que emplean mano de obra en forma intensiva.
Una solución en apariencia obvia se suele sintetizar como el reemplazo del trabajo por capital a través de la automatización. Pero pese a la disponibilidad de maquinaria cada vez más sofisticada y a un costo comparativamente más bajo, en muchas ocasiones el uso de tecnologías digitales y analíticas para asistir a las personas en lugar de suplantarlas constituye una alternativa más atractiva.
Hoy día, los sectores que utilizan mano de obra intensivamente incluyen desde juguetes, indumentaria o joyería hasta equipamiento médico, productos electrónicos y componentes para automóviles, entre muchos otros. Estas industrias constituyen un motor clave para las economías emergentes, al proveer empleo que ayuda a reducir la pobreza y fortalecer la estabilidad social.
Cuando el trabajo es tan decisivo para crear valor, el manejo de la fuerza laboral se convierte en un asunto estratégicamente importante. Las compañías con mejores resultados en contratación, retención y – lo más importante de todo – motivación de sus trabajadores pueden lograr una ventaja significativa frente a sus competidores. Para ello, necesitan superar un conjunto de desafíos, algunos de los cuales se volvieron más complejos con la pandemia de COVID-19. Garantizar que los trabajadores se sientan seguros debe ser, sin duda alguna, la mayor prioridad. Pero ofrecer un marco de protección quizás no resulte suficiente para persuadir a todos los trabajadores de concurrir a las fábricas, en especial aquellos que al mismo tiempo deben velar por el cuidado de niños o familias muy afectadas por la pandemia.
Simultáneamente, los picos de demanda han intensificado la competencia por trabajadores en sectores donde el agrupamiento de operaciones ha facilitado el proceso de cambio de empleador. E incluso cuando una empresa logra hallar y retener personal, los cambios en los requerimientos producen un desfase entre las capacidades que una compañía necesita y las competencias de sus empleados.
Pese a todo, algunas organizaciones han identificado una solución prometedora. Las nuevas herramientas digitales y analíticas, aplicadas diligentemente, tienen potencial para ayudar a las empresas de sectores con uso intensivo de mano de obra a aumentar su productividad sin tener que reducir sus planteles.
Desafíos comunes para industrias con mano de obra intensiva
Tres desafíos de larga data se han vuelto particularmente críticos para las empresas con mucho personal: imprevisibilidad del ausentismo laboral, rotación excesiva y desfases de competencias.
¿Quiénes vendrán a trabajar hoy?
Una pregunta fundamental que se hacen muchas compañías es ni más ni menos cuántos de sus empleados concurrirán a trabajar ese día. En estas industrias y en las comunidades donde están localizadas, es común que los trabajadores se enfrenten a obstáculos como acceso limitado a atención de urgencia o medios de transporte poco confiables. La imprevisibilidad de la asistencia al trabajo reduce la capacidad de los gerentes para planificar y cumplir cronogramas de producción, afectando así la productividad, los niveles de servicio y la rentabilidad de las fábricas.
Estos problemas han existido desde hace cierto tiempo. En 2017, por ejemplo, un estudio de McKinsey Global Institute reveló que las mujeres representan el 39 por ciento de la fuerza laboral fabril en México y el 47 por ciento en China. Sus ingresos son fundamentales para el sostenimiento del hogar, pero las alternativas de cuidado de niños son limitadas o están fuera de su alcance, por lo que se ven impedidas de concurrir al trabajo si los niños enferman o si surgen otros problemas familiares.
¿Cuánto tiempo permanecerán los empleados en la compañía?
La alta rotación, con frecuencia atribuida al “efecto cluster”, es otra de las realidades de la fabricación intensiva. Las zonas especiales industriales (o áreas similares) distribuidas por todo el mundo tienden a atraer a compañías de las mismas industrias o relacionadas en sus cadenas de valor ascendente y descendente. Las ventajas de una masa crítica de ese tipo son conocidas: mayor eficiencia en almacenamiento y logística, aceleración de la innovación y atracción de talentos, entre otras. Pero para algunas empresas, también se plantea una desventaja: la proximidad con sus competidoras hace más fácil para los talentos más buscados cambiar de empleador.
La geografía de un cluster puede sumar complicaciones. En algunos países, como México, las zonas industriales están localizadas cerca de los mercados extranjeros adyacentes, pero lejos de los principales centros urbanos del país. Bajo estas circunstancias, los trabajadores suelen considerar a sus empleos como algo temporario – una manera de ahorrar algo de dinero para luego retornar a sus hogares.
¿Mis empleados tendrán las competencias adecuadas?
Para los productores de todo el mundo, contratar trabajadores calificados es un desafío, que se acentúa más en los países emergentes, donde una mayor proporción del mercado laboral no tiene acceso a la educación media o superior. Este dilema obliga a las empresas a invertir muchos recursos en adaptación y entrenamiento, suponiendo que hayan logrado encontrar candidatos suficientes para cubrir todos los puestos.
Las altas tasas de rotación también encarecen las inversiones en capacitación; pese a que es más económico que en los mercados maduros, los desembolsos se acumulan. Y para peor, los gerentes pueden ser reacios a dedicar recursos suficientes a entrenamiento si en última instancia ello podría beneficiar a un competidor.
Un productor de equipos médicos descubrió que capacitar a un trabajador con conocimiento previo requería en promedio unos tres días, mientras que entrenar a alguien inexperto podía llevar hasta cuatro semanas. Esta disparidad puede estimular a los empleadores a recurrir a trabajadores temporarios o personal externo (en especial durante picos de demanda), erosionando algunas de las ventajas económicas de operar en un lugar determinado.
La solución analítica para la productividad
A pesar de los avances para canalizar las enormes cantidades de datos que la fabricación genera hoy en día, son muy pocas las organizaciones que han logrado usarlos con éxito para informar sus procesos de toma de decisiones. En los sectores con uso intensivo de mano de obra, los beneficios se han tornado más interesantes, y ofrecen además una oportunidad para adelantarse a la competencia.
Una analogía pueden ser las aplicaciones de viajes en automóvil: la logística de pasajeros, la selección de las rutas y los pagos han sido delegados en algoritmos centralizados, de modo que los conductores solo deban ocuparse de llegar a destino. Todas las instrucciones y feedback son enviados a través de sus teléfonos móviles, sin intervención humana, lo que reduce sustancialmente los costos de capacitación y a la vez mejora la calidad y la confiabilidad del servicio.
Reunir los datos correctos
Los productores están ante una oportunidad de la que carecen las compañías de viajes en automóvil: la recopilación de datos suele estar incorporada a la maquinaria de producción. En industrias con mano de obra intensiva, la tarea más importante es implementar mecanismos que midan la producción y el rendimiento al nivel más granular posible. Las empresas utilizan diferentes herramientas y software; el Gráfico 1 ilustra un ejemplo generalizado.
En el marco de una transformación digital de la producción en un fabricante de diseños originales (ODM) norteamericano, un sistema electrónico de medición del movimiento calculó la tasa de trabajo sin valor agregado para las diferentes actividades. Usando sensores de movimiento y geolocalización para conocer la ubicación de los trabajadores en la planta, los gerentes pudieron elaborar fácilmente diagramas “spaghetti” que mostraban los traslados innecesarios – o sin valor agregado. Del mismo modo, un jugador de electrónica asiático identificó un posible incremento de la productividad del 25-35 por ciento simplemente eliminando la diferencia de carga de trabajo entre ambas manos de los trabajadores.
Programación dinámica
Planificadores y programadores pueden pasar horas elaborando los mejores planes de producción, pero cuando la cantidad de trabajadores varía en cada turno esos planes necesitan ser ajustados en tiempo real. Un algoritmo de analítica avanzada puede optimizar la asignación del personal, maximizando la productividad y los niveles de servicio mediante el ajuste de variables como habilidades individuales, maquinaria disponible, objetivos de producción y fechas de envío – todo ello con mínima intervención de los supervisores.
La programación dinámica elabora los cronogramas de producción y de personal sobre la base de la asistencia diaria, minimizando así el impacto de la variabilidad. Luego de determinar la cantidad de trabajadores disponibles en cada turno, el sistema optimiza la asignación en el piso de trabajo para mejorar la utilización y la productividad en función de las habilidades y capacidades individuales de los trabajadores y asignarlos a estaciones de producción específicas. Este proceso maximiza la rentabilidad en las plantas y al mismo tiempo mejora la calidad de la producción.
Por ejemplo, en un productor de artículos electrónicos ubicado cerca de la frontera entre México y Estados Unidos, la rotación anual fue superior al 100 por ciento, y la asistencia al trabajo tuvo fluctuaciones de hasta el 15 por ciento, por más esfuerzos que el liderazgo de la planta realizó por mejorar la situación. Esta imprevisibilidad tuvo diversos efectos sobre la producción. Entre otras cosas, los supervisores debieron dedicar entre una y dos horas por turno a asignar trabajadores a las estaciones, ya que debían considerar si los trabajadores disponibles tenían las habilidades requeridas por cada tarea y qué productos eran prioritarios.
Adicionalmente, las entregas eran impuntuales porque la producción era priorizada por supervisores con una visión limitada de la demanda. Por otra parte, la absorción de costos laborales no llegaba al 60 por ciento, dado que el resultado de la asignación de trabajadores a estaciones variaba según las capacidades del supervisor, y hacer seguimiento de más de 4.000 operarios de planta resultaba complejo en extremo.
Como consecuencia de todos estos problemas, la planta implementó un sistema de programación dinámica (Gráfico 2). Cuando los operarios registran su ingreso, un algoritmo los asigna a una estación tomando en cuenta sus habilidades y experiencia y los requerimientos más urgentes del turno, en línea con las metas mensuales de producción. Este paso eliminó una pérdida de productividad de una a dos horas (equivalente, como mínimo, a un 12 por ciento) resultante de la reasignación diaria a estaciones, y elevó la tasa de entregas puntuales del 50 al 90 por ciento. La absorción de costos laborales llegó así a un mucho más saludable 80 por ciento. Además, esta herramienta puede ser implementada en tiempo real, por lo que cada vez que un operario está disponible el sistema recalcula las tareas por realizar y sugiere la siguiente. El nuevo procedimiento otorgó a los gerentes la flexibilidad que necesitaban para movilizar trabajadores hacia las estaciones que requerían competencias específicas o personal adicional para satisfacer la demanda.
Achicar las brechas de capacidades
Para los ejecutivos recelosos de capacitar empleados para luego verlos partir hacia alguno de sus competidores, la analítica provee tres respuestas que combinadas refuerzan las habilidades de los empleados – y la retención.
Una manera de mejorar el retorno de las inversiones en entrenamiento consiste simplemente en ayudar a los empleados a aprender más rápidamente para que puedan dedicar una mayor parte de su tiempo a actividades con valor agregado. Las herramientas digitales cumplen un rol clave en la facilitación del entrenamiento en el puesto de trabajo. En una compañía, por ejemplo, los empleados que arribaban al inicio de sus turnos debían esperar hasta dos horas para que el supervisor de planta pudiera darles coaching y asignarles un módulo de entrenamiento en una estación de trabajo. La instalación de pantallas digitales hizo posible asignar automáticamente a los nuevos empleados a las estaciones menos complejas, donde podían realizar cursos multimedia antes de dar inicio a la producción. Solo este paso permitió reducir el tiempo de entrenamiento promedio en casi el 70 por ciento.
Una alternativa más avanzada ayuda a complementar las competencias requeridas de los empleados cubriendo las brechas con inteligencia artificial. En lugar de hacer que los trabajadores completen extensos programas de capacitación, algunas empresas adoptaron tecnologías auxiliares basadas en la Internet de las Cosas para guiar a los operarios a lo largo de complejos procesos de producción. Gracias al seguimiento del trabajo, la calidad y la velocidad de producción de los operarios, los gerentes pueden identificar brechas de capacidad específicas y trasladarlos a máquinas especiales en las que pueden completar su entrenamiento con pantallas multimedia.
Una última palanca es mejorar la retención, entre otras cosas diseñando planes de carrera más atractivos. Muchas plantas trabajan con varios cientos o miles de empleados por turno y apenas un puñado de líderes, cuyas calificaciones tal vez no sean las ideales. Las herramientas de medición de la productividad, como las descriptas en el Gráfico 1, facilitan la individualización de los resultados. Con esta información, es posible poner en práctica programas de retención basados en el desempeño para potenciar la retención de los mejores recursos. Varias empresas localizadas cerca de la frontera entre México y Estados Unidos llevaron sus tasas de retención a más del doble utilizando este abordaje.
La optimización de las operaciones es una oportunidad atractiva en sí misma, pero además tiene un fuerte impacto económico. En un mercado donde los costos, la calidad y los niveles de servicio son cada vez más competitivos, las soluciones digitales y analíticas pueden elevar las tasas de producción y las ganancias manteniendo constantes los costos directos e indirectos. En el caso de un productor, una mejora del cinco por ciento en la producción generó un incremento del 45 por ciento en las ganancias antes de intereses, impuestos y amortizaciones – EBITDA (Gráfico 3).
Incluso antes del COVID-19, los empleadores masivos podían extraer grandes beneficios de la analítica avanzada para abordar problemas y desafíos recurrentes. La nueva normalidad ofrece aún más oportunidades, dado que la creciente competencia y los cambios en los perfiles de demanda acentúan tales desafíos y dan forma a un nuevo escenario en toda la cadena de abastecimiento. Este elemento diferenciador podría ser el factor clave para determinar las ventajas competitivas en los próximos años.
