En España se generan cada año 1,7 millones de toneladas de alimentos desperdiciados. La combinación de blockchain, robótica e inteligencia artificial contribuye a proporcionar visibilidad y tecnologías de analítica prescriptiva optimizan aún más estas ventajas.
Zebra Technologies Corporation (NASDAQ: ZBRA), compañía que cuenta con las mejores y más innovadoras soluciones y partners para ayudar a las empresas a ser más competitivas, considera que el uso combinado de tecnologías de blockchain, robótica, inteligencia artificial, visibilidad de activos y análisis prescriptivo ayudará a la cadena de suministto a reducir el desperdicio de comida y aumentar su rentabilidad.
El desperdicio de comida es un problema global que también afecta seriamente a España. En nuestro país, cerca de 7,7 millones de toneladas de comida van a la basura cada año. Y un importante porcentaje procede de la cadena de suministro, ya que cualquier producto alimenticio que se retira y originalmente estaba destinado al consumo humano, se considera un residuo.
“En estos últimos años, las organizaciones distribuidoras de alimentos han dado pasos significativos para reducir su gasto y todavía están funcionando algunas medidas. Sin embargo, el continuo desperdicio sigue haciendo que la industria alimentaria sufra pérdidas ocasionadas por los alimentos desperdiciados, la mala percepción por parte de los consumidores con conciencia ecológica y las complejidades operativas en el proceso de transporte que dificultan la eficiencia. Desde el aumento de los costes y las expectativas de gran demanda hasta el seguimiento y el control de las existencias, las empresas de la cadena de suministro de alimentos se enfrentan a más desafíos que nunca en sus esfuerzos por evitar el desperdicio”, revela Guy Yehiav, director general de Zebra Analytics y vicepresidente de la compañía.
Blockchain
En la batalla para reducir el desperdicio de alimentos, blockchain es fundamental para las empresas del sector. Originalmente diseñado como una herramienta para las criptomonedas, es básicamente un libro de contabilidad digital compartido públicamente que supervisa, registra e informa sobre el movimiento de mercancías en toda la cadena de suministro. El código de barras de un producto es escaneado por varios puntos de control desde que sale de la granja hasta el almacén, dejando un ‘rastro de migas’ que permite conocer su ruta y los destinos por los que ha pasado durante su viaje.
Este seguimiento facilita la visibilidad, así como identificar áreas de mejora en la cadena de suministro. Por ejemplo, una empresa de transporte de productos lácteos comprueba que sus productos llegan a sus destinos estropeados. Naturalmente, esto debe ser investigado, rastreando minuciosamente los trayectos de los envíos utilizando cualquier papel disponible. Así que, identificar una causa de fondo podría llevar semanas. Si a esta tarea incorporamos blockchain, el investigador simplemente necesita revisar esta cadena buscando un punto en el que la leche podría haberse estropeado. Blockchain permite ver que los envíos fueron dejados durante la noche en una instalación cross-docking que no está equipada para almacenamiento refrigerado. Al visitar esas instalaciones ve que, debido a la falta de formación adecuada, numerosos productos perecederos están en el suelo en lugar de haber sido colocados inmediatamente en un camión refrigerado. El siguiente paso es ordenar una puesta al día urgente de esos profesionales y eliminar de la cadena de suministro esos alimentos.
RFID
Las etiquetas RFID son esencialmente códigos de barras que proporcionan información sobre los productos en las cajas de cartón (el etiquetado de RFID en productos individuales no es ni rentable ni práctico) a las que están adheridas. Tienen una ventaja clave sobre blockchain en la cantidad y la puntualidad de los detalles que ofrecen. Utilizando lectores RFID, toda etiqueta en una caja de cartón permite visibilizar al instante los movimientos y niveles de inventario. Muchas compañías de distribución aprovechan la tecnología RFID para garantizar la calidad y frescura de los alimentos a través de todo el itinerario. Estas etiquetas avisan si los productos han caducado o si debieran ser reemplazados porque la fecha de consumo preferente está a punto de expirar.
Análisis prescriptivos
Las soluciones de blockchain y RFID se hacen aún más efectivas con incorporación de análisis prescriptivos. Se trata de una metodología analítica avanzada que aprovecha los datos para determinar lo que está sucediendo, por qué sucedió, cuánto cuesta no actuar, qué hacer para optimizar el resultado y quién debe resolverlo. El análisis prescriptivo simplifica aún más las iniciativas de sostenibilidad al aumentar las soluciones de blockchain y RFID con puntualidad y capacidad de acción. Si el distribuidor de alimentos involucrado aprovechó el análisis prescriptivo y blockchain, el responsable de cross-docking puede recibir, por ejemplo, una alerta en tiempo real que indique: “Palet #3309 en riesgo de deterioro”. Esta acción prescriptiva simple y fácil de entender dirigiría al administrador directamente al origen de un posible problema, permitiéndole intervenir y evitar un desperdicio. Una buena solución analítica prescriptiva puede configurarse para que se centre en gran medida en posibles problemas, como por ejemplo los productos que están a punto de caducar, las unidades de almacenamiento en frío que funcionan mal (incluidas las cajas de productos lácteos y los camiones de reparto) y los productos perecederos que han pasado demasiado tiempo sin refrigeración.
Algún desperdicio de alimentos es inevitable, pero las empresas de la cadena de suministro pueden controlarlo. La implementación de soluciones de tecnología avanzada como blockchain, RFID o análisis prescriptivos es una fórmula innovadora para completar esos vacíos de información a través de diferentes áreas de la cadena. Con el tiempo, esto reducirá la huella de los residuos de alimentos y, al mismo tiempo, fomentará un futuro más prometedor y sostenible para esta industria.
Para más información visitar Zebra Prescriptive Analytics
