EL CAMINO HACIA LA SERIE 4.0 DE LA INDUSTRIA (PARTE 2)

Este artículo se publicó por primera vez en Instrumentation Monthly y UK Manufacturing.

El proceso de fabricación involucra grandes cantidades de datos e información. Los materiales y componentes que se consumen en la producción de bienes, las instrucciones de montaje, las especificaciones del cliente, la información de la maquinaria, como la vibración y la temperatura, se producen constantemente en el flujo de las actividades de fabricación. Los datos también se recopilan a velocidades mucho más rápidas a medida que los fabricantes implementan cada vez más sensores para recopilar más evidencia sobre la eficiencia de los procesos y el estado de las máquinas en la línea de ensamblaje.

Sin embargo, una investigación reciente mostró que solo un tercio de estos datos se ponen a trabajar; el resto no se aprovecha debido a obstáculos como datos en silos o prácticas de gestión de datos ineficientes. Eso significa una oportunidad perdida.

Las aplicaciones digitales, como tableros y análisis, inteligencia artificial (IA), realidad virtual y aumentada y visión por computadora, ofrecen a las empresas el potencial para mejorar la eficiencia, reducir costos y mitigar riesgos, lo que resulta en mejoras potenciales en el rendimiento de hasta un 20 %.

En este segundo artículo de nuestra serie 'Industria 4.0', John Lawson analiza cómo las organizaciones de fabricación pueden aprovechar los datos de su planta de producción para aprovechar todo su valor y utilizar aplicaciones digitales para lograr el máximo retorno de la inversión.

En el primer artículo, nuestros expertos exploraron técnicas para brindar soluciones rápidas para ayudar a las empresas a actualizar las aplicaciones heredadas y obtener los beneficios de la Industria 4.0.

Si bien las personas, los procesos, los sistemas y la maquinaria en el piso de producción producen grandes cantidades de datos, a menudo hay un problema con la forma en que las organizaciones los recopilan y administran. Por lo general, esto se hace a través de hojas de cálculo e informes en papel, métodos manuales que son propensos a errores y consumen mucho tiempo.

Traer nuevas capacidades de adquisición de datos es fundamental en este contexto. La adopción de soluciones de sensores de Internet de las cosas (IoT) integradas en los kits existentes de PLC (controlador lógico programable) y control de supervisión y adquisición de datos (SCADA), por ejemplo, puede permitir a las organizaciones adquirir más datos, en tiempo real, mejorando la visibilidad y procesamiento de eventos de planta y cadena de suministro.

El uso de herramientas de armonización y visualización es otro paso importante en este camino. Las herramientas de armonización ayudan a unificar campos de datos, formatos, dimensiones y columnas dispares en un conjunto de datos combinado, lo que reduce tanto el tiempo dedicado a crear información precisa como el costo del análisis de datos.

Las herramientas de visualización permiten la generación de información y una mejor integración de los puntos de datos en los procesos comerciales posteriores. Los tableros digitales pueden extraer y mostrar métricas clave como la producción, la tasa de desecho, el tiempo de ciclo y la efectividad general del equipo de una manera visual y en un solo lugar, lo que ofrece oportunidades para que los líderes de toda la organización colaboren y trabajen de manera más eficiente.

Las versiones de tablero más avanzadas tienen funcionalidades que respaldan los procesos de mejora continua, incluido el análisis de la causa raíz y la eliminación de cuellos de botella. La visibilidad y el análisis de datos mejorados también benefician el desarrollo de productos, ayudando a los ingenieros y equipos de productos a considerar el impacto de las funcionalidades mejoradas en la cadena de producción antes de lanzar nuevos productos.

Una mejor utilización de los datos también puede ayudar a los fabricantes a optimizar las actividades de mantenimiento. Por ejemplo, en la industria aeroespacial y de aviación, las soluciones de tecnología portátil pueden reemplazar tareas manuales como verificar la certificación de un ingeniero o registrar su tiempo de trabajo. Esto aumenta la utilización del ingeniero calificado y ayuda a mejorar la eficiencia, lo que en última instancia reduce los costos.

Debido a su conectividad inalámbrica, los sensores IoT colocados en máquinas y otras infraestructuras de fabricación pueden extraer datos que antes eran difíciles de recopilar, como temperatura, vibración, humedad, luz, radiación y nivel de CO2.

Muchos fabricantes que manejan materias primas sensibles ahora colocan pequeños dispositivos en contenedores en almacenes y líneas de producción para detectar y alertar de inmediato a los gerentes cuando las lecturas exceden los umbrales de seguridad y calidad. Esto permite a los operadores un tiempo de reacción más rápido, lo que reduce los daños y los desperdicios y, en última instancia, mejora la confiabilidad y la utilización de sus activos.

El acceso en tiempo real a estos datos también ayuda a prevenir fugas tóxicas y otros incidentes, críticos en industrias como la química o la del petróleo y el gas. Más allá de la planta de producción, los dispositivos IoT avanzan en la gestión del inventario y la distribución al monitorear los productos terminados en tránsito.

Si bien un número creciente de empresas está adoptando IoT en entornos de fábrica, enfrentan algunos obstáculos para la implementación. Un problema común es la gestión de la integración de las aplicaciones de IoT industrial (IIoT) con la tecnología existente; con frecuencia las empresas no establecen los principios básicos al diseñar su estructura de arquitectura de referencia.

Para permitir la integración de datos entre empresas, los datos de ERP, MES y PLC deben combinarse en aplicaciones digitales, como tableros de rendimiento y eliminación de cuellos de botella de producción en tiempo real, gestión de calidad habilitada para visión artificial y aplicaciones de control de aprendizaje automático (ML) seleccionadas. Seleccionar la plataforma IIoT adecuada y un diseño de datos correspondiente, que permita integrar los datos provenientes de los diversos sistemas, es clave para maximizar la utilidad de IoT.

El aprendizaje automático y otras tecnologías basadas en IA pueden ayudar a desbloquear más información de las crecientes cantidades de datos que se recopilan en los talleres y las cadenas de suministro.

Si bien la IA se refiere a un amplio conjunto de capacidades computarizadas que emulan algunas de las habilidades cognitivas de los humanos, ML es un subconjunto de la IA que permite que las máquinas aprendan de los datos para brindar inteligencia prospectiva, sin estar directamente programadas para hacerlo.

En la actualidad, una de las aplicaciones más poderosas de ML en la fabricación se encuentra en el espacio de control predictivo de procesos y en el establecimiento de prescripciones para un funcionamiento óptimo. Esta es un área crítica porque las fallas de las máquinas y el tiempo de inactividad no planificado de los equipos pueden costar a los fabricantes millones de dólares cada año.

El software de mantenimiento predictivo impulsado por algoritmos ML aprovecha los datos recopilados por los sensores de la máquina para monitorear el rendimiento las 24 horas del día, los 7 días de la semana y predecir fallas técnicas, evitando paradas o roturas inesperadas. Se ha demostrado que estas soluciones logran una reducción en el tiempo de inactividad de la máquina y los costos generales de mantenimiento del 10 % al 20 %.

Las soluciones de sistemas de visión mejorados ahora incorporan IA y ML para proporcionar altos niveles de automatización y mayor precisión en el control de calidad y la inspección. La tecnología permite la "lectura" digital en entornos de fabricación y puede respaldar el proceso de producción realizando tareas visuales tradicionalmente realizadas por humanos, por ejemplo, al seleccionar piezas, realizar el control de calidad o detectar defectos. Los sistemas de visión combinados con IA pueden completar tareas en un período de tiempo más corto y con mayor precisión que los operadores humanos, a menudo eliminando errores y el potencial de sesgo cognitivo. El efecto neto es una eficiencia mejorada, tasas de ejecución más altas y costos reducidos asociados con la chatarra y el reproceso aguas abajo. En un mercado cada vez más desafiante, es esencial que las organizaciones de fabricación se den cuenta del valor total de los datos del taller. Las soluciones digitales y tecnológicas, como las destacadas anteriormente, son clave para brindar a las empresas de fabricación la oportunidad de impulsar su rendimiento a un nivel superior mientras logran el máximo retorno de la inversión.