Transformando Equipos de Fabricación Digital con Insights de Datos en Tiempo Real

La cuarta revolución industrial ha proporcionado la oportunidad de obtener enormes cantidades de datos en tiempo real de procesos de fabricación, y el potencial para que casi cualquier superficie se transforme en sensor para recopilación de datos. Pero, ¿esta riqueza de datos proporciona el conocimiento que los equipos digitales necesitan para optimizar sus actividades?

En este vídeo, Alexander Hill y Rob Russell de Senseye se unen a la Dra. Hannah Edmonds del Manufacturing Technology Centre, Jim Davison de Make UK y Peter Gagg de MCP Consulting Group, para discutir qué datos deben recopilar los fabricantes y cómo, cómo los conjuntos de datos existentes pueden reutilizarse para impulsar nuevos insights y mayor valor, y cómo procesos como el mantenimiento pueden rediseñarse para satisfacer las necesidades de los ingenieros en planta.

Transcripción

Alexander Hill, Senseye: Me encantaría decir que es tan simple como 'tienes los datos y listo'. Desafortunadamente, vemos que muchas organizaciones tienen demasiados datos. Así que averiguar cuáles son los datos correctos y qué necesita entender de esos datos es el reto.

Dra. Hannah Edmonds, Manufacturing Technology Centre: Hay un reto que viene con tener una riqueza de datos, podemos llegar a una etapa de saturación de datos – demasiado de algo bueno.

Rob Russell, Senseye: Desde la perspectiva de mantenimiento predictivo, lo clave es recopilar datos de monitorización de condición con los que podamos evaluar el estado de máquinas. Pero tan importante como esa información de sensores, es realmente importante que los datos se recopilen con contexto y en un punto apropiado en el tiempo.

Dra. Hannah Edmonds: La monitorización de condición y analítica pueden habilitar un enfoque más proactivo al mantenimiento. No es solo esperar a que ocurra un error, sino intentar identificar cuándo la condición de equipos se deteriora con el tiempo.

Podemos instrumentar equipos, recopilar datos, luego monitorizar sus operaciones para obtener insights de producción para prevenir este fallo – intervenir antes del problema.

Peter Gagg, MCP Consulting Group: El primer pensamiento de todos es que datos de sensores es todo lo que necesita para empezar un programa de mantenimiento predictivo. Sin embargo, hay muchos otros tipos de datos que ya existen en un negocio.

Datos de sistemas de gestión de edificios, historial de equipos, datos de PLCs, sistemas de ejecución de fabricación (MES), sistemas OEE, etc. Junto con los habituales vibración, temperatura, presión, caudal, corriente y voltaje.

Realmente se trata de unirlo todo, identificar los parámetros que realmente necesita usar dentro del régimen predictivo, y ver cómo están todos interconectados.

Jim Davison, Make UK: Todo se trata de entender realmente los parámetros críticos dentro de su proceso, maquinaria o producto. Entender qué entradas pueden impactar si una pieza es buena o mala, o una máquina puede correr a capacidades nominales de forma fiable y repetida.

Una vez que puede entender eso, y conoce su proceso, puede capturar los datos que son importantes y pueden influir en los parámetros que busca. Luego mostrarlos de forma útil.

Alexander Hill: En equipos industriales modernos, hay muchos datos ya disponibles y ya capturados. Cosas como corriente, temperatura, presión, tiempos de ciclo. Estas son cosas que realmente pueden usarse para propósitos de monitorización de condición pero a menudo no lo son – en su lugar solo se usan para controlar el proceso.

Podemos tomar estas mediciones y usarlas para entender la salud de la máquina. Construimos modelos de las máquinas automáticamente, usando los datos disponibles. Luego ayudamos a nuestros clientes a entender a qué necesitan prestar atención desde la perspectiva de la máquina. Sin decir 'mire todos estos datos en bruto', realmente nos los quitamos, los abstraemos, y nos aseguramos de que puedan entender qué activos – de entre cientos y miles – necesitan prestar atención.