Big Data Analytics: Desbloquee millones en ahorros manufactureros mejorando la eficiencia de procesos

Manufacturing Engineering: La minería de datos y el Big Data son temas candentes. Su empresa desarrolla software de process mining; ¿en qué se diferencia de la minería de datos tradicional?

Alex Rinke: La minería de datos se ha centrado tradicionalmente en KPIs [indicadores clave de rendimiento], buscando patrones para predecir tendencias futuras y analizar datos para obtener insights accionables. Las empresas la usan para sacar conclusiones y resolver problemas específicos, pero el process mining adopta un enfoque radicalmente diferente. La tecnología de process mining aprovecha los registros de eventos (event logs) para crear una reconstrucción visual de cualquier proceso en su estado "tal cual" (as-is), de modo que en lugar de rebuscar en conjuntos de datos para hallar un patrón relevante, los usuarios pueden ver realmente cómo se ejecuta un proceso en tiempo real. Nos gusta describir la diferencia como alumbrar con una linterna en la oscuridad versus encender la luz: ambos sirven, pero uno ofrece visibilidad total.

ME: ¿Qué ofrece específicamente el process mining a operaciones de fabricación discreta?

Rinke: Una ventaja crítica es que es aplicable a cualquier proceso, incluida la fabricación. Si se generan registros de eventos, el process mining dibuja una imagen clara de cómo operan realmente las instalaciones. Dicho esto, la fabricación discreta es una industria que puede obtener mayor valor del process mining, y clientes como Siemens, ABB y 3M ya confían en él para mejorar la flexibilidad y eficiencia de sus operaciones.

Casos de uso comunes en fabricación son: mejora del cumplimiento de horarios, monitorización de automatización, modelado de capacidad y reducción de desperdicios; el process mining ha demostrado ser invaluable en todos. Por ejemplo, ABB —una de las mayores y más complejas empresas manufactureras del mundo— lo usa en procesos desde purchase-to-pay hasta producción. Antes, empleados de la planta de ABB en Hanau (Alemania) extraían evaluaciones de sus sistemas SAP varias veces al día, las importaban a Excel y usaban fórmulas complejas para analizarlas. Hoy, los líderes de producción y ensamblaje reciben cada mañana un correo con las variantes de producción del día anterior, tiempos de ciclo y número de rechazos. Y no hablamos solo de KPIs: el ecosistema completo de procesos de la planta es visible al instante, haciendo que descubrir ineficiencias sea trivial. Es difícil resolver un problema conocido, pero casi imposible resolver uno que no has descubierto.

ME: ¿Cómo funciona el motor de process mining Celonis Proactive Insights?

Rinke: Celonis PI es una adición emocionante a nuestra tecnología base, con enorme promesa de valor continuo para clientes. Esencialmente, los algoritmos de machine learning que hemos superpuesto a Celonis toman casos de uso previos y construyen sobre ellos, actuando como un consultor de negocio automatizado que recomienda mejoras. Las capacidades de reconocimiento automático de patrones significan que si Celonis ha encontrado ineficiencias similares en el pasado, podrá devolver soluciones relevantes para superarlas. Si imaginamos Celonis como una resonancia magnética para procesos de negocio, PI sería como un médico automatizado que interpreta los resultados de esa resonancia.

ME: ¿Qué fabricantes usan esta tecnología y cómo la despliegan?

Rinke: ABB, 3M y Siemens son algunos clientes de Celonis, y han desplegado process mining en variedad de procesos y para multitud de empleados. Siemens, por ejemplo, ha optado por un despliegue amplio: varios miles de empleados usan Celonis a diario para entender exactamente qué ocurre en sus procesos. Aprovisionamiento, gestión de proveedores, producción y ensamblaje, servicios compartidos —cada proceso se vuelve transparente y comprensible al "encender la luz".

ME: ¿Qué industrias manufactureras pueden aprovechar mejor el process mining?

Rinke: La belleza del process mining es que es totalmente relevante para todas las industrias, manufactureras o no. Hemos visto departamentos de compras transformados y hechos más eficientes, y fábricas convertidas en inteligentes al lograr transparencia total de datos. La tendencia actual hacia la "Industria 4.0" y fábricas auto-optimizables tiene como faceta central la transparencia de información —Celonis Process Mining es una solución lista para usar para alcanzar ese nivel.

ME: ¿Cuál es el futuro para operaciones manufactureras usando machine learning e IA integrados en su analítica de process mining?

Rinke: El potencial es ilimitado para la IA dentro del software de process mining, porque a medida que el sistema agrega más información construida sobre más casos de uso, Celonis se vuelve más inteligente. Como en todas las aplicaciones de machine learning e IA, el sistema solo mejora en identificar patrones al recibir más datos. En lugar de depender de análisis manuales complejos, esperamos que Celonis PI devuelva resultados instantáneos. Imagine un proceso de producción embotellado causando retrasos en una fábrica —e imagine que no sabe dónde está el cuello de botella ni sus repercusiones. Celonis identifica fácilmente la fuente, y PI recomienda cómo mitigar la causa raíz eficazmente. Es un momento emocionante para fabricantes de cualquier industria.

Epicor nombra a Stephen Murphy CEO

El desarrollador de ERP Epicor Software Corp. (Austin, TX) anunció el 5 de octubre que Joe Cowan, presidente y CEO de Epicor, se jubilaría a finales de octubre. El consejo ha nombrado a Stephen Murphy, ex presidente de OpenText (Waterloo, Ontario), como nuevo CEO de Epicor.

Antes de Epicor, Murphy fue presidente de OpenText, desarrollador de software de gestión de información empresarial (EIM) de 2.000 millones de dólares. Su carrera abarca más de 20 años en tecnología, incluyendo puestos de liderazgo en ventas y operaciones en Oracle, Sun Microsystems y Manugistics, así como experiencia en fabricación y distribución liderando estrategia logística global, cadena de suministro e implementaciones mayores de ERP en Accenture y Procter & Gamble. Murphy tiene un MBA de Harvard Business School y un BS en Ingeniería Mecánica por la Universidad de California, Davis.

Software para optimizar una aerostructura todo-composite

Cuando Stratolaunch Systems Corp. (Seattle) sacó su avión todo-composite Stratolaunch para pruebas en tierra en el desierto de Mojave esta primavera, el gigantesco avión mostró cuánto han avanzado el diseño y fabricación de materiales compuestos en años recientes. El mes pasado se completó la primera fase de pruebas de motores en sus seis turbofanes Pratt & Whitney.

El avión más grande del mundo por envergadura —más ancho que un campo de fútbol americano— está fabricado casi enteramente con materiales compuestos, que aportan ligereza, alta rigidez y resistencia, cada vez más demandados en aeroespacial, automoción, deportes, medicina e industria. El software de optimización HyperSizer de Collier Research (Newport News, VA) fue usado extensamente por el fabricante Scaled Composites para optimizar la estructura composite de fuselaje y ala.

HyperSizer, el primer paquete de software comercializado salido de la NASA, se ha empleado en gran variedad de proyectos aeroespaciales y de otra índole fabricados con materiales compuestos o metálicos. El software realiza automáticamente diseño, análisis de esfuerzos y optimización de dimensionado, reduciendo típicamente el peso de estructuras en un 20-40%.

"Para asegurar el uso más eficiente de materiales en una estructura todo-composite de cualquier tamaño se requiere empleo efectivo de herramientas de optimización de diseño y fabricación desde las etapas más tempranas", afirma Craig Collier, presidente de Collier Research.

El avión Stratolaunch es idea del fundador de Stratolaunch System Corp., Paul G. Allen. Tiene dos fuselajes unidos por un ala gigante y seis motores que le permiten despegar de pista con una carga útil de hasta 550.000 lb (247.500 kg). A altitud de crucero de un avión comercial, la plataforma de lanzamiento aéreo Stratolaunch liberará la carga útil de vehículo espacial y regresará al aeropuerto para reutilización. La primera demostración de lanzamiento se anticipa para 2019.

Para el enorme ala de Stratolaunch, los límites de deflexión fueron un factor significativo. Los paneles de los fuselajes duales se dimensionaron para resistencia, estabilidad y modos de fallo de sandwich de panal. Con HyperSizer, el equipo de esfuerzos tuvo acceso a un conjunto completo de análisis de fallo automatizados: análisis rápido de cuerpo libre, dimensionado de laminados discretos, análisis de fallo composite basado en capas, métodos de análisis de sandwich de panal (arrugamiento, corte del núcleo, tensión flatwise, abolladura intracelular) y API de scripting para cargar esfuerzos desde hojas de cálculo Excel.

Collier ve evolución continua en la integración de herramientas para diseño y fabricación de compuestos. "El software HyperSizer puede dar visibilidad sobre la fabricabilidad de una estructura y si puede haber problemas de fabricación", dice Craig Collier. "Puede incorporar preferencias de fabricación de laminados en el diseño en etapa temprana; la facilidad de fabricación se está volviendo una influencia mayor en el diseño de resistencia de estructuras laminadas."

Nuevos lanzamientos

El desarrollador de ingeniería de línea de productos (PLE) BigLever Software (Austin, TX) y Method Park (Pittsburgh), proveedor de gestión de procesos de ingeniería, han desarrollado el nuevo Feature-based PLE Process Framework, una plantilla lista para usar de mejores prácticas que han permitido éxitos en PLE.

El nuevo marco, ya disponible, combina el Stages Process Management System de Method Park con la metodología PLE de tres niveles de BigLever para permitir a las empresas acelerar la transición a prácticas PLE y lograr alineación transversal en toda la organización. Las empresas pueden usar el marco para optimizar sus operaciones PLE mejorando comunicación y colaboración entre dominios de software, eléctrico y mecánico, y evitando los escollos de enfoques ad-hoc y puntuales. BigLever ha incorporado el nuevo marco como parte clave de su solución holística onePLE.

El PLE basado en características simplifica drásticamente la creación, entrega, mantenimiento y evolución de una cartera de línea de producto usando un conjunto compartido de activos de ingeniería, un conjunto gestionado de características y un medio eficiente para automatizar la producción de la línea de producto. El nuevo marco de proceso proporciona una plantilla de Concepto de Operaciones (ConOps) totalmente personalizable que define la estructura organizacional y la pone en marcha definiendo claramente roles, responsabilidades y procesos necesarios para operar eficazmente bajo el paradigma PLE.

Boothroyd Dewhurst Inc. (Wakefield, RI), desarrollador de software Design for Manufacture and Assembly (DFMA), ha lanzado su DFM Concurrent Costing Versión 3.0. Desplegado como herramienta de análisis de costes para equipos de ingeniería y compras, el software permite a fabricantes ir más allá de modelos de "precio", basados en ofertas pasadas, a modelos de coste industrial basados en datos de pruebas científicas y estudios. El resultado es una vista de "should cost" (coste objetivo) altamente fiable que revela impulsores de coste ocultos y formas de optimizar tanto diseño como producción, según la empresa.

DFM 3.0 permite a OEMs y proveedores explorar ofertas en un marco neutral donde se discuten tipos de máquina, velocidades, secuencias de procesado y niveles óptimos de automatización. Este entorno mejor informado fomenta sugerencias de proveedores y asociaciones más profundas e integradas basadas en experiencia, mejores prácticas de coste y objetivos compartidos.

Las diferencias entre modelos de precio tradicionales y modelos de coste basados en datos pueden ser significativas, afectando decisiones sobre qué regiones o países mueven un producto para fabricar. Productos bien diseñados y costeados tienen más probabilidad de permanecer en su ubicación original de fabricación y cerca de recursos existentes. OEMs y proveedores pueden colaborar en torno al software DFM para abordar estos y otros temas estratégicos. Realizado temprano en diseño o durante prototipado, el análisis DFM reduce time-to-market, impacta costes directos e indirectos, y ayuda a optimizar funcionalidad del producto. Puede usarse individualmente o en equipos para decisiones de trade-off que reduzcan costes.

Destacados de la última versión incluyen calculadoras de geometría en DFM 3.0 simplificadas e incorporadas en los paneles de respuesta principales para guiar mejor al usuario en un análisis de coste DFM de sus piezas.

Las operaciones de fabricación por defecto y bibliotecas de procesos basadas en usuario se han optimizado y se ha añadido un nuevo panel Test View a todas las ventanas de fórmulas. El desarrollo de operaciones y procesos de usuario personalizados es más rápido y fácil, según la empresa. El aspecto general del software DFM se ha actualizado para dar una experiencia de usuario más cohesiva entre Design for Assembly (DFA) y DFM should costing. El rendimiento del enlace DFA/DFM se ha mejorado para una integración de datos más fluida entre paquetes de software.