IoT industrial y analítica predictiva: acelera la eficiencia manufacturera

Internet Industrial de las Cosas, Industria 4.0, Fábrica Digital, y demás, son términos de moda que a todo ejecutivo de marketing le gusta usar. Pero su amplia adopción hoy los ha convertido en tecnologías aplicables, permitiendo a los fabricantes alcanzar el objetivo universal de mayor productividad.

Todo ha sido sobre datos desde el principio. La planta de producción es rica en datos en todos los aspectos; solo es cuestión de capturarlos. Se ha descubierto que casi el 3 % de los fabricantes de EE. UU. están aprovechando sus datos operativos y extrayendo información beneficiosa. Para que cualquier cambio a IIoT tenga éxito, las empresas deben ser claras respecto a sus objetivos y la disponibilidad de recursos humanos para convertirlo en un éxito.

Los objetivos desglosados de forma descendente (top-down) son los más razonables, permitiendo a los equipos avanzar modularmente. Además, es importante que se forme una relación de trabajo que permita coherencia interdisciplinaria, porque al fin y al cabo IIoT es una conjunción de varias funciones. Ejemplos de recursos trabajando juntos son ingenieros de planta, técnicos, integradores de sistemas (SIs) y, por supuesto, la dirección.

La Analítica Predictiva es un aspecto vital de IIoT sin el cual se derrota todo el propósito del cambio. Permite que los trozos de datos se utilicen y se logre inteligencia en su verdadero sentido. En resumen, la analítica predictiva implica mejora de la calidad de procesos y pronóstico de demanda, ambos permitiendo mejorar la productividad de una organización. En una Fábrica Digital, sin embargo, el papel es mucho más extenso, extendiéndose a áreas como tiempo de actividad de máquinas y prevención de fallos forzados de equipos.

Al procesar datos en tiempo real recopilados de sensores distribuidos por toda la planta, la analítica predictiva puede proporcionar a los operadores información sobre máquinas propensas a fallar, antes de que realmente se rompan. Esto permite a los operadores programar reparaciones durante tiempos de inactividad en lugar de causar una interrupción en toda la fábrica.

A medida que aumenta el volumen de datos recopilados, el alcance de la automatización aumenta también, permitiendo que la inteligencia de los procesos manuales aumente. Por ejemplo, los sistemas pueden ajustarse para reducir automáticamente la operación de la máquina si se acerca un fallo o establecer un valor umbral que permita extender la vida útil.

De manera similar, el flujo ascendente de datos también puede permitir a los operadores realizar análisis de causa raíz con mayor precisión, reduciendo las posibilidades de recurrencia de un error particular.

Todos estos beneficios no son teóricos, sino que realmente están siendo cosechados por organizaciones en todo el mundo. Por ejemplo, el uso de analítica predictiva en American Electric Power (AEP) permitió la reparación de una turbina de gas antes de la avería. La alerta temprana les ahorró 19 millones de dólares, que se habrían gastado debido a la avería completa de la turbina.