Transformando pequeños datos en grandes insights para fabricación

Las instalaciones de fabricación generan cantidades masivas de datos operacionales de equipos de producción automatizados, dispositivos de monitorización de condición y otros sensores y sistemas. A medida que las empresas son más conscientes del potencial atrapado en estos activos, preguntan cómo iniciativas de Internet Industrial de las Cosas (IIoT) pueden ayudar a aprovechar esta información y crear insights útiles. Pero muchos intentos de abordar esto vía mega-proyectos empresariales fallan en cumplir expectativas por la sheer tamaño y complejidad. Quizás un mejor enfoque es comenzar con "pequeños" datos en la fuente para construir hacia big data usando edge computing, aplicaciones enfocadas y conectividad abierta.

Enfoque bottom-up vs top-down

La transformación digital nunca es tarea de una sola vez. Pero emprender un proyecto demasiado grande puede descarrilar rápidamente los esfuerzos. Solo conectar los muchos productores de datos diferentes ya es difícil, pero transmitir, procesar y almacenar eficazmente esos datos —en premisa o en nube— es una tarea igualmente masiva. Por tanto, los proyectos más exitosos comienzan desde abajo usando datos a nivel de máquina en lugar de desde arriba a nivel empresarial (Figura 1).

Enfocar el campo de visión en retos y activos específicos puede entregar retornos inmediatos comparado con recopilar todos los datos posibles e intentar descubrir posibilidades sin una declaración de problema clara. El personal de planta puede priorizar insights que aborden problemas operativos cotidianos y seleccionar los datos más relevantes de puntos de detección existentes o incluso nuevos. Pero eso descubre un nuevo reto: los datos de interés usualmente no se almacenan activamente en el sistema de control.

Ejemplo: tiempo de inactividad excesivo en máquina nueva

Por ejemplo, al experimentar tiempo de inactividad excesivo con una máquina nueva, no recopilar datos significa que el operador no puede encontrar la causa raíz. Cada acción es reactiva a observaciones tras el fallo. Aplicando un proyecto de pequeños datos, el usuario puede recopilar datos del sistema de control junto con nuevos sensores de presión de aire y vibración. Al recopilar y analizar datos en tiempo real dentro del contexto de la máquina, los operadores pueden encontrar rápido la causa raíz y abordar los problemas, mejorando tiempo de actividad.

Puente OT/IT con controladores edge

Las fuentes de datos de producción son generalmente parte del dominio de tecnología operacional (OT), que incluye controladores lógicos programables (PLCs), dispositivos de movimiento y muchos tipos de sensores e instrumentos. Pero comunicar, almacenar y procesar cantidades masivas de datos requiere capacidades de tecnología de información (IT).

La clave para unir OT e IT —y permitir que personal antes en ambos lados de esta división trabajen colaborativamente— se encuentra en una nueva generación de controladores edge (Figura 2). Los controladores edge combinan control determinista en tiempo real usando lenguajes IEC 61131-3 con computación Linux de propósito general para crear una potente plataforma IIoT que puede integrarse en nuevos diseños o incorporarse en sistemas heredados.

Esta nueva generación de controlador también une protocolos OT tradicionales como PROFINET y Modbus TCP con protocolos IT modernos como OPC UA y MQTT, permitiendo conectividad fluida entre fuentes de datos edge y plataformas empresariales de nivel superior como MES, ERP, gestión de mantenimiento y otros sistemas analíticos.

Conclusión: empezar pequeño para escalar

Muchos usuarios finales reconocen que pueden beneficiarse de IIoT pero pueden preocuparse legítimamente que un asalto a gran escala a big data no tenga éxito. En su lugar, abordando IIoT con pequeños datos, controladores edge y analítica dirigida, estos usuarios lograrán retornos tempranos, ayudando a impulsarlos más rápido en su viaje de transformación digital.

Este artículo fue escrito por Derek Thomas, Vicepresidente de Marketing y Estrategia para Emerson's Machine Automation Solutions, St. Louis, MO. Para más información, visite aquí.