Convertir Big Data en datos inteligentes:mejorar el conocimiento de la fabricación

Los fabricantes tienen muchos datos y pocos conocimientos. Según una investigación de IBM, solo el 28 % de las organizaciones "utilizan datos de equipos, procesos y sistemas para extraer información para la mejora continua de los procesos". 

¿El problema? Los macrodatos por sí solos rara vez generan valor significativo sin contexto e intención. Para optimizar las operaciones actuales y seguir siendo competitivos en un mercado que prioriza lo digital, los fabricantes necesitan una forma de convertir big data en datos inteligentes. Es decir, información que sea relevante, precisa y procesable. 

Continúe leyendo para obtener más información sobre big data y datos inteligentes, así como sobre cómo las empresas pueden cerrar la brecha. 

¿Qué son los big data en la fabricación?

Los macrodatos se componen de conjuntos de datos grandes y complejos generados en los sistemas de fabricación, pero el volumen por sí solo no garantiza conocimientos ni mejoras operativas. 

Las fuentes comunes de big data incluyen sistemas IIoT, software de sistemas de producción y controladores lógicos programables (PLC), registros de mantenimiento, herramientas de control de calidad y sistemas computarizados de gestión de mantenimiento (CMMS). 

Los macrodatos se centran en la cantidad más que en la calidad, lo que a su vez crea desafíos en materia de usabilidad. Si bien más datos pueden ayudar a las empresas a ver el panorama general, resulta más difícil ver los detalles. 

Cuatro características son comunes para big data: 

• Volumen:  El volumen se refiere a la cantidad de datos generados. Muchas empresas generan ahora terabytes (TB) de datos todos los días. 

• Velocidad:  La velocidad se refiere a la velocidad a la que se crean y actualizan los datos. Con muchas líneas de producción funcionando las 24 horas del día, los 7 días de la semana, los 365 días del año, los datos nunca se detienen.  

• Variedad:  La variedad habla de variación. Los fabricantes ahora recopilan de todo, desde datos de materiales hasta información de eficiencia del rendimiento, datos de sensores de IoT conectados y resultados de control de calidad.  

• Veracidad:  La veracidad es la verdad:¿los datos son precisos y fiables? Los macrodatos no son útiles si no se puede confiar en las fuentes de datos. 

¿Qué son los datos inteligentes?

Los datos inteligentes son información seleccionada, contextualizada y orientada a un propósito producida a través de análisis de big data. Si bien los big data a menudo se recopilan y almacenan a escala, los datos inteligentes se configuran intencionalmente para respaldar la toma de decisiones informadas. 

Hay tres características que distinguen a los datos inteligentes de su contraparte de big data: 

• Calidad:  La calidad se refiere a datos que son claros, concisos y con el formato adecuado.  

• Relevancia:  La relevancia se refiere a la puntualidad. Si bien los datos históricos desempeñan un papel en la planificación a largo plazo, se requieren datos oportunos para garantizar que las acciones aborden las condiciones actuales. 

• Precisión:  La exactitud habla de precisión. Por ejemplo, las máquinas de alta temperatura pueden requerir una calibración de sólo unas pocas décimas de grado. Más o menos y es posible que los resultados no se puedan utilizar. Los datos inteligentes son datos precisos. 

¿No estás seguro de si tienes big data o datos inteligentes? Comience con una pregunta simple:¿los datos simplemente se almacenan o ayudan a responder preguntas operativas y comerciales?   

Diferencias clave entre big data y smart data

Tanto el big data como los datos inteligentes desempeñan un papel en las operaciones de fabricación. Los macrodatos sientan las bases para el análisis de tendencias a gran escala y pueden respaldar la alineación con las expectativas y directrices regulatorias, como las buenas prácticas de fabricación (GMP). Mientras tanto, los datos inteligentes ayudan a los fabricantes a identificar problemas, definir soluciones y tomar medidas específicas. 

Existen cuatro diferencias clave entre Big Data y Smart Data: 

1. Los macrodatos enfatizan la recopilación; Los datos inteligentes enfatizan el uso. 

2. Los macrodatos son generales; Los datos inteligentes son específicos. 

3. Big data prioriza el contenido; Los datos inteligentes priorizan el contexto. 

4. Los macrodatos son estables; los datos inteligentes son rápidos. 

Por qué el big data por sí solo suele fallar en la fabricación

Las empresas no pueden permitirse el lujo de ignorar el papel del big data en la fabricación. 

Históricamente, las empresas solo estaban equipadas para capturar datos de alto nivel, como volúmenes totales de producción, tiempos de ciclo o tasas de retrabajo. Sin embargo, la llegada de sistemas y sensores a pequeña escala y siempre conectados permitió la recopilación de datos de las máquinas a escala. Hoy en día, los fabricantes pueden realizar un seguimiento y registrar cada detalle de las operaciones de los equipos, desde el arranque inicial hasta las cargas de trabajo estándar y los tiempos de inactividad inesperados. Cada proceso, desde los activos de la línea de producción, cada acción del personal y cada operación del software, se convierte en parte del panorama de big data. 

¿El desafío? Los volúmenes de datos pueden conducir a una visión de túnel; Los fabricantes asumen que la simple recopilación de datos es suficiente para generar conocimientos e impulsar la acción. Sin embargo, en la práctica, las iniciativas de big data a menudo no logran generar valor. Cinco causas de falla son comunes: 

• Recopilación de datos sin objetivos claros 

• Coherencia y calidad de los datos deficientes 

• Falta de estandarización entre sistemas 

• Capacidad limitada para interpretar datos y actuar sobre ellos 

• Demasiados paneles, muy poca información 

Cómo los datos inteligentes mejoran el rendimiento de fabricación

Los datos inteligentes ayudan a mejorar el rendimiento de la fabricación porque proporcionan información útil. Considere cuatro grandes conjuntos de datos estructurados recopilados de múltiples fuentes, incluidos sensores de equipos, controladores, informes de usuarios y puntos de referencia operativos. Los datos contienen información útil, pero solo es visible cuando los datos se validan, seleccionan y analizan.  

Estos procesos convierten los big data de fabricación en datos inteligentes, lo que ofrece múltiples beneficios para el rendimiento. El primero es un análisis más rápido de la causa raíz. Equipados con datos contextuales sobre cómo, cuándo y por qué falló el equipo, los equipos pueden resolver fuentes en lugar de síntomas. 

Los datos inteligentes también mejoran la confiabilidad y el tiempo de actividad de los activos. Al combinar datos de rendimiento actuales e históricos, los equipos pueden identificar posibles puntos de falla que podrían provocar un tiempo de inactividad no planificado y tomar medidas para solucionar estos problemas. Por ejemplo, si el análisis revela que un activo de alta carga de trabajo experimenta fallas eléctricas regulares, las empresas pueden programar un mantenimiento más frecuente para resolver el problema inmediato y al mismo tiempo buscar la causa raíz. 

Otros beneficios de los datos inteligentes incluyen una mejor calidad y rendimiento vinculados a información precisa y actual sobre las tasas de desperdicio y retrabajo, junto con una mejor planificación y pronóstico de la carga de trabajo basado tanto en las necesidades operativas como en la eficiencia del equipo. 

Por último, los datos inteligentes fomentan una mayor alineación entre los equipos. Esto se debe a que los datos inteligentes ayudan a los equipos de mantenimiento, operadores, gerentes y directivos a hablar el mismo idioma, lo que reduce el riesgo de trabajo redundante o de oportunidades perdidas.

El papel del mantenimiento y la confiabilidad en las estrategias de datos inteligentes

Los datos de mantenimiento y confiabilidad desempeñan papeles clave en las estrategias de datos inteligentes. Este es un proceso recíproco. El seguimiento del mantenimiento y la confiabilidad mejora el impacto de los datos inteligentes, y los datos inteligentes ayudan a impulsar la mejora continua de los procesos de mantenimiento y confiabilidad. 

Aquí hay cuatro beneficios comunes: 

• El historial de mantenimiento proporciona un contexto para los errores:  Los historiales de mantenimiento ofrecen información significativa para ayudar a descubrir el contexto de las fallas de las máquinas y pueden respaldar el análisis prescriptivo. 

• Las condiciones de los activos se pueden vincular a los resultados del desempeño:  Las condiciones de los activos a menudo se componen de datos estructurados y no estructurados. Además de los resultados de los sensores, las empresas también pueden incorporar informes de usuarios que contienen recomendaciones basadas en años de experiencia. La combinación de estas fuentes de datos genera mejores resultados de rendimiento.  

• Los datos procesables reducen el mantenimiento reactivo y los riesgos de tiempo de inactividad no planificado:  El mantenimiento reactivo es costoso y requiere mucho tiempo porque no comienza hasta que ocurren fallas. El uso de datos inteligentes para crear mapas de calor, informes de riesgos y visualizaciones de datos ayuda a identificar posibles causas de tiempo de inactividad no planificado. 

• Los datos inteligentes son la base  análisis de mantenimiento predictivo :  Los análisis predictivos permiten a los equipos de mantenimiento adelantarse a posibles problemas. También desempeñan un papel en análisis más avanzados que proporcionan información integral sobre el rendimiento de la máquina y posibles mejoras.

Datos inteligentes como base para la Fabricación 4.0

La transformación digital permite la adopción de procesos de Fabricación 4.0, que dependen de dispositivos y equipos siempre conectados y activos. 

Mientras tanto, los datos inteligentes son la base de la transformación digital.  

Considere la inteligencia artificial (IA) y el aprendizaje automático (ML). Estas tecnologías impulsan la creación de fábricas inteligentes que utilizan datos actuales e históricos para "aprender" con el tiempo y mejorar las operaciones. Tanto el entrenamiento de modelos realizado por algoritmos de aprendizaje automático como el análisis de datos realizado por IA requieren datos limpios y contextuales. El simple hecho de dejar estas herramientas sueltas en las fuentes de big data limitará su eficacia. Aprovechar los datos inteligentes acorta la distancia entre la consulta y la información. 

Los datos inteligentes también respaldan la supervisión y optimización del estado de la máquina en tiempo real que requiere la Fabricación 4.0. En muchos entornos de fabricación, el tiempo de inactividad prolongado de los equipos es cada vez más costoso y perturbador. Con acceso a datos inteligentes, los equipos pueden tomar decisiones inmediatas que impulsen un mejor rendimiento. 

Además, el uso de datos inteligentes permite iniciativas digitales escalables y sostenibles. Las empresas pueden determinar dónde gastar mejor el dinero para ampliar las operaciones de producción e identificar formas de reducir costos, limitar las emisiones y respaldar nuevas tecnologías ecológicas. 

También hay razones para utilizar tecnología inteligente para mantenerse a la vanguardia de la tecnología. A medida que los nuevos activos habilitados para IA y los agentes autónomos se vuelven comunes, es fácil que los equipos se queden atrás. La gestión inteligente de datos ayuda a identificar áreas de mejora y sugerir formas de garantizar la preparación operativa. 

Mejores prácticas para crear datos inteligentes en la fabricación

Sentar las bases para los datos inteligentes en la fabricación comienza con cinco prácticas recomendadas: 

1. Defina objetivos comerciales y operativos claros:  Los datos inteligentes ofrecen claridad, pero sólo si sabes lo que estás viendo. Comience con inteligencia empresarial y objetivos operativos claros. ¿Está buscando mejorar el rendimiento de la máquina? ¿Mejorar la calidad de la salida? ¿Reducir los tiempos de respuesta de mantenimiento? Comprender el objetivo final ayuda a definir el punto de partida. 

2. Estandarizar definiciones y métricas de datos:  Cree métricas y definiciones consistentes para el procesamiento de datos. Esto significa conectar los puntos en KPI como el tiempo medio de reparación (MTTR), el tiempo medio entre fallas (MTBF) y la efectividad general del equipo (OEE) para garantizar que los datos sean interoperables. 

3. Céntrese en la calidad de los datos sobre la cantidad:  Más datos no significa mejores datos. Siempre que sea posible, elija datos de mayor calidad en lugar de mayores cantidades de información. Por ejemplo, las lecturas precisas de temperatura tomadas cada 10 minutos son más valiosas que las estimaciones aproximadas recopiladas cada 30 segundos. 

4. Integrar datos entre sistemas:  Los datos aislados no son inteligentes. Para maximizar el conocimiento, integre datos en sistemas como CMMS, gestión de activos empresariales (EAM) y planificación de recursos empresariales (ERP). 

5. Crear colaboración multifuncional:  Garantice el acceso colaborativo a datos inteligentes para ayudar a crear estrategias viables. Esto incluye operadores, personal de mantenimiento, líderes de producción, profesionales de tecnología y líderes corporativos. 

Los datos inteligentes convierten la información en acción

Big data ofrece volumen. Los datos inteligentes ofrecen valor. Ambos son necesarios para las operaciones de fabricación basadas en datos. Big data prepara el escenario para el análisis de tendencias y el cumplimiento normativo a gran escala, mientras que los datos inteligentes ayudan a las empresas a mejorar el rendimiento, la confiabilidad y el control de costos. 

Convierta la información en acción con análisis en profundidad. ATS ayuda a los fabricantes a aplicar datos inteligentes para mejorar la confiabilidad, el rendimiento y la toma de decisiones. Hablemos. 

Referencias

Instituto IBM para el Valor Empresarial. (2022). Fabricación 4.0:de los datos a las decisiones. IBM. https://www.ibm.com/thinkt-leadership/institute-business-value/en-us/report/manufacturing-4-0