Desbloqueando la Eficiencia de Producción: Estrategias Comprobadas de Fabricación Basada en Datos

Optimizando la Eficiencia de Producción mediante Estrategias de Fabricación Basadas en Datos

Aunque existen diversas tecnologías de captura de datos, los fabricantes aún luchan por usarlas. Es debido a este desafío mayor que el objetivo de la fabricación basada en datos parece aún más inalcanzable.

Sin embargo, hay algunos enfoques basados en datos que puede tomar al optimizar la eficiencia de producción. Estos enfoques incluyen el uso de IoT Industrial para capturar datos de planta, desplegar dispositivos de computación perimetral en planta, o ingresar manualmente estadísticas de máquinas en hojas de Excel para análisis posterior. Las dos primeras opciones son soluciones digitales con procesos automatizados, mientras que la última es manual. Como es de esperar, la digitalización gana y hace que la captura de datos de planta y ponerlos a trabajar sea un proceso más simplificado.

Con esto en mente, será útil profundizar en qué significa ser un fabricante basado en datos, qué beneficios y desafíos puede experimentar al lanzar programas enfocados en datos, y qué estrategias tangibles puede adoptar a medida que avanza en su madurez analítica.

¿Qué es la Fabricación Basada en Datos?

La fabricación basada en datos es un enfoque de producción que permite que hechos y un conjunto estricto de KPIs de fabricación guíen la toma de decisiones, en oposición a conjeturas, evidencia anecdótica o "corazonadas".

Es un enfoque que aprovecha datos de equipos de planta, operadores, la cadena de suministro, entre otras fuentes, para permitir a los fabricantes tomar mejores decisiones mientras trabajan para reducir costos y aumentar la eficiencia operativa.

La tecnología emergente está dando a más fabricantes la capacidad de recopilar y procesar datos de sus operaciones, lo que lleva a un auge en soluciones que pueden extraer insights de datos de fabricación en tiempo real. Sin embargo, no todas las analíticas son iguales.

Para aprovechar exitosamente los datos en una operación, primero necesita poder recopilar datos precisos que puedan procesarse y mostrarse de manera que sea fácil para el usuario consumir.

Por ejemplo, si recopilara manualmente datos de rendimiento de máquina en un portapapeles, no solo hay un gran compromiso de tiempo para completarlo, sino que también hay una alta probabilidad de error humano. Por otro lado, recopilar datos directamente de máquinas a través del PLC produce un flujo de datos altamente preciso e imparcial. Ambas soluciones aquí pueden considerarse "basadas en datos", pero la última es muy superior y conducirá a una mejor toma de decisiones.

Beneficios de Ser Basado en Datos en Fabricación

Visibilidad Aumentada: El atractivo de la fabricación basada en datos es que los líderes en la planta y la oficina corporativa pueden tener una comprensión más profunda del rendimiento basado en los datos recopilados en toda la organización. Los datos proporcionan información no solo sobre el rendimiento de activos individuales, sino sobre las operaciones en su conjunto. Esto ayuda a los tomadores de decisiones a identificar áreas de oportunidad, ya sean turnos de bajo rendimiento, tiempo de inactividad recurrente de máquinas u otros cuellos de botella de producción.

IA y Aprendizaje Automático: Con grandes conjuntos de datos, los fabricantes tienen la capacidad de ejecutar algoritmos de aprendizaje automático que ayudan a resolver problemas complejos. Por ejemplo, nuestro equipo de ciencia de datos aprovechó el aprendizaje automático no supervisado para detectar anomalías en CNC. Es con esfuerzos analíticos como este que los fabricantes pueden adoptar prácticas avanzadas como el mantenimiento predictivo. Sin las capacidades de procesamiento o acceso a datos, incluso formas simplistas de toma de decisiones basadas en datos no serían posibles.

Automatización: Hay dos categorías de automatización que las estrategias basadas en datos pueden soportar. La primera es la recopilación automatizada de datos. Si una operación está correctamente equipada con dispositivos para recopilar datos y software para procesarlos, el proceso de recopilación de datos ya no requiere esfuerzo manual.

El segundo componente de automatización es el uso de datos para la toma de decisiones automatizada. A medida que los fabricantes avanzan en su viaje analítico, pasan de analítica descriptiva a predictiva. Esto significa que primero usan datos para entender qué ha sucedido o está sucediendo actualmente, pero eventualmente maduran para entender qué puede suceder y tienen la oportunidad de actuar sobre ello de forma autónoma.

Ahorro de Costos: Los datos complementan la fabricación esbelta (lean) ya que dan a los fabricantes la información que necesitan para simplificar procesos de producción y minimizar desperdicios. Sin los datos duros, es difícil medir con precisión mejoras de producción y estar seguro de que los cambios han resultado en ahorros de costos.

Por ejemplo, Carolina Precision Manufacturing, un fabricante de piezas torneadas suizas CNC de diámetro pequeño y tolerancia cerrada, ahorró 1,5 millones de dólares en un año al implementar una plataforma IoT para garantizar visibilidad total de datos. En el caso de estudio, se explica cómo pudieron aumentar la eficiencia de producción, optimizar la utilización de máquinas e impulsar la responsabilidad del operador.

Desafíos de la Fabricación Basada en Datos

Fuentes de Datos Aisladas (Silos) y Sistemas Heredados: Muchos sistemas y equipos no fueron construidos con la intención de comunicarse entre sí. Esto puede ser el resultado de sistemas operativos separados entre diferentes departamentos, equipos heredados, o simplemente falta de documentación y comunicación. El problema aquí es que puede ser difícil agregar datos entre sistemas dispares, lo que significa que obtendrá menos valor de los datos recopilados. Una plataforma IoT que conecta múltiples niveles de sistemas y pone equipos heredados en línea ayuda a resolver este problema.

Amenazas de Seguridad: El problema de la seguridad de IoT industrial ha surgido por dos razones principales. Primero, a medida que más dispositivos se conectan, hay mayor posibilidad de crear vulnerabilidades para una brecha. Segundo, la seguridad no se ha abordado a nivel de máquina antes, lo que significa que no hay estándares o protocolos desarrollados. Sin embargo, existen soluciones para mitigar el riesgo.

Almacenamiento de Datos: Cuantos más dispositivos y sistemas conectados habilite un fabricante basado en datos, más datos se recopilarán. En la superficie, esto es un fuerte beneficio si el usuario puede obtener insight de los datos recopilados. Sin embargo, el flujo creciente de datos necesita un lugar para ser recopilado y procesado, lo que puede ser un desafío difícil. Esto es especialmente intensivo en costos si el usuario almacena datos on-premise, lo que hace un fuerte caso para el uso de computación en la nube.

Estrategias de Fabricación Basada en Datos

Estrategia de Optimización de Procesos Basada en Datos

El primer paso para optimizar la capacidad de producción de una máquina es tener una comprensión de sus capacidades y las condiciones de trabajo alrededor de ella. Estas condiciones podrían incluir conocimiento del inventario disponible y la velocidad a la que los materiales llegan a la máquina. Para adquirir este conocimiento, se requerirá la integración de soluciones de captura de datos como dispositivos de interfaz hombre-máquina. Los datos recopilados y la capacidad de visualizar KPIs proporcionan gran información sobre procesos industriales tanto para tomadores de decisiones como para empleados dentro de una planta.

Estos insights pueden entonces ponerse a trabajar en el desarrollo de una estrategia de optimización de procesos que asegure que la producción continúe en su nivel óptimo. Un enfoque basado en datos para la optimización de procesos también hace posible identificar factores que limitan la productividad.

Un ejemplo es el uso de MachineMetrics para impulsar la optimización de procesos dentro de una instalación de fabricación discreta. En este ejemplo, los datos se recopilan diariamente de máquinas, se categorizan y comparan contra KPIs optimizados para descubrir el equipo específico que no cumple su objetivo y por qué. El insight dirigido sobre los desafíos que afectan la productividad de una máquina sirve entonces como base para corregir los problemas que la limitan de funcionar óptimamente.

Estrategia de Mantenimiento Predictivo Basada en Datos

Las máquinas dentro de las plantas se espera que se mantengan continuamente para asegurar que funcionen óptimamente, por eso cada fabricante tiene una estrategia de mantenimiento para lidiar con fallos de piezas. En muchas instalaciones, un enfoque reactivo o funcionar-hasta-fallar para el mantenimiento sigue siendo desplegado como estrategia para mantener máquinas funcionando por períodos más largos. Las estadísticas muestran que esta estrategia obstaculiza la productividad en aproximadamente un 20 % y también puede llevar a tiempo de inactividad no planificado si las máquinas se rompen durante un ciclo de producción real.

Una estrategia basada en datos aporta un enfoque preventivo al mantenimiento de máquinas a través del monitoreo de cada índice de rendimiento que describe el estado de salud de la máquina y componentes en ella. Con este enfoque, los tiempos de inactividad no planificados se eliminarán, optimizando así la eficiencia de producción.

Un ejemplo de esto es el uso del Motor de Detección de Anomalías de MachineMetrics para rastrear componentes y rendimiento de máquinas. A través de una API, el motor analiza datos de máquinas para desarrollar estrategias de mantenimiento personalizadas para las diferentes máquinas dentro de una planta. Los datos analizados informan al fabricante sobre piezas que requieren reemplazos frecuentes e insight sobre cómo desarrollar programas de reemplazo alrededor de ciclos de producción. Esto asegura que el inventario de repuestos del fabricante esté siempre actualizado y el mantenimiento se ejecute dentro de plazos especificados.

Las Tres Etapas de la Optimización de Fabricación Basada en Datos

Definir o crear una estrategia basada en datos para optimizar procesos de fabricación incluye las siguientes etapas:

1. Captura y monitoreo de datos: La capacidad de recopilar datos en tiempo real proporciona la base para poner sus datos a trabajar. MachineMetrics es una solución plug-and-play que recopila datos como velocidad operacional, temperatura de equipos y tasa de consumo de energía de equipos de fabricación discreta y dispositivos IoT.
2. Categorización y visualización de datos: Los datos recopilados deben procesarse y analizarse para recibir insights de ellos. MachineMetrics aprovecha la nube de AWS para entregar aplicaciones listas para usar que hacen que la visualización y reporte de datos de planta a través de flujos de trabajo optimizados sea un proceso simplificado.
3. Inteligencia de negocio y acción: Se proporcionan informes y flujos de trabajo para facilitar el proceso de toma de decisiones y creación de estrategias. Una vez que los datos de máquinas se han recopilado y analizado, desarrollar estrategias accionables para optimizar la eficiencia de producción e implementarlas se vuelve posible.

Su Viaje de Analítica de Fabricación

Para poner sus datos a trabajar para usted, conectar las máquinas de fabricación de su empresa a la Plataforma MachineMetrics inicia el viaje hacia la optimización de producción. Las capacidades de conectividad universal de MachineMetrics soportan máquinas con E/S tanto digitales como analógicas, lo que hace posible recopilar datos de máquinas heredadas dentro de su planta. Así, eliminando el desafío de recopilar los datos utilizables necesarios para desarrollar estrategias basadas en datos para sus instalaciones de fabricación. Puede obtener más información sobre la propuesta de valor de plataformas de analítica industrial de nivel empresarial analizando las características de la Plataforma IoT de MachineMetrics.