Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
1. Introducción
Los conceptos de Industria 4.0 ya son una realidad, sin embargo, acercar a los estudiantes de educación superior a interactuar con ellos es una labor que está en un modo incipiente (Martínez-Ruiz, 2019). Una de las estrategias que aparece es usar modelos de entrenamiento inspirados en industrias reales, así como las estrategias de gamificación como método para poder interrelacionar los conceptos relevantes y tener un aprendizaje significativo.
En Ingeniería Industrial se deben fortalecer conceptos clave como: gestión de cadenas de abastecimiento, pronósticos, planificación e indicadores. Se han desarrollado distintas lúdicas para explorar estos conceptos, siendo una de las más conocidas el “juego de la cerveza” (Beer Game). Esta estrategia de gamificación fue desarrollada en la década de los 60, en el MIT, como un juego de simulación basado en la gestión de la cadena de suministro (Arias, 2007). Uno de los objetivos de esta estrategia gamificada es partir de demandas desconocidas para traducir el efecto látigo, reduciendo los costos de inventario. Este modelo se ha utilizado para validar pronósticos, planificar, establecer indicadores y para las necesidades tecnológicas en las operaciones, haciendo que su adaptación resulte estratégica como un ecosistema de aprendizaje. En este estudio se busca responder la pregunta: ¿es posible disponer de un escenario de adaptación de la estrategia de gamificación Beer Game aplicando algunos de los conceptos asociados a Industria 4.0?
Este artículo está dividido en 4 secciones. La sección 1 aborda esta introducción. En la sección 2 se presenta la metodología haciendo énfasis en las 4 fases diseñadas para responder la pregunta de investigación. En la sección 3 son presentados los principales resultados y permite evaluar y discutir los escenarios de adaptación y la estrategia de gamificación aplicando algunos conceptos asociados a Industria 4.0. Finalmente, en la sección 4 se presentan las principales conclusiones del estudio. Esta propuesta representa un tema que sigue siendo vigente y permite actualizar el juego a frentes de la Industria 4.0, con aplicaciones que le brindan a las nuevas generaciones la oportunidad del aprendizaje que éste proporciona, permitiendo además nuevos desarrollos.
2. Metodología
El estudio se llevó a cabo bajo un enfoque cuantitativo y cualitativo, con un método combinado de investigación exploratoria, descriptiva, correlacional y experimental. Esto permite abordar de manera integral la pregunta de investigación y proporcionar una base sólida para la adaptación del Beer Game como estrategia de gamificación en el contexto de la Industria 4.0. Las variables de análisis incluidas en el estudio, son: inventario, costo y tiempo de procesamiento. La experimentación fue aplicada a un grupo de estudiantes de la Facultad de Ingeniería, de la Universidad de Antioquia, quienes jugaron Beer Game de forma tradicional y otro grupo de estudiantes quienes realizaron la práctica usando la Planta 4.0 simuladora SCM. A continuación se describen las cuatro fases de la metodología.
En la primera fase se realiza una revisión de la literatura para comprender la gamificación Beer Game y los conceptos clave de la Industria 4.0. En esta fase se identifican las posibles adaptaciones y mejoras que pueden aplicarse al Beer Game para alinearlos con los principios de la Industria 4.0.
La descripción del Beer Game tradicional como estrategia de gamificación y su versión adaptada a la Planta 4.0 simuladora SCM, corresponde a la fase 2. Para ello se documentan detalladamente los procesos de abastecimiento, almacenamiento, procesado y distribución en el modelo de Planta 4.0 simuladora SCM, así como las adaptaciones necesarias entre el Beer Game tradicional y la propuesta que integra los conceptos de la Industria 4.0. Del mismo modo, se definen los materiales, roles, plantillas y formatos, junto con los indicadores de desempeño para respaldar de manera integral la propuesta.
En la fase 2 tamién se realizan los pilotos de ambas estrategias de gamificación (Beer Game tradicional y su versión adaptada a la Planta 4.0 simuladora SCM) y se recopilan datos cualitativos y cuantitativos de los participantes, obteniendo así una retroalimentación sobre la experiencia y la aplicabilidad de los conceptos de la Industria 4.0.
La tercera fase corresponde a la comparación del Beer Game tradicional como estrategia de gamificación y su versión adaptada a la Planta 4.0 simuladora SCM.
En la fase 4 se realiza el análisis de principios, pilares y tecnologías de la Industria 4.0 en la Planta simuladora SCM. Usando una escala de 1 a 5 se establece la relación existente entre los principios, pilares y tecnologías de la Industria 4.0; y los resultados de las pruebas piloto y las respuestas de las encuestas sirven para determinar la efectividad de la estrategia de gamificación y su alineación con la Industria 4.0.
3. Resultados y discusión
3.1 Fase 1: marco conceptual
Gamificación
El término gamificación se deriva del anglicismo game y se puede definir como una técnica de aprendizaje que permite incluir el juego con temáticas de enseñanza que se adaptan a las necesidades (Marlés-Betancourt et al., 2021). La gamificación tiene como objetivo fomentar la participación, el interés en actividades educativas y facilita la retención de los conocimientos extraídos del juego; también suelen llamarse juegos serios o serius games por algunos autores (Vergara-Pareja et al., 2021).
Beer Game es una estrategia de gamificación de simulación creada en la década de los 60, en el MIT, por el ingeniero Jay Wright Forrester, el cual gira entorno a la cadena de suministro de las industrias y ejemplifica el “efecto látigo”, que es la variabilidad que se presenta en la demanda de los clientes y en general en toda la cadena de suministros (Arias, 2007). Esta estrategia de gamificación es usada normalmente para generar una mayor apropiación de los conceptos logísticos.
La revisión de la literatura permite afirmar que el Beer Game se ha venido realizando de manera tradicional, aunque recientemente se han integrado equipos TIC o software que adaptan la realidad pero sin generar variantes que automaticen la estrategia de gamificación. En otras palabras, aún no se da la integración por completo con la cuarta revolución industrial (León-García & Bermúdez-Segura, 2021). Finalmente, la tabla 1 permite sintetizar las variaciones del Beer Game como ejercicio de los trabajos revisados.
Tabla 1 Variaciones del Beer Game.
| Fuente | Variación | Aplicaciones tecnológicas |
|---|---|---|
| Kimbrough & Fang-Zhong (2002) | Modelación de la cadena de suministro ejecutada por agentes artificiales para investigar si funcionan mejor que los humanos al jugar el Beer Game. Caso en el que una empresa automatizada tiene una cadena de suministro electrónica que consta de varios agentes artificiales. | Industria 4.0: agentes artificiales - simulación. |
| Chaharsooghi et al. (2008) | Aplica un modelo de aprendizaje reforzado para determinar la política de pedidos del Beer Game. Se introdujo una política de pedidos basada en algoritmos genéticos (AG) bajo las condiciones del entorno del Beer Game. | Ninguna. |
| Rodríguez-Villalobosa & Sempere-Ripoll (2015) | Se pretenden alcanzar los mismos objetivos didácticos, al tiempo que mejora algunos de sus aspectos como por ejemplo el cálculo y análisis de los resultados en tiempo real. Utilizan diferentes indicadores y un grupo de control para evaluar el proceso de enseñanza-aprendizaje. | Implexa es una herramienta informática. |
| Thompson & Badizadegan (2015) | Simulación de eventos discretos del juego en Excel. La aplicación una estrategia óptima para el juego estándar (es decir, k=8, unidades por ronda), conduce a una puntuación total del equipo de $148, lo que representa una mejora considerable con respecto a los puntos de referencia publicados anteriormente. | Simulación. |
| Hernández-Betancur et al. (2018) | Se basa en una aplicación virtual del Beer Game, en la que se espera que los participantes generen estrategias deliberadas (planear) y emergentes, con el fin de generar entornos controlados para la toma de decisiones. | Aplicación Web del Beer Game. |
| Ștefan et al. (2019) | El primer juego se juega sin intercambiar más información que a través de órdenes, mientras que, antes del segundo juego, los jugadores desarrollan una estrategia común a seguir: el objetivo es reducir el efecto látigo. | Juegos en línea: Sumaga es un juego multiusuario. Serious Multiplayer Online Role Play Game (SMORPG). |
SCM (Supply Chain Management)
Hace referencia a la administración de la cadena de suministro. En otras palabras, es el seguimiento de todas las operaciones realizadas sobre un producto, desde su materia prima hasta la recepción de este por parte del cliente final (Andino, 2006). El SCM tiene asociado estrategias y conceptos tales como: efecto látigo, análisis de oferta-demanda, cross-docking y planeación logística y financiera.
Industria 4.0
Industria 4.0 es el término que se usa para referirse a la cuarta revolución industrial. Esta revolución se caracteriza principalmente por la implementación de sistemas ciberfísicos, el Internet of Things (IoT) o internet de las cosas, y los procesos computacionales en la nube. El objetivo de utilizar las nuevas tecnologías digitales es lograr una mayor eficiencia, flexibilidad y adaptabilidad en la producción. Esas nuevas tecnologías, que se derivan de la cuarta revolución industrial, están cambiando la forma en cómo se ven y se hacen los procesos físicos. Este cambio se da mediante la obtención de información en tiempo real, implementando sistemas RFID o diversos sensores (Lasi et al., 2014), y usando esa información obtenida para la toma de decisiones oportunas y eficientes. La utilización de estrategias de gamificación como el Beer Game abre la posibilidad de dar una mayor apropiación de los conceptos y pilares de la Industria 4.0, tanto en la academia como en la industria (tabla 2).
Tabla 2 Pilares vs. tecnologías de la Industria 4.0.
| Nombre | Definición del pilar | Tecnologías asociadas | Autor |
|---|---|---|---|
| Análisis de datos | Recopilación, análisis y manipulación masiva de datos para una posterior utilización en las industrias. | Plataformas business intelligence (BI), tecnologías machine learning, sistemas de gestión de metadatos. | Greco et al. (2019) Garghetti et al. (2023) Berges et al. (2021) |
| Robótica | Uso de robots dentro de las empresas para generar una automatización de los procesos. | Sensores, automatización de puestos y flujo de trabajo, transporte autónomo | Baratta et al. (2023) Haleem et al. (2021) Ribeiro et al. (2021) |
| Simulación | Generación de modelos computacionales reales o hipotéticos de los cuales se puede predecir posibles comportamientos futuros. | Software de simulación, modelados 3D, gemelos digitales, realidad mixta. | Cimino et al. (2023) Ferreira et al. (2020) Cimino et al. (2020) |
| Integración horizontal y vertical | La integración horizontal es la interconexión de máquinas, procesos de ingeniería y dispositivos conectados a internet que hacen parte de los procesos. La integración vertical es la circulación ágil, mediante tecnologías. | Blockchain, IoT, plataformas de gestión en tiempo real. | Abideen et al. (2023) Han et al. (2016) |
| IoT | Según Oracle, IoT es la red de objetos físicos con software, sensores, y otros dispositivos que permiten una interacción entre esos objetos mediante internet. | Sensores inteligentes, sistemas RFID, sistemas de localización y seguimiento. | Witkowski (2017) Soori et al. (2023) Chehria et al. (2021) |
| Ciberseguridad | Son las prácticas de protección de sistemas expuestos a los ataques digitales que pueden afectar datos y/o la producción de las empresas. | Criptografía y encriptación de datos, autenticación con distintos factores. | Medoh & Telukdarie (2022) Kaur et al. (2023) |
| Computación en la nube | Tecnologías que permiten acceder de forma remota a dispositivos, máquinas o programas almacenados en un data center, y hacer modificaciones e interacciones sin necesidad de estar desde una red o equipo local. | Computación compartida, procesamiento Big Data. | Thames & Schaefer (2016) Salis et al. (2023) |
| Manufactura aditiva | También conocida como impresión 3D, son nuevas técnicas de elaboración de productos y modelos que reducen costos y tiempos de producción. | Impresoras 3D, diseños CAD, simuladores de impresión. | Elhazmiri et al. (2022) Moshiri et al. (2020) Dilberoglu et al. (2017) |
| Realidad aumentada | Recurso tecnológico que ofrece experiencias que recrean escenarios, combinando los ámbitos físicos y virtuales. | Sensores de seguimiento de movimiento, digital twin, IoT, reconocimiento de objetos. | Jagtap et al. (2021) Mourtzis et al. (2022) |
De manera complementaria, en la tabla 3 se presenta una comparación entre los principios y tecnologías de la Industria 4.0.
Tabla 3 Principios y tecnologías de la Industria 4.0.
| Nombre | Definición del Principio | Tecnologías asociadas | Autor |
|---|---|---|---|
| Virtualización | Permite supervisar todo el sistema y adaptar nuevos sistemas, mediante herramientas de simulación o realidad aumentada. | Simulación, realidad aumentada, realidad virtual | Ghobakhloo (2018) Cañas et al. (2021) Akdil et al (2018) Dikhanbayeva et al. (2020) |
| Descentralización | Capacidad de las máquinas para tomar decisiones de forma independiente sin un comando central. La toma de decisiones se basa en el aprendizaje de los acontecimientos y acciones anteriores. | Análisis de datos, inteligencia artificial (IA), sensores y actuadores, RFID | Hermann et al. (2016) Cañas et al. (2021) Cohen et al. (2017) Akdil et al. (2018) Dikhanbayeva et al. (2020) |
| Trabajo en tiempo real | Capacidad de recolección y análisis de datos en tiempo real. Seguimiento y trazabilidad para reaccionar a la falla. | Análisis de datos, IA, sensores y actuadores, RFID, RTLS | Cohen et al. (2017) Akdil et al. (2018) Dikhanbayeva et al. (2020) |
| Orientación a Servicios | Funciones de los procesos con un conjunto de servicios, especialmente web service. | Análisis de datos, IA, computación en la nube | Akdil et al. (2018) Dikhanbayeva et al. (2020) |
| Modularidad / Agilidad | Flexibilidad del sistema ante requisitos cambiantes mediante la sustitución o módulos separados basados en interfaces estandarizadas de software y hardware. | Robótica, análisis de datos, IA, simulación, computación en la nube, manufactura aditiva, realidad aumentada, RFID, RTLS | Efatmaneshnik et al. (2018) Akdil et al. (2018) Dikhanbayeva et al. (2020) |
| Interoperabilidad | Implica la comunicación de componentes de sistemas ciberfísicos entre sí utilizando Internet Industrial y procesos regulares de normalización para crear una fábrica inteligente. | Tecnologías de comunicación y redes, ciberseguridad | Cañas et al. (2021) Cohen et al. (2017) Akdil et al. (2018) Dikhanbayeva et al. (2020) |
| Integración Horizontal y Vertical | Vínculo entre los sistemas físicos y las plataformas de software, habilitando un mecanismo de comunicación y coordinación de servicios. | Tecnologías de comunicación y redes, ciberseguridad, computación en la nube, sensores y actuadores, RFID | Tavcar et al. (2018) Cañas et al. (2021) Cohen et al. (2017) Akdil et al. (2018) Dikhanbayeva et al. (2020) |
Los beneficios de la Industria 4.0 son el incremento de la productividad, eficiencia y flexibilidad, esto se da fundamentalmente por la facilidad de la toma de decisiones al tener la información en tiempo real que impactan beneficiosamente los procesos industriales que internamente se llevan a cabo en cada empresa. También se pueden generar mejoras en la calidad de los productos o servicios, minimizando los costos de producción u operación de las compañías. Sin embargo, existen riesgos en la Industria 4.0, éstos desafíos son: la implementación de las nuevas formas de trabajar en las empresas y la estandarización de los procesos que se modifican o se crean, garantizar la seguridad y protección digital de toda la información que se procese, la inserción de las Pymes en las nuevas prácticas que trae la Industria 4.0 y la alfabetización de los trabajadores en cuanto a las herramientas que deberán usar en su día a día (Santos et al., 2018).
La educación en Ingeniería Industrial y su importancia en la Industria 4.0
Con la Industria 4.0, la formación de ingenieros industriales debe incluir habilidades en programación, análisis de datos y ciberseguridad. La colaboración academia-empresa es esencial para asegurar la relevancia y aplicabilidad de la educación en ingeniería, preparando a profesionales para liderar la innovación en la cuarta revolución industrial. La formación debe adaptarse a los cambios tecnológicos y fomentar alianzas academia-industria para mejorar la preparación de los estudiantes (Garcés & Peña, 2020).
Los escenarios educativos digitales demandan modelos flexibles que fomenten el aprendizaje colaborativo y reconozcan las diversas formas de aprendizaje. La interacción y participación entre estudiantes y docentes son fundamentales para impulsar la búsqueda continua de conocimiento (Bañuelos-Marquez, 2020). La literatura destaca la importancia de elementos prácticos de la Industria 4.0 para el desarrollo de competencias, incluyendo análisis de sistemas de producción, herramientas de apoyo físico y digital, y gestión y análisis de datos. Además, se reconoce que la Industria 4.0 no solo exige cambios en las competencias técnicas, sino también una formación integral que incluya habilidades como aprendizaje continuo, resiliencia y liderazgo (Sackey et al., 2017), (Rüssmannet al., 2015), (Kreimeier et al., 2013), (González-Hernandez & Granillo-Macias, 2021), (Rojas-Arenas et al., 2021).
Una técnica útil para enfrentar estos desafíos es la gamificación, la cual tiene beneficios como la mejora en la motivación de los aprendices incentivando su participación activa en el juego y su compromiso, haciendo así que la extrapolación de los conceptos que parecen ser abstractos se vuelva más simples y se genera una mayor comprensión del tema que se esté tratando; también se mejoran las habilidades de los estudiantes en el área disciplinar (Belloti, 2014; Stefan et al., 2019).
3.2 Fase 2: Beer Game tradicional como estrategia de gamificación y su versión adaptada a la Planta 4.0 simuladora SCM
Materiales para el desarrollo de la estrategia
Para llevar a cabo el Beer Game tradicional se utiliza un tablero manual con el detalle de los roles, lead time, buzón para los pedidos y demás elementos gráficos para el detalle del SCM y ambientación de los participantes. Además se utilizan fichas de colores que simulan las cajas de cerveza, plantilla para el registro de inventarios. En el caso de esta estrategia de gamificación en versión adaptada, se cuenta con la Planta 4.0 simuladora SCM, fichas con tecnología NFC, que representan cajas de cerveza: tres rojas (R), tres azules (A) y tres blancas (B), y equipo de cómputo (ver figura 1).
Roles y dinámica de la estrategia de gamificación
En el Beer Game tradicional se tienen cuatro roles: minorista, mayorista, distribuidor y planta de producción, que interactúan durante 32 rondas, simulando la demanda y registrando inventarios al final de cada ronda. Se utilizan representaciones físicas de cajas de cerveza, formatos específicos para cada rol y tarjetas en blanco para registrar demandas. El objetivo es minimizar inventarios y déficits acumulados. La versión adaptada a la Planta 4.0 simuladora SCM tiene tres roles: proveedor, planta y cliente, representando el flujo de productos en un ciclo de pedidos y entregas durante 10 rondas (ver figura 2). El cliente solicita a la planta, esta al proveedor, y el proveedor al cliente, mientras que el ciclo de entregas opera en sentido contrario para cumplir con los pedidos.
Plantillas y formatos para la estrategia de gamificación
En el Beer Game tradicional cada uno de los cuatro roles cuenta con una plantilla que posee los siguientes ítems: semana, inventario, déficit y orden (cantidad de cervezas a pedir) para 32 semanas (rondas). Al finalizar, en la plantilla se deja consignado el total de inventario, el total del déficit y la sumatoria de ambos resultados (ver figura 3). Para la versión adaptada a la Planta 4.0 simuladora SCM, se dispone de un tablero de control en línea llamado también Dashboard, en el cual se visualizan los diferentes indicadores de operación, tales como cantidad de inventario, tiempos de entrada y salida de las fichas, secciones de planta en proceso, entre otros; además cada rol cuenta con una plantilla que posee los siguientes ítems: semana, inventario de las fichas de cada color, total de inventario, déficit de las fichas de cada color, total de déficit y orden para 10 semanas. Además, solo en el caso de la planta, la plantilla posee una columna de tiempo, el cual será calculado en cada ronda para conocer lo que tarda en procesar un pedido y estimar otro indicador al final de la estrategia de gamificación (ver figura 3).
Variaciones de la estrategia de gamificación adaptada a la Planta 4.0 simuladora SCM
Para llevar a cabo la versión adaptada se deben considerar cinco aspectos: (i) Para las condiciones iniciales que dan comienzo al juego, se implementará lo planteado por Thompson y Badizadegan (2015), donde indican que cada rol (cliente, proveedor y planta) inicia con el mismo número de fichas en inventario; por lo tanto, para esta adaptación cada uno comienza con siete cervezas. (ii) El número de semanas es de 10, es decir, el número de rondas que se jugarán. Este aspecto se define teniendo en cuenta la duración de la actividad y de una clase en la que se aplicaría esta estrategia de gamificación. (iii) Las fichas (B) equivalen a una cerveza, las (A) a dos y las (R) a cuatro. (iv) En cada ronda se pueden ordenar máximo 21 cervezas y, (v) Las órdenes del cliente son de manera aleatoria, para la primera ronda entre 0 y 8, para el resto de las rondas entre 0 y 14 (ver figura 4).
Indicadores de la estrategia de gamificación en su versión adaptada a la Planta 4.0 simuladora SCM
Como se mencionó anteriormente, al finalizar en la plantilla de cada rol del Beer Game tradicional, los únicos valores utilizados para el registro son el total de inventario, el total del déficit y la sumatoria de ambos resultados. Parte de la propuesta de la adaptación realizada a esta estrategia de gamificación en la Planta 4.0 simuladora SCM, es que al finalizar se lleva a cabo el cálculo de ciertos indicadores adicionales para conocer, en primer lugar, la persona o equipo ganador (planta, proveedor y cliente). Estos indicadores también permiten retroalimentar a l
os jugadores para que comprendan conceptos de la gestión de la cadena de abastecimiento.
Los indicadores que se calculan están relacionados con el inventario, representados por las ecuaciones 1, 2 y 3, donde i = semanas y n = total de semanas; por los costos con las ecuaciones 4, 5, 6 y 7, donde los costos están representados por s = pedido, h = almacenamiento, co = oportunidad, N = número de órdenes; y por el tiempo, con la ecuación 8, puesto que al utilizar la Planta 4.0 simuladora SCM, esta requiere un tiempo de producción, simulando diferentes procesos de manufactura, desde el ingreso de la materia prima hasta la entrega al cliente.
Total Inventario (TI)
(1)
Total Déficit (TD)
(2)
Inventario Final (IF)
(3)
Costo de pedir (S)
(4)
Costo de almacenar (H)
(5)
Costo de oportunidad (CO)
(6)
Costo total de inventario (CTI)
(7)
Tiempo Total de producción (TT)
(8)
El aprendizaje de esta estrategia de gamificación es la aplicación del concepto del efecto látigo, el cual es una distorsión o amplificación de la demanda que afecta el desempeño de una cadena de suministro, donde la variabilidad de la demanda aumenta a medida que es distribuida entre eslabones de la cadena (Romero-Rodríguez et al., 2016). Por consiguiente, durante la estrategia de gamificación se simula una cadena de suministro donde se van desplazando piezas que simbolizan la demanda, la cual es totalmente variable, traduciéndose en un aumento en la incertidumbre para quienes toman decisiones.
3.3 Fase 3: comparación del Beer Game tradicional y su versión adaptada de la Planta 4.0 simuladora SCM
Pruebas piloto para ambas estrategias de gamificación
En el marco de la evolución de la estrategia de gamificación, se implementó el Beer Game tradicional con un grupo de más de 30 participantes. Los resultados revelaron una percepción positiva en varios aspectos clave: (i) se observó un alto nivel de enseñanza de los conceptos teóricos entre los participantes, destacando la efectividad como herramienta pedagógica. (ii) la similitud percibida entre la estrategia pedagógica y la realidad del sector productivo fue evaluada como alta. (iii) los participantes demostraron comprender la aplicación práctica de los conceptos teóricos en un entorno empresarial simulado, lo que sugiere que el Beer Game tradicional logró transmitir de manera efectiva los principios fundamentales. (iv) los participantes destacaron un desarrollo significativo de habilidades para la toma de decisiones. Este hallazgo resalta la utilidad de los juegos, estrategias lúdicas y de gamificación no solo como una herramienta educativa, sino también como un medio para cultivar habilidades de gestión y resolución de problemas.
Aproximadamente el 40% de los participantes señalaron la necesidad de conocimientos previos para participar en la actividad, indicando que algunos aspectos podían resultar desafiantes para aquellos sin experiencia previa en los temas abordados. Asimismo, el 77% de los participantes identificó el uso de habilidades blandas durante el desarrollo, subrayando la importancia de estas habilidades en un contexto empresarial.
La variante del Beer Game adaptada a la Planta 4.0 simuladora SCM, presentó notables diferencias y mejoras con respecto al juego tradicional. Se aprecia que se han acentuado aspectos específicos para potenciar ciertos objetivos pedagógicos y proporcionar una experiencia más inmersiva. En comparación con el Beer Game tradicional, en la Planta 4.0 simuladora SCM un énfasis particular es que se destaca más el desarrollo de habilidades blandas. Este resultado sugiere que la nueva variante ha logrado incorporar de manera más efectiva elementos que fomentan la comunicación, el trabajo en equipo y la adaptabilidad, habilidades esenciales en entornos empresariales modernos. Adicionalmente, se observó que la variante requiere un mayor nivel de conocimientos previos para participar, según la percepción de los participantes. Este cambio puede atribuirse a la complejidad añadida o a la introducción de elementos específicos de la Industria 4.0 en la simulación.
En cuanto a los tiempos de la estrategia de gamificación, se observó un aumento en el tiempo total de juego, pasando de un tiempo promedio de 32.3 minutos en el Beer Game tradicional a 51.3 minutos en su versión adaptada de la Planta 4.0 simuladora SCM. Este aumento es atribuible a la implementación de la planta, en la que se debe esperar que cada ciclo de cada pieza termine completamente en algunas estaciones, además de las latencias experimentadas por la planta en su conexión con el tablero de control.
Innovación y propuesta de valor de la estrategia de gamificación adaptada a la Planta 4.0 simuladora SCM
Una de las propuestas de adaptación del Beer Game, es la posibilidad de generar diferentes escenarios de simulación, que con el Beer Game tradicional no podría realizarse de considerarse el estándar (ver tabla 4). Con este fin, se toman tres escenarios para la estrategia de gamificación adaptada a la Planta 4.0 simuladora SCM, considerando: (i) 10 semanas de rondas; (ii) Resultados de los inventarios; (iii) Costo total de inventario considerando los siguientes datos de costos supuestos: costo de hacer un pedido = $5, el costo de almacenar una unidad = $0.70, el costo de oportunidad de una unidad = $15, (iv) Tiempos de producción en el rol de la planta, y (v) las Ecuaciones (E) para los indicadores.
Tabla 4 Análisis de escenarios para la Planta 4.0 simuladora SCM.
| Escenario 1 | Escenario 2 | Escenario 3 | |||||||
|---|---|---|---|---|---|---|---|---|---|
| Roles | Cliente | Planta | Provee. | Cliente | Planta | Provee. | Cliente | Planta | Provee. |
| Condiciones iniciales: distribución de las 21 cervezas | 1(B) 1(A) 1(R) | 0(B) 0(A) 0(R) | 2(B) 2(A) 2(R) | 1(B) 1(A) 1(R) | 1(B) 1(A) 1(R) | 1(B) 1(A) 1(R) | 1(B) 1(A) 1(R) | 0(B) 0(A) 0(R) | 2(B) 2(A) 2(R) |
| TI (und.): E (1) | 15.5 | 19.5 | 23.5 | 27.5 | 11.5 | 18.5 | 16.5 | 38.5 | 3.5 |
| TD (und.): E (2) | 10 | 21 | 12 | 2 | 3 | 4 | 12 | 6 | 6 |
| IF (und.): E (3) | 25.5 | 40.5 | 35.5 | 29.5 | 14.5 | 22.5 | 28.5 | 44.5 | 9.5 |
| IF Total por Escenario (und.) | 101.5 | 66.5 | 82.5 | ||||||
| S ($): E (4) | $45 | $45 | $45 | $50 | $45 | $45 | $50 | $45 | $45 |
| H ($): E (5) | $10.85 | $13.65 | $16.45 | $19.25 | $8.05 | $12.95 | $11.55 | $26.95 | $2.45 |
| CO ($): E (6) | $150 | $315 | $180 | $30 | $45 | $60 | $180 | $90 | $90 |
| CTI ($): E (7) | $205.85 | $373.65 | $241.45 | $99.25 | $98.05 | $117.95 | $241.55 | $161.95 | $137.45 |
| CTI por Escenario ($) | $820.95 | $315.25 | $540.95 | ||||||
| TT (min.): E (8) | - | 47:14:1 | - | - | 55:37:3 | - | - | 52:46:5 | - |
Con los resultados de la tabla 4, se podrían generar mejores escenarios. Considerando el inventario final, el Escenario 2 resulta ser el más adecuado con una reducción del 65.52% sobre el mayor valor de ese escenario, en el cual el rol de la planta fue la que obtuvo los mejores resultados. Asimismo, el Escenario 2 al considerar los costos totales también resulta ser el más adecuado con una reducción del 38.40% sobre el mayor valor de ese escenario, siendo igualmente el rol de la planta el que tiene menores costos. Finalmente, de considerar el tiempo de producción en el rol de la planta, el Escenario 1 es el más adecuado con una reducción del 85.45% sobre el mayor valor de ese escenario.
Para cerrar la fase 3, se presenta la tabla 5 con las principales comparaciones de esta estrategia de gamificación.
Tabla 5 Comparativo Beer Game tradicional vs. Beer Game adaptado.
| Consideraciones | Beer Game tradicional | Beer Game adaptado |
|---|---|---|
| Materiales | Tablero manual | Planta 4.0 simuladora SCM |
| Roles | 4 | 3 |
| Plantillas y formatos | Plantilla manual | Plantilla en línea. Tablero de control |
| Condiciones iniciales | Fijas | Escenarios variables |
| Tiempo de desarrollo promedio | 32.3 minutos | 51.3 minutos |
| Indicadores | 3 | 8 |
| Evaluación de costos | No | Si |
| Nivel de conocimientos previos | Bajo | Alto |
| Logro de competencias blandas | Toma de decisiones, resolución de problemas | Comunicación, trabajo en equipo, adaptabilidad |
| Realidad del sector productivo | Medio | Alto |
| Aplicaciones de Industria 4.0 | No | Si |
3.4 Fase 4: análisis de principios, pilares y tecnologías de la Industria 4.0 en la Planta 4.0 simuladora SCM
En línea con Gilchrist (2016), la Industria 4.0 hace referencia a la mecanización, la electricidad y las tecnologías de la información (tres primeras revoluciones) la cuarta siendo diferente, busca fusionar los mundos físicos, digitales y biológicos. Schlaepfer et al. (2015), enfatizan en el papel de las tecnologías exponenciales como solución para diferentes sectores productivos. Bajo este contexto, surge la oportunidad de priorizar e identificar cómo aplican los principios, pilares y tecnologías de la Industria 4.0 (ver tablas 2 y 3), a la Planta 4.0 simuladora SCM. Para ello se generó un cruce entre conceptos valorando su nivel de relación en una escala de 1 a 5, siendo 5 una relación muy alta y 1 una relación muy baja (ver figura 5).
Tecnologías
En relación con las tecnologías, y luego de la construcción de la matriz de cruce, se evidencia que las relaciones potenciales se enmarcan en IA, IoT, computación en la nube, simulación, robótica y análisis de datos, como lo muestra la tabla 6. La valoración promedio califica estas relaciones con un nivel de 4.0 (alto) y una participación del 34.7%.
Tabla 6 Pareto para las tecnologías.
| T | Nivel | % Relación | Relación | Relac. Acum | % Part. | % Acum. | |
|---|---|---|---|---|---|---|---|
| Tecnologías 34.7% | T8 | 4.2 | 4.3 | 100 | 100 | 12.5 | 12.5 |
| T6 | 4.1 | 4.3 | 99 | 198 | 12.3 | 24.7 | |
| T9 | 4.1 | 4.2 | 97 | 296 | 12.1 | 36.9 | |
| T3 | 3.9 | 4.1 | 94 | 390 | 11.8 | 48.6 | |
| T5 | 3.9 | 4.0 | 92 | 482 | 11.5 | 60.2 | |
| T4 | 3.8 | 3.9 | 90 | 572 | 11.2 | 71.4 | |
| T1 | 3.3 | 3.5 | 80 | 651 | 10.0 | 81.3 | |
| T7 | 3.2 | 3.4 | 79 | 731 | 9.9 | 91.2 | |
| T2 | 2.9 | 3.1 | 71 | 801 | 8.8 | 100.0 | |
| 801 | 100.0 |
Pilares
En relación con los pilares, y luego de la construcción de lamatriz de cruce, se evidencia que las relaciones potenciales se enmarcan en IoT, computación en la nube, integración horizontal/vertical, Big Data, robótica y simulación, como lo muestra la tabla 7. La valoración promedio califica estas relación con un nivel 4.0 (alto) y una participación del 35.2%.
Tabla 7 Pareto para los pilares.
| Nivel | % Relación | Relación | Relac. Acum | % Part. | % Acum. | ||
|---|---|---|---|---|---|---|---|
| Pilares 35.2% | P5 | 4.3 | 4.4 | 103 | 103 | 12.6 | 12.6 |
| P6 | 4.1 | 4.3 | 98 | 201 | 12.1 | 24.7 | |
| P4 | 4.0 | 4.1 | 95 | 296 | 11.7 | 36.4 | |
| P1 | 3.9 | 4.0 | 93 | 388 | 11.4 | 47.8 | |
| P2 | 3.8 | 4.0 | 91 | 480 | 11.2 | 59.0 | |
| P3 | 3.8 | 3.9 | 91 | 570 | 11.2 | 70.2 | |
| P9 | 3.4 | 3.6 | 83 | 653 | 10.2 | 80.4 | |
| P8 | 3.3 | 3.6 | 82 | 735 | 10.1 | 90.5 | |
| P7 | 3.2 | 3.4 | 78 | 812 | 9.5 | 100.0 | |
| 812 | 100.0 |
Principios
En relación con los principios, y luego de la construcción de la matriz de cruce, se evidencia que las relaciones potenciales se enmarcan en trabajo en tiempo real, modularidad/agilidad, integración horizontal/vertical, interoperabilidad y virtualización, como lo muestra la tabla 8. La valoración promedio califica estas relaciones con un nivel de 4.2 (alto) y una participación del 30.1%.
Tabla 8 Pareto para los principios.
| Nivel | % Relación | Relación | Relac. Acum | % Part. | % Acum. | ||
|---|---|---|---|---|---|---|---|
| Principios 30.1% | Pr3 | 4.4 | 4.5 | 105 | 105 | 15.1 | 15.1 |
| Pr5 | 4.3 | 4.4 | 103 | 207 | 14.8 | 29.9 | |
| Pr7 | 4.2 | 4.4 | 102 | 309 | 14.7 | 44.5 | |
| Pr6 | 4.2 | 4.4 | 101 | 410 | 14.5 | 59.1 | |
| Pr1 | 4.0 | 4.1 | 95 | 505 | 13.7 | 72.8 | |
| Pr4 | 4.0 | 4.1 | 95 | 600 | 13.7 | 86.5 | |
| Pr2 | 4.0 | 4.1 | 94 | 693 | 13.5 | 100.0 | |
| 693 | 100.0 |
A continuación, se describe cómo se aplican los principios, pilares y tecnologías de la Industria 4.0 a la Planta 4.0 simuladora SCM, a partir del análisis de principios, tecnologías, pilares y la priorización de las relaciones potenciales realizado anteriormente:
IA [T]: los algoritmos internos de la Planta 4.0 simuladora SCM permiten el diseño de un sistema productivo, que presenta las mismas capacidades a escala de una línea de SCM sin el requerimiento de personas para la toma de decisiones, representando tareas que realizaría un proceso real. Además de la generación de datos que son de fácil almacenamiento, y que pueden ser usados posteriormente para entrenamiento de modelos supervisados o no supervisados que también ayuden a tomar mejores desiciones.
IoT [T], [P]: la Planta 4.0 simuladora SCM dispone de una red local de objetos físicos con software, sensores, y otros dispositivos, como lo son sus estaciones de trabajo que se comunican entre sí y a su vez con el tablero de control que permiten una interacción total de la Planta 4.0 simuladora SCM mediante Internet. Lo anterior se logra gracias a la integración de su propio router, que proporciona una red propia (mediante un hotspot) a las estaciones de trabajo.
Computación en la nube [T], [P]: la Planta 4.0 simuladora SCM está compuesta por tecnologías que permiten acceder de forma remota a dispositivos o programas que almacenan, recopilan y reproducen gráficamente a través de un data center (Alemania) y a la que puede accederse a los datos de los sensores, los cuales se pueden supervisar de forma permanente y controlar remotamente los ejes de movimiento de la cámara orientable, todo esto por medio de la interfaz del usuario, el denominado tablero de control.
Simulación [T], [P]: es uno de sus fundamentos, gracias a los modelos computacionales reales permite emular todo el ciclo de producción de una pieza por los diferentes procesos de SCM, siendo un método de enseñanza y aprendizaje para la predicción y análisis de escenarios.
Robótica [T], [P]: la planta dispone de 6 controladores digitales que permiten y sincronizan los movimientos y simulación del proceso usando el prncipio maestro-esclavo, dando posibilidad a la automatización, ya que permite representar la planta con los diferentes módulos. Los controladores cuentan con un sistema operativo basado en Linux, programados en Python, con compilador C/C++. También cuenta con pantalla táctil de 2.4’’ para una mayor facilidad al usar la Planta 4.0 simuladora SCM.
Análisis de datos [T]: a través de la digitalización se permite el registro y almacenamiento de la información generada por los sensores (cámara, NFC, sensor de luz, calidad de aire) para posteriormente generar métricas, indicadores, seguimiento y análisis.
Integración horizontal/vertical [P], [Pr]: la integración horizontal se refiere a la interconexión de máquinas, procesos de ingeniería y dispositivos conectados a internet que hacen parte de los procesos básicos de la Planta 4.0 simuladora SCM. La integración vertical se refiere a la circulación ágil de información en la estructura jerárquica de la empresa, mediante tecnologías con el fin de una toma de decisiones acertada y efectiva.
Big Data [P]: la aplicación se da gracias a la recopilación, análisis y manipulación masiva de datos para una posterior toma de decisiones, de acuerdo con los hallazgos y el objetivo establecido desde la primera corrida de la Planta 4.0 simuladora SCM. Los datos se almacenan en el tablero de control con el que cuenta la planta y están disponibles para su descarga en formato CSV, que permite llevar los datos a lenguajes como SQL, R o Python y extraer más información de ellos.
Trabajo en tiempo real [Pr]: los datos se almacenan en la nube en tiemop real, la cámara va registrando los movimientos, los cuales permiten enrutar la máquina en caso de ser requerido, además de que los pedidos que se realizan durante el juego se deben hacer mediante el tablero de control.
Modularidad/Agilidad [Pr]: las piezas (R), (A) y (B) utilizadas para simular el proceso productivo, se pueden intercambiar y ajustar de acuerdo con el objetivo de la práctica de aprendizaje, de forma que se pueda llevar registros ajustados y flexibles para la generación de escenarios.
Interoperabilidad [Pr]: se evidencia en la Planta 4.0 simuladora SCM una comunicación de los software, hardware, robots, sensores, componentes de sistemas ciberfísicos entre sí para procesos regulares de normalización y con ellos crear una fábrica inteligente.
Virtualización [Pr]: de la mano de computación en la nube se logra supervisar todo el sistema, utilizando herramientas de simulación y robótica.
4. Conclusiones
La adaptación del Beer Game aplicado usando la Planta 4.0 simuladora SCM fue un proceso meticuloso que involucró varias fases de diseño y ajuste. En un conjunto de reuniones estratégicas, se inició con el conocimiento del funcionamiento de la planta simuladora, para luego ir implementando gradualmente las acciones típicas del juego tradicional. Estas sesiones iniciales sirvieron como campo de pruebas, permitiendo identificar de manera proactiva los aspectos que requerían ajustes y refinamientos. A través de ensayos y errores, se trabajó en la optimización de los formatos y formas de juego para lograr una representación más fiel de los desafíos relacionados a la Industria 4.0. Una de las decisiones clave fue la eliminación de una estación en esta nueva propuesta del Beer Game, una modificación que buscaba adaptar la Planta 4.0 simuladora SCM a las necesidades del juego. Estas adaptaciones fueron objeto de discusión en reuniones posteriores, donde también se exploraron las relaciones entre la planta, los principios de la Industria 4.0 y las tecnologías emergentes aplicadas al contexto del juego.
En términos generales, lo observado en los demás indicadores en la variante del Beer Game en la Planta 4.0 simuladora SCM fue alta en todos los demás indicadores evaluados, incluyendo la enseñanza de conceptos teóricos, la similitud con la realidad del sector productivo y el desarrollo de habilidades para la toma de decisiones al tener una planta que simula la realidad involucrada en el juego. Estos resultados sugieren que la variante del Beer Game en la Planta 4.0 simuladora SCM puede ofrecer una experiencia de aprendizaje más completa y alineada con las demandas actuales del entorno industrial, proporcionando una valiosa herramienta para la formación integral de los participantes.
La propuesta innovadora logra no solo potenciar habilidades no técnicas en los estudiantes de Ingeniería Industrial mediante el aprendizaje basado en juegos, sino que también, de manera novedosa, se alinea con las tendencias tecnológicas. Esta iniciativa fortalece desde la academia las competencias en transformación digital, asegurando una integración efectiva con las necesidades del sector productivo.
Para responder a la pregunta de investigación propuesta en este artículo, se tiene que si bien la Planta 4.0 simuladora SCM no está diseñada para el Beer Game, por tratarse de una máquina a escala de un proceso productivo representando un aprendizaje estándar, esta propuesta de adaptación resulta novedosa gracias a la posibilidad de brindar alternativas interinstitucionales a integrantes de la comunidad académica. Esto se logra utilizando el tablero de control suministrado por el proveedor, que puede conectarse en línea de forma local y nacional con otros laboratorios que dispongan del mismo equipo, con el fin de brindar oportunidad de ampliación en capacidad de juego. La importancia e implicaciones prácticas y teóricas de la propuesta también se evidencia en al paso a paso generado para el fortalecimiento de conceptos del SCM, disminuyendo la brecha entre los fundamentos de los principales eslabones y sus aplicaciones básicas a través de indicadores de monitoreo.
Una de las oportunidades de este trabajo es la posibilidad de continuar vivenciando las dinámicas de la cadena de abastecimiento a través de la gamificación, al identificar las condiciones iniciales óptimas del Beer Game, considerando la simulación de todos los escenarios posibles usando un lenguaje de programación libre. Este enfoque no solo propone una aproximación valiosa a la transformación digital, sino que fortalece las competencias que los profesionales de Ingeniería Industrial requieren para aplicar tecnologías actualizadas en un mundo globalizado.
