Productividad

¿Necesita una bola de cristal?

Por Gian Schiava

Mayo 2023

Cómo pronosticar la demanda de personal en el almacén

¿En qué puede ayudar el software de gestión de mano de obra (LMS) a las operaciones del almacén? ¿Qué carencias presenta? ¿Cuál es su futuro? ¿Y cómo mantener motivados a los empleados cuando cada vez es más frecuente que sus tareas se las asigne un programa informático? Gian Schiava investiga los retos a los que se enfrentan las herramientas LMS y el papel que desempeña el aprendizaje automático en su solución.

Uno de los retos fundamentales para los gerentes es que no siempre les queda claro qué podrían hacer con un software de gestión de mano de obra.

Con el auge del comercio electrónico, el creciente número de canales de ventas y la presión cada vez mayor que imponen los plazos, los profesionales de la cadena de suministro necesitan que su organización sea más reactiva que nunca. Los pedidos por Internet pueden efectuarse en cualquier momento, y deben satisfacerse con rapidez, a veces en unas pocas horas.

Para organizar las actividades de manera eficiente, los supervisores de hoy cuentan con un completo sistema de gestión del almacén (WMS) que define las prioridades. Un WMS, sin embargo, se centra principalmente en sus productos y en los sistemas disponibles, y solo en un menor grado en la plantilla. Ahí es donde entra en juego el software de gestión de mano de obra, o LMS, por sus siglas en inglés.

Una herramienta no tan novedosa

Al investigar sobre este tema, descubrimos que las primeras soluciones para la gestión de la mano de obra llegaron al mercado hace más de una década. Muchos proveedores de WMS han estado incluyendo una herramienta LMS en su oferta desde entonces. Aunque gestionar las plantillas ha sido una actividad normal en entornos de producción, optimizar los recursos humanos para ajustarlos lo mejor posible a los sistemas del almacén y a la salida de pedidos parecía, a primera vista, algo completamente distinto.

En el pasado, los profesionales de la logística reaccionaban sobre la marcha a las necesidades de mano de obra. Armados con los datos del sistema ERP (o del departamento comercial) y una hoja Excel, intentaban anticiparse a la demanda con la mayor precisión posible. Ello implicaba convertir los datos brutos en cifras que representaran la carga de trabajo real. En muchos casos, se contrataban trabajadores temporales con la esperanza de que las estimaciones fueran correctas.

Warehouse,Worker,Taking,Package,In,The,Shelf,In,A,Large

¿Demasiados trabajadores en el almacén o muy pocos? Tradicionalmente, ha sido muy difícil anticipar las cambiantes necesidades diarias.

Los retos del almacén

Uno de los retos fundamentales para los gerentes es que no siempre les queda claro qué podrían hacer con un software de gestión de mano de obra. Existen todo tipo de sofisticadas descripciones publicitarias, pero la empresa holandesa de consultoría IPL ofrece esta clara definición: «Las herramientas automatizadas ayudan a los gerentes de los almacenes a calcular cuánta mano de obra es necesaria para completar determinadas tareas, y qué aptitudes específicas debe tener la misma. El reto es que, al contrario de lo que sucede en los entornos de producción, los tiempos de entrega de los pedidos en el ámbito del almacén son muy breves».

Esta restricción puede ser una de las principales razones por las que la adopción de herramientas de gestión de mano de obra todavía no está muy extendida.

Si investigamos más a fondo, nos topamos con varias razones adicionales para este bajo grado de adopción. Nuestra fuente es Grégory Lecaignard, jefe de productos de software en SAVOYE, un proveedor de sistemas y software intralogísticos. La amplia investigación llevada a cabo por este especialista francés ha revelado cinco objeciones fundamentales para la adopción de herramientas LMS. Muchos profesionales de la logística consideraron que las soluciones actuales son:

  • Cortas de miras. Con frecuencia, la visibilidad que ofrecen los sistemas respecto de la carga de trabajo se enfoca únicamente en el presente. No existe una vista general a largo plazo.
  • Devoradoras continuas de datos. Muchas veces, es necesario introducir los horarios de trabajo de todos los operadores, e incluso sus nombres. Y mañana, lo mismo. Es una labor que exige demasiado tiempo.
  • Centradas en sí mismas. No son capaces de analizar el rendimiento de otros procesos que no estén controlados por el WMS. Sin embargo, en el día a día se realizan muchas tareas importantes que no están registradas en ese sistema de información, como la inspección de palés o servicios de valor añadido.
  • Imprecisas. Con frecuencia, ello se debe a las diferencias entre la perspectiva del proveedor de la solución y la del propio operador.
  • Con un ROI incierto. Dadas las cuatro carencias anteriores, es imposible calcular el retorno de la inversión.
Gregory Lecaignard_1

Grégory Lecaignard, director de productos de software, SAVOYE.

El aprendizaje automático es la clave

De acuerdo con Grégory Lecaignard, las herramientas automatizadas para la gestión de la mano de obra únicamente empezarán a despegar de verdad con la inserción de algoritmos de aprendizaje automático. Solo entonces serán capaces de hacer predicciones adecuadas sobre las que el gerente pueda anticipar de forma oportuna los recursos humanos requeridos. Sin esa información, siempre deberá enfrentarse a los gastos que conlleva un exceso de personal en el almacén o, aún peor, a los retrasos en las entregas derivados de su falta.

Por otro lado, un sistema capaz de aprender no solo lleva a cabo la planificación, sino que gestiona la asignación de todas las tareas a las personas correctas considerando las aptitudes de cada empleado, su experiencia y otros factores.

Grégory concluye: «La gestión de la mano de obra debería ser una función fundamental en un centro de distribución. No obstante, sin predicciones, tal sistema funciona completamente a ciegas. A veces, es otro sistema el que ofrece dichas predicciones, pero los datos se expresan como unidades de ventas, y nunca en términos de la carga de trabajo esperada. Solo un sistema predictivo mediante aprendizaje automático que esté integrado en el propio sistema de gestión de mano de obra producirá unos resultados fiables y detallados. Resultados que el gerente podrá usar para determinar cuántos trabajadores necesita contratar con vistas al próximo ciclo. Un buen sistema de aprendizaje automático con suficientes datos históricos (más de 15 meses) puede pronosticar hasta 30 días y producir resultados con un margen de error de apenas el 5 o el 10 %».

Smiling,Businessman,Owner,Wth,Hardhat,Use,Company,Application,On,Tablet

El software de gestión de mano de obra (LMS, por sus siglas en inglés), combinado con el aprendizaje automático, permitirá una predicción precisa de las necesidades de mano de obra en el almacén.

Sumemos la motivación

Para los gerentes, existen ventajas adicionales más allá de la coordinación perfecta de personas y recursos. Con el mencionado sistema, usted puede obtener información sobre la salida de pedidos por canal, por actividad e incluso a nivel individual. Podría pues usarlo para introducir pagos basados en la salida de pedidos, aunque, dada la escasez de mano de obra actual, quizá fuera una estrategia errónea.

En lugar de usar los nuevos conocimientos del LMS como gancho, es mejor utilizarlos como una forma de estímulo denominada ludificación. La idea de esta tendencia es aumentar la productividad de los empleados motivándolos y haciendo sus tareas más entretenidas. Por ejemplo, podrían introducirse elementos lúdicos, tanto a nivel individual como de equipo, para promover objetivos específicos.

La combinación de juego y gestión de la mano de obra puede redundar en múltiples beneficios, y no solo en cuanto a la mejor planificación de los recursos y el ahorro de costes. Esta estrategia podría contribuir a una mayor implicación y transparencia y, quizá lo mejor de todo, a mantener y desarrollar una plantilla leal y capacitada.

Print