Aprovechando la analítica predictiva en manufactura: Casos de uso probados y beneficios tangibles

Durante décadas, los fabricantes han usado datos como una forma de obtener ventaja competitiva. Quizás el mayor cambio hoy es cómo se recopilan los datos. Algunas empresas tienen técnicos caminando por la planta revisando medidores, llenando formularios y anotando historial de operación y mantenimiento para máquinas. Todos métodos tediosos, propensos a errores e inexactos de recopilar y usar datos para impulsar la toma de decisiones. Sin embargo, con la proliferación de dispositivos IoT y sensores, equipamiento y operaciones conectadas están cambiando cómo los fabricantes aprovechan los datos y la analítica.

Las empresas han comenzado a transicionar a software digital y dispositivos conectados para reducir la mano de obra asociada con la recopilación manual de datos y documentación. Comparado con métodos manuales de recopilación de datos, estas tecnologías también aumentan la fidelidad que amplifica el poder de la analítica y conduce a modelos más precisos. Lo siguiente presentará los beneficios y casos de uso para la analítica predictiva en manufactura.

La madurez de la analítica en manufactura

También conocido como el Viaje de Analítica de Manufactura, hay varias etapas por las que pasan los fabricantes mientras se esfuerzan hacia estrategias predictivas y prescriptivas.

Paso 1: Datos

Recopilar datos para analítica descriptiva establece una línea base para responder qué pasó.

Paso 2: Información

Procesar estos datos en analítica diagnóstica para responder por qué pasó algo efectivamente convierte datos en información. Una solución de analítica de manufactura puede usarse para habilitar esto.

Paso 3: Entendimiento

Una vez que se recopila suficiente información, se puede lograr un mejor entendimiento de los procesos y los modelos estadísticos pueden pronosticar qué podría pasar en el futuro usando analítica predictiva.

Paso 4: Conocimiento

A medida que se producen modelos más precisos, los datos se transicionan en conocimiento y la analítica prescriptiva responderá qué se debe hacer.

Si bien puede ser tentador conectar todo y pasar por estos pasos, es importante establecer objetivos claros y establecer líneas base para monitorear mejoras de rendimiento. Saber qué datos, y cuántos datos se necesitan para transicionar de analítica descriptiva a prescriptiva. Al comenzar este viaje será beneficioso establecer una sola plataforma para cualquier dato recopilado. Además, asegúrate de que todos los interesados —ya sean dispositivos, personas o proveedores— tengan acceso adecuado a esta plataforma.

Los datos en tiempo real y el monitoreo pueden ofrecer alta fidelidad que ayudará a establecer líneas base, lograr valores N, y alertar a interesados sobre cambios más rápido que métodos manuales o dispositivos no conectados. Estos pasos toman tiempo, pero cada paso ofrece sus propios beneficios. Uno de los mayores beneficios de usar analítica es la capacidad de predecir qué pasará con un alto grado de precisión.

Beneficios y caso de uso de analítica predictiva para fabricantes

Dispositivos conectados en tiempo real pueden recopilar más puntos de datos. Esto puede ayudar a predecir cuánto tiempo o cuántas piezas pueden producirse antes de un fallo. Los planes de mantenimiento tradicionales pueden sugerir cuándo reemplazar piezas o realizar mantenimiento basado en estimaciones promedio, no necesariamente cuando se necesita. Predecir fallos con datos y analítica de manufactura reduce el tiempo de inactividad no planificado, y puede eliminar servicios de mantenimiento innecesarios y costosos.

Analítica de mantenimiento predictivo

Caso de uso: Reducir tiempo de inactividad, fallo de herramientas y demandas de mantenimiento

Hay muchos beneficios en este término; mantenimiento predictivo. Primero, es que recopilar datos puede ayudar a predecir cuándo se necesita mantenimiento, no asumido. Esto aumenta el tiempo de actividad del equipamiento, dando a los gerentes la oportunidad de planificar mantenimiento necesario o hacer ajustes necesarios antes de que ocurra un fallo.

La analítica predictiva se vuelve cada vez más precisa a medida que se recopilan más datos y se hacen correlaciones. En un ejemplo, el fallo de herramienta se encontró que ocurría cuando el amperaje del equipamiento aumentaba. Rastrear el amperaje era difícil, pero los datos de carga del husillo podían proporcionarse activando una característica en el panel de software del equipamiento.

Los investigadores pudieron probar que había una correlación de más del 80 % entre el aumento de carga del husillo y el amperaje del transductor. Al monitorear la carga del husillo, más fácil y rentable, fue posible predecir cuántas piezas podían fabricarse desde el momento del aumento de carga hasta el fallo de la herramienta. Para este ejemplo, el rango de piezas hasta el fallo fue de 1 a 68. Dependiendo de la cantidad de aumento de carga, podría ser posible reducir este rango aún más. Correlacionar datos y notar patrones expande lo que es posible a través de la analítica a calidad y toma de decisiones.

Medir la velocidad del husillo para identificar fallo inminente de herramienta. Usando datos como este, es posible construir algoritmos que detecten automáticamente el fallo y te den la capacidad de prevenirlo.

Analítica de calidad

Caso de uso: Alertas a problemas de calidad, minimizar desecho

Al rastrear el rendimiento es posible ser notificado cuando los procesos están fuera de tolerancia o pueden generar preocupaciones de calidad. Poder detener o ajustar un proceso antes puede reducir o eliminar desperdicio de material o retrabajo. En un ejemplo, un cilindro neumático derivaba con el tiempo. Para cuando los trabajadores lo notaban y ajustaban, se habían fabricado unas 1.000 unidades y horas de producción se habían desechado. Predecir problemas de mantenimiento y calidad antes puede agregar valor a aplicaciones que involucran materiales con precios inestables o fluctuaciones de mercado.

Analítica de predicción de demanda

Caso de uso: Identificación y utilización de KPI y ERP

Rastrear procesos individuales y tiempos de entrega totales ofrece insight sobre demandas de material y producción. A medida que las capacidades conectadas se expanden, se identificarán KPIs que aumentarán la capacidad, valor y precisión de herramientas de software como ERP. Además, en aplicaciones donde los precios de materiales pueden verse muy afectados por política, desastres naturales, etc., usar datos para predecir tasas de consumo y envío puede ofrecer grandes beneficios en agilizar la gestión de la cadena de suministro. Predecir volumen, plazos y demanda de mercado ayudará a gestionar economía y costes para nuevos equipamientos, productos o procesos.

Analítica de fuerza laboral

Caso de uso: Predicción de demandas de educación y fuerza laboral

En mercados fluctuantes, la analítica de predicción de demanda puede incluso usarse para gestionar mano de obra y adquisición de talento más efectivamente. Una de las mayores preocupaciones es la Brecha de Habilidades en manufactura. Expandiendo datos del proceso, a la planta, al planeta, los fabricantes pueden predecir qué habilidades y mano de obra se necesitarán en el futuro. Esto permite a las empresas trabajar más efectivamente con educadores, publicar empleos antes, o capacitar o reciclar a la fuerza laboral actual para satisfacer necesidades laborales.

El futuro de la analítica predictiva en la industria manufacturera

Caso de uso futuro: Mantenimiento remoto de herramientas

Usar tecnología y analítica convierte datos en conocimiento. A medida que la conectividad se expande, hay una tendencia hacia mayor rastreo y monitoreo remoto y móvil de activos. La capacidad de entregar datos de alta fidelidad aumentará la analítica diagnóstica remota y móvil. Esta tendencia reducirá la necesidad de técnicos de campo. Con diagnósticos remotos de alta confianza, también puede ser posible dar recomendaciones de mantenimiento o información a operadores que están en ubicación para reducir aún más la necesidad de técnicos de campo.

Caso de uso futuro: Evaluaciones de riesgo y seguros

Con una mayor capacidad para rastrear y monitorear equipamiento, la analítica puede aumentar suscripciones, pólizas de seguro o garantías. Dispositivos conectados pueden llevar a equipamiento más flexible. Por ejemplo, las suscripciones dan a los OEMs la capacidad de añadir o quitar características, rastreo de datos y software remotamente. A medida que la demanda cambia, también puede la suscripción y características.

Además, la analítica diagnóstica podría cambiar qué tan lejos o qué pólizas de seguro y garantías cubren. La analítica de manufactura y tecnología conectada pueden probar o refutar errores de operador, equipamiento o diseño. Las matemáticas han sido una forma efectiva de explicar, entender y competir. Los futuros éxitos en manufactura podrían ser quien tenga el conocimiento más preciso y expansivo de modelos digitales y analítica.

Impulsa estrategias predictivas con la plataforma IoT de MachineMetrics

Explora la Plataforma