Para tener una idea del tamaño del proyecto, son 25.000 a 30.000 cilindros por línea por día, llegando a un total cercano a 1 millón de cilindros por línea por mes, afirma el CIO de la empresa, Flávio Baltensberger.
Flávio Baltensberger, director de TI de Supergasbras, reconoce el gran interés que genera la inteligencia artificial, especialmente la inteligencia generativa, y afirma que la distribuidora de gas está trabajando para incorporarla donde realmente aporte valor. En una conversación con Convergência Digital, el director de TI detalló los proyectos en los que la compañía ha visto potencial para incorporar IA y compartió detalles sobre cuándo y cómo la empresa, parte del grupo holandés SHV Energy, ha estado estudiando esta tecnología.
La transición hacia la IA se intensificó en los últimos cinco años, con la creación del área de transformación digital, alineada con la macroestrategia de la compañía, cuyos pilares estructurales incluyen, entre otros temas, la mejora del rendimiento y la optimización de las operaciones. «Entendemos que lo digital, la innovación y la seguridad permean todos los pilares. La transformación digital puede abarcar muchos aspectos, y decidimos que aquí se tratará de transformar la experiencia del cliente y del empleado, y que nos basaremos en datos», afirmó Flávio Baltensberger.
El objetivo es digitalizar la experiencia del cliente, pero para lograrlo, fue necesario analizar las experiencias de los diferentes consumidores. Esto se debe a que Supergasbras suministra tanto gas a granel (cuando se instala un tanque y se llena periódicamente) a grandes clientes, como la agroindustria, la industria y el comercio, como cilindros vendidos indirectamente (a través de revendedores) a los consumidores finales; este último es el producto estrella, representando, según Baltensberger, el 70% del volumen de ventas.
También se cuenta con medición individual para determinar, por ejemplo, cuánto consume una unidad de un edificio de un tanque vendido a granel. «Hoy en día, contamos con telemetría en los tanques y soluciones de IA para identificar cambios en el consumo», explicó Baltensberger. Tras diseñar el recorrido, la empresa identificó los puntos de contacto y cómo les gustaría a los clientes ser atendidos.
Durante este proceso, Supergasbras identificó desafíos en sus operaciones que podrían superarse con tecnología. Uno de ellos fue el llenado del cilindro. Cuando el cilindro de gas regresa del cliente, puede que aún contenga gas o incluso esté sucio. Esto puede ser un problema, ya que, por normativa, la empresa debe entregar el cilindro con un peso de 13 kg.
«Observamos la tara del cilindro para determinar el peso de la lata y le sumamos 13 kg. Sin embargo, cada cilindro pesa diferente, y necesitamos estar seguros de su tara. Este número está escrito en el cilindro y el margen de error es de 100 g», explicó Baltensberger.
El proceso anterior implicaba introducir en un sistema el peso del cilindro, que se anota junto con otra información en la lata. La precisión es crucial para garantizar que el producto no se llene en exceso ni por debajo de lo necesario. Cuatro operarios dedicaban todo el tiempo a introducir la tara del cilindro, lo que tardaba cuatro segundos y podía ser inexacto; por ello, se implementaba un proceso independiente de doble verificación. En otras palabras, había margen para mejorar la eficiencia.
Así, en una evolución, los cilindros comenzaron a pasar por un túnel con cámaras que digitalizan la información, automatizando el proceso. «Con esto, el tiempo de lectura del cilindro pasó de cuatro segundos a 0,45 segundos», afirma el director de informática. Para que funcionara, se desarrolló un algoritmo de lectura que transforma la imagen en datos. «Lee la fecha de caducidad del cilindro, ya que cada diez años tengo que recalificarlo. Lee la tara del cilindro y la envía a la línea de producción, que cuenta con una máquina con una boquilla de llenado que indica la cantidad a añadir», explica Baltensberger.
Para que se hagan una idea de la escala del proyecto, se requieren entre 25 000 y 30 000 cilindros por línea al día, alcanzando un total cercano al millón de cilindros por línea al mes. «Al principio, hubo resistencia por parte de los trabajadores, pero no despedimos a nadie; los asignamos a puestos más importantes», afirma. En la unidad donde se llevó a cabo el piloto, había dos turnos de cuatro personas, que fueron reentrenadas de mecanógrafos a analistas de calificación, y otros empleados fueron asignados a otras funciones, explicó el director de informática.
Actualmente, se llenan casi 7 millones de cilindros de gas con este sistema, que tiene una precisión del 98,9 %. «Tenemos un 1 % de margen para el reanálisis, cuando antes era del 10 %», añadió, señalando que el margen de error se ha reducido a cero. «Este 1 % se produce cuando el algoritmo falla en la lectura por diversas razones, como marcas antiguas, suciedad u óxido», explicó.
La solución, que permite la interpretación automática de imágenes de cilindros de gas mediante IA y visión artificial, se desarrolló en colaboración con Fu2re. El proyecto piloto, que utilizó imágenes de cilindros de gas para identificar automáticamente su tara y fecha de caducidad antes de su entrada en el proceso de distribución, comenzó a finales de 2023 y entró en producción en líneas seleccionadas de Río de Janeiro en 2024. El objetivo es expandir el sistema a otras unidades. El éxito del proyecto ayudó al CIO a demostrar la eficiencia de la tecnología.
Otros proyectos
En el ámbito operativo, Supergasbras está trabajando con Fu2re en una solución para el control de accesos. «El cilindro de gas es nuestro activo más importante, y su gestión es crucial. Cuando el camión entra en la base, alguien lo revisa, cuenta cuántos cilindros lleva y compara la cantidad con la factura. Lo mismo ocurre al salir», explicó el director de TI.
Siguiendo el modelo utilizado para leer los datos de los cilindros de gas, la empresa también comenzó a usar cámaras para contar el número de cilindros al pasar el camión. Esto reduce el tiempo promedio de conteo manual de siete minutos a entre 30 y 40 segundos mediante un algoritmo de identificación de objetos con IA.
Además, utiliza el sistema de cámara de cilindros para identificar defectos en la pintura de los cilindros y otro algoritmo de inteligencia artificial para determinar la disponibilidad de cilindros en la base. Con este último, la empresa conoce la necesidad de cilindros en cada una de sus bases e incluso puede estimar la demanda.
La telemetría también está en la agenda de TI. Desde que se empezó a utilizar para analizar el comportamiento del conductor y generar alertas, el número de incidentes se ha reducido en un 91 %, afirma Baltensberger.
