'Energía en contexto': una nueva palanca operativa para la industria CPG

La energía ha pasado de ser un coste a ser un aspecto clave por su impacto en la cuenta de resultados y en la sostenibilidad del negocio. La volatilidad de los precios, la entrada creciente de fuentes renovables y un marco regulatorio cada vez más exigente en materia de sostenibilidad ha convertido su gestión en un elemento crítico. Ya no es suficiente con medir y monitorizar. El reto pasa por interpretar qué está ocurriendo realmente y cómo impacta en el negocio. Se trata de un reto que las compañías deben convertir en una oportunidad de mejorar su competitividad y afianzar el negocio.

El cambio del paradigma energético, derivado de la transición energética, está teniendo un fuerte impacto en las compañías. Este contexto las obliga a definir y demostrar de forma clara su compromiso ambiental, social y de gobernanza, así como a desplegar una estrategia sólida de reducción del consumo a todos los niveles: energético, de descarbonización y de fabricación de producto verde.

Para alcanzar estos objetivos, es necesario desplegar toda una serie de medidas y tecnología que deben complementarse y converger, como la compra de energía verde, la generación local y el autoconsumo, la electrificación, la gestión activa de la demanda y, por supuesto, el aumento de la eficiencia de los recursos energéticos y de la efectividad de los procesos productivos.

Poniendo el foco en las acciones para aumentar el rendimiento de los recursos energéticos (fuentes de energía, conversión y consumo), la reducción de las emisiones y la efectividad operacional es necesario disponer de una visibilidad integral y detallada de cómo se desarrollan los procesos en la planta.

Esto pasa por disponer de medidas de energía, emisiones, consumos y producción de materiales que proporcionan datos fiables y en tiempo real, con una buena granularidad y bajo un modelo de gobernanza bien definida. Este modelo permite evolucionar de forma ordenada y coherente con las prioridades de negocio, acompañando los datos con metadatos que proporcionan una información extra fundamental para garantizar su comprensión, mantenibilidad y la aplicación efectiva de tecnologías como la inteligencia artificial.

Disponer de toda esta información es un primer paso indispensable, ya que permitirá calcular indicadores globales del rendimiento de los procesos productivos, de los consumos de materiales, de energía, y de las emisiones.

Sin embargo, para poder tomar decisiones informadas, -y avanzar hacia un mayor nivel de excelencia y de impacto en la cuenta de resultados, es necesario disponer del contexto en el que se han producido dichos consumos, emisiones y producciones. Es decir, no solo disponer de las métricas, sino también conocer bajo qué circunstancias se desarrollan los procesos. Esto permite identificar pérdidas, asignar los costes a los procesos que realmente los han generado, tener visibilidad del margen operacional real por producto, facilitar la estandarización de parámetros que proporcionan una fabricación consistente (línea central -centerline-), identificar pérdidas de rendimiento del equipamiento, programar la fabricación de forma óptima considerando la energía, evaluar la mejora continua, entre otros aspectos.

El concepto de 'energía en contexto' parte precisamente de ese enfoque. Ya no se trata únicamente de analizar la energía a través de indicadores aislados, centrados exclusivamente en el rendimiento de los recursos energéticos, sino de vincular su consumo y emisiones al contexto de las operaciones. Esto incluye variables como el recurso energético utilizado, la huella de carbono asociada a la energía empleada, el producto en fabricación, el origen de las materias primas, las consignas del proceso, las condiciones ambientales o el personal.

La digitalización de las medidas mediante sensores –ubicados en los puntos de consumo y/o producción adecuados y con la suficiente precisión y granularidad- es, sin duda, un requisito indispensable para desplegar una solución que enmarque la energía en el contexto de las operaciones. Sin embargo, tal y como se ha señalado, no es suficiente con medir: es igual de importante trazar las circunstancias, el contexto que rodea a los procesos energéticos y de producción.

En la mayoría de los casos, gran parte de estos datos ya están digitalizados mediante sistemas que gestionan los recursos, la programación y la ejecución de los procesos, tales como los sistemas de planificación de los recursos de la compañía (ERP), de ejecución de la fabricación (MES/MOM), de calidad (LIMS), mantenimiento (CMMS) y, por supuesto, los sistemas de control (controladores y supervisión).

Podemos asimilar el contexto a las dimensiones de un cubo multidimensional, en el que se ubican las medidas de consumos, emisiones y producciones. Desde esta perspectiva, la energía (y la producción) en contexto se traduce en la capacidad de analizar bajo qué circunstancias concretas se han obtenido determinados resultados: en qué contexto se han obtenido unas medidas más favorables o desfavorables o por qué los procesos han sido más consistentes y óptimos, entre otros. Es a partir de este análisis que se dispone de una imagen nítida de los factores que influyen en las pérdidas de rendimiento o calidad, así como el consumo y las emisiones. Y es precisamente a partir de esta información que se pueden identificar las acciones con mayor retorno de la inversión, asegurando a la vez su alineamiento con las prioridades estratégicas del negocio.

La captura del contexto tiene sus propias características diferenciadoras. Normalmente provienen de sistemas digitales que, por su naturaleza, se actualizan con diferentes cadencias y que, incluso, pueden entregar valores que se van modificando a lo largo del tiempo hasta su consolidación final.

Los sistemas de control del proceso y la energía proporcionan información precisa y en tiempo real (entendido como tiempo de fabricación en planta) tanto de las medidas, como los consumos y producciones de materias primas, rechazos o paros, normalmente en forma de series de valores a lo largo del tiempo; como del contexto, incluyendo la orden, la receta o las consignas de la fabricación.

Por su parte, los sistemas de gestión de las operaciones (ERP, MES, LIMS, CMMS, …) ofrecen una información muy estructurada, íntegra y completa del contexto, junto con algunas medidas ya agregadas o consolidadas. Entre estas se encuentran las referencias de producto, fórmulas, órdenes de trabajo, plantilla, proveedores, consumos y producciones consolidadas, mermas, rechazos por calidad, estados del equipamiento, etc. El reto aquí reside fundamentalmente en la capacidad que deben ofrecer los sistemas de análisis de la energía en contexto para gestionar cambios posteriores en los datos -por ejemplo, las unidades de producto que han sido rechazadas por criterios de calidad que se reportan horas o días después de su fabricación. y recalcular los indicadores una vez la información se ha consolidado-.

Es precisamente a partir de una información bien estructurada, que integre de forma conjunta las medidas de consumo, producción y emisiones —tratando la energía y la producción como partes interrelacionadas de un mismo sistema—, y mediante soluciones capaces de procesar no solo las medidas, sino también todo su contexto, cuando se posibilita un análisis dinámico y flexible. Cabe destacar que muchos de los indicadores y análisis necesarios no son conocidos en el momento inicial del despliegue de la solución.

Este enfoque permite comprender en profundidad cómo se están desarrollando los procesos productivos y energéticos, identificar los factores que limitan su rendimiento y, a partir de ahí, definir las acciones de mejora con mayor retorno de la inversión, plenamente alineadas con las prioridades del negocio. Estas acciones deben contemplar, además, la posibilidad de redefinir los puntos óptimos de operación y, cuando sea necesario, el rediseño de los recursos energéticos asociados.

Dadas las características y la complejidad de las soluciones de 'energía en contexto', su despliegue debe estar liderado por profesionales con una visión holística del negocio y de las operaciones. No es suficiente con disponer e implementar la tecnología necesaria: se ha de comprender el nuevo paradigma energético, tener amplios conocimientos del funcionamiento de los recursos energéticos y, por supuesto, conocer las reglas y prioridades del negocio de la industria CPG.

Para desplegar el enfoque de 'energía en contexto', proponemos una metodología estructurada en cinco pasos.

El primero consiste en comprender cómo se consume la energía en la instalación y cuál es su mix energético. A través de una auditoría, se obtiene una visión detallada de los principales consumos y se definen recomendaciones alineadas con la realidad operativa y económica. El resultado es una contabilidad energética clara y una primera definición de medidas de ahorro priorizadas según su impacto y retorno.

El segundo paso consiste en identificar y definir los indicadores relevantes, en función de las prioridades establecidas en la fase anterior Para ello, se identifican tanto las medidas como las dimensiones necesarias para calcular dichos indicadores en su contexto. Asimismo, se determinan las necesidades de sensorización y se definen los sistemas a considerar como fuentes de los datos necesarios para los cálculos.

En el tercer paso se valida y prepara la infraestructura que va a sostener las necesidades de digitalización identificadas. La solución debe ser capaz de interoperar con los sistemas existentes, tanto de información (IT) como de operación (OT). Además, cuando la solución de 'energía en contexto' forme parte de una ruta de digitalización más amplia, es importante que se considere el nivel de interoperabilidad de los diferentes componentes a desplegar, construyendo una arquitectura federada que facilite el flujo nativo de los datos.

El cuarto paso aborda el despliegue de la solución de 'energía en contexto', que debe ser capaz de:

• Adquirir los datos garantizando al máximo su disponibilidad incluso ante incidentes
• Almacenar grandes volúmenes de datos de diferente naturaleza, procedentes de múltiples las fuentes, con un rendimiento óptimo tanto en términos de infraestructura como de tiempos de respuesta
• Enriquecer los datos con metadatos, procesarlos y calcular los indicadores en tiempo real, así como recalcularlos en caso de cambios en los valores originales
• Determinar los niveles de referencia y tolerancias aceptables, y notificar proactivamente las posibles desviaciones
• Habilitar el análisis flexible y dinámico de los resultados, tanto por parte de usuarios (incluyendo el uso de inteligencia artificial generativa), como por otros sistemas automatizados, por ejemplo, mediante inteligencia artificial basada en aprendizaje automática o agentes.

Por último, el quinto paso consiste en el acompañamiento a la adopción de la solución y en el establecimiento de un sistema de gestión de mejora continua. Este modelo permite sostener el punto óptimo de operación, definir y seguir las acciones para incrementar la eficiencia y medir el progreso a lo largo del tiempo.