Egicon logra reducción del 80 % en reparaciones con automatización en tiempo real

Egicon, un fabricante italiano de electrónica, utilizó herramientas emergentes de analítica de datos para automatizar completamente su producción a partir de 2017. En el camino, redujo las tasas de reparación en un 80 %, eliminando desechos, mejorando el soporte de garantía y reduciendo el tiempo de entrega para informes de calidad a tiempo real desde un mes.

Con sede en la región de Módena, Italia, Egicon produce unidades de control electrónico, cuadros de instrumentos e interfaces hombre-máquina para los sectores automotriz, agrícola, biomédico y aeroespacial.

Egicon integró el software Valor y Opcenter Execution Electronics IoT de Siemens en sus sistemas de producción y calidad, permitiendo monitorización continua y la capacidad de proporcionar a los clientes mejor soporte de garantía y datos de trazabilidad.

"Fuimos capaces de reducir nuestra tasa de reparación de 30 partes por millón a 6, y logramos una tasa de desecho del 0 % en 2019", dijo el gerente de producción de Egicon, Michele Magri, en un caso de estudio publicado. "Ahora puedo obtener actualizaciones instantáneas en todos nuestros procesos de manufactura sin salir de mi escritorio. Puedo dedicar mi tiempo a innovación y mejoras."

Otros fabricantes de software también reportan resultados significativos.

El software Proficy de GE Digital ha ayudado a fabricantes en numerosos sectores a lograr una multitud de beneficios, incluyendo reducción del 90 % en desperdicios, $5 millones en ahorros de mejora de calidad, y disminución del 80 % en tiempo de inactividad, dijo Cobus van Heerden, gerente senior de producto para analítica y software de aprendizaje automático de GE Digital. Una empresa obtuvo información clave en horas sobre cómo controlar sus químicos de desaguado para obtener la mejor calidad.

FactoryTalk Innovation Suite, una oferta conjunta de Rockwell Automation y PTC, ayudó a Rockwell a lograr un aumento del 33 % en eficiencia laboral, un aumento del 70 % en salidas, y una reducción del 50 % en tiempo de formación, según un caso de estudio publicado.

Estas y otras herramientas emergentes de analítica de datos están superando las limitaciones y barreras de sus predecesoras.

Hacer la analítica más accesible

Una barrera significativa en el pasado fue que las herramientas que ofrecían beneficio potencial permanecían sin usar, dijo Izik Avidan, gerente de unidad de negocio, analítica de manufactura digital, Siemens Digital Industry Software.

Más del 80 % de los proyectos de analítica avanzada fallan, dijo, una afirmación respaldada por investigaciones de Gartner y otros.

"El problema principal con las herramientas de analítica de datos del pasado —desde la perspectiva de los fabricantes— fue el hecho de que permanecieron herramientas", dijo Avidan. "Muchos proveedores de plataformas y soluciones no se dieron cuenta de que el fabricante promedio no poseía todas las habilidades necesarias para utilizar completamente estas herramientas. La herramienta entregaba la función para la que fue diseñada pero el proyecto general probablemente falló. Tienes que poder tender un puente entre el lenguaje de manufactura y todas estas nuevas tecnologías. El cliente de manufactura no posee estos conjuntos de habilidades."

"Históricamente, realmente necesitabas un doctorado en matemáticas o ciencia de datos para obtener valor de la analítica", dijo van Heerden. "Necesitas poner la analítica en manos de tu gente operativa existente. No puedes ir al cliente de manufactura y decir: 'Necesitas reciclar a tu gente o contratar gente nueva para beneficiarte de la analítica'. La clave es hacer la analítica accesible a ingenieros de proceso y operadores de línea."

"Las herramientas fueron diseñadas para los expertos, para hacer un desafío difícil más fácil para los expertos en lugar de simplificar sus trabajos", dijo Ed Cuoco, VP de estrategia y soluciones en PTC. Muchas herramientas también requerían un científico de datos in situ. El resultado final: "Estas herramientas no eran adecuadas para grandes fabricantes, que típicamente no tienen sus propios científicos de datos", dijo Cuoco.

Nueve barreras adicionales del pasado

Otras barreras, según Avidan, Cuoco y van Heerden han sido:

Fallo en entender y abordar los puntos de dolor de los fabricantes.

Herramientas que requerían a los fabricantes reemplazar equipos heredados costosos.

Falta de acceso a los datos necesarios para derivar información, a menudo porque esos datos estaban en sistemas aislados, a veces llamados datos oscuros. Entre el 60 % (Forrester) y el 97 % (Gartner) de los datos recolectados permanecen sin usar.

Datos que no podían combinarse fácilmente con otros datos.

Datos que eran difíciles de limpiar, formatear y preparar.

Herramientas que asumían que los datos cumplían un estándar de alta calidad, requiriendo un experto para mejorar la calidad de datos en muchos casos.

Falta de herramientas de analítica que permitan a los gerentes actuar.

Herramientas de analítica que eran demasiado difíciles de usar para el operador promedio.

Herramientas que no podían escalarse más allá de un piloto o demostración inicial.

Un nuevo día amaneciendo

Las herramientas de hoy ofrecen tiempo rápido a valor, operación más fácil y escalabilidad. Cada vez más, los proveedores de software de manufactura entienden que sus clientes necesitan plataformas que combinen varias herramientas e integren bien en el piso de taller, dijo Avidan.

"Ahora estamos viendo más éxito en herramientas de analítica superando esas barreras", dijo van Heerden. "Las herramientas que estamos proporcionando están mostrando evidencia de valor rápido."

Los fabricantes de software están diseñando herramientas y plataformas que funcionarán en fábricas que usan máquinas de 40 años, así como de dos años, dijo Cuoco. "Estas herramientas necesitan funcionar en un entorno real", dijo. "Esa es la clave de la aplicabilidad en una fábrica. Eso permite a una fábrica aprovechar cosas dentro de su poder sin pedirles que sean buenas en cosas que no están en su ámbito."

Las herramientas emergentes ofrecen la capacidad de acceder, almacenar y manejar los datos, la disponibilidad de un experto en la materia in situ o disponible remotamente, con un bajo costo de propiedad que no requiere demasiados servidores adicionales o recursos en la nube, que son fácilmente configurables, personalizables y capaces de proporcionar algún valor inmediato, dijo Avidan.

"Hoy en día, la mayoría de las empresas de software entienden que echar algunas soluciones de aprendizaje automático en el piso de taller no resolverá sus problemas de calidad", dijo. "Ahora, están proporcionando soluciones llave en mano completas, que probablemente sea el cambio de juego."

"Mi profesión vive dentro de esa tensión en intentar proporcionar una solución lista para usar y también entender que la solución necesita ser personalizada, esa flexibilidad para adaptar la solución para optimizar la necesidad del fabricante", agregó Avidan. "En los últimos cinco años, hemos visto más y más proyectos híbridos, que son tanto plataformas como herramientas, combinadas con software específicamente adaptado para el tipo de industria."

La industria aún no ha llegado al punto donde las herramientas funcionen fuera de la caja, similar a un iPhone, dijo Cuoco.

"Fuera de la caja es la dirección", dijo. "Fuera de la caja es la meta. Estamos empezando a madurar lo suficiente en nuestras soluciones para ver un punto donde eso llegará a ser."

Estas herramientas, a veces combinadas con un ingeniero de manufactura experimentado, pueden ayudar a los fabricantes a mejorar rendimiento y mantenimiento predictivo e integrar control de calidad en producción, dijo Avidan.

Las herramientas también están "yendo más allá de alertas" que dejan a un humano actuar para convertirse en más de bucle cerrado —donde la herramienta misma puede tomar acciones de control seguras en tiempo real, permitiendo a una planta ganar o mantener productividad optimizada, dijo van Heerden.

En lugar de ofrecer analítica como meramente un componente de una oferta, más proveedores de software de manufactura están ofreciendo analítica en soluciones que abordan casos de uso específicos, dijo Cuoco.

"Si presentaras a un ingeniero de manufactura experimentado patrones de datos en un conjunto de datos o una lista de conclusiones que ha visto antes, él será capaz de convertir fácilmente esos datos en acciones que el operador, gerente de línea, o dueño de la fábrica pueden tomar y mejorar dramáticamente los resultados", dijo Avidan. "Con esa solución llave en mano podemos abordar la mayoría de desafíos en días u incluso horas."

Aún mejor será cuando más conocimiento experto de dominio pueda añadirse a estas herramientas, dijo Cuoco. "Cada vez más conocimiento de dominio específico necesita ser incrustado", dijo. "¿Cómo podemos poner al experto y la máquina juntos y que ambos entiendan el problema? La máquina tiene que ser capaz de decir: 'Soy capaz de factorizar parámetros específicos de este dominio.'"

La analítica también está mejorando a medida que se aplica a lo largo de la cadena de suministro desde proveedores de materia prima, a transportistas, a fabricantes a clientes finales, dijo van Heerden.

Algunos desafíos permanecen

Todavía se necesitan refinamientos que hagan las herramientas más fáciles de construir, así como herramientas diseñadas para que las máquinas hagan más del trabajo, dijo Cuoco.

Los costos definitivamente necesitan caer más para que la tecnología sea accesible a fabricantes pequeños y medianos que enfrentan problemas similares, dijo Avidan.

Se necesitan más estándares para que los fabricantes puedan integrar más fácilmente tecnología de diferentes proveedores, dijo.

"Tenemos que entender que ya hay mucho software en el piso de taller", dijo Avidan. "Cualquier solución que quieras introducir en ese ecosistema tendría que integrar bien y sin problemas en estas soluciones de TI ... para que si tienes un elemento de acción que necesita empujarse de un sistema de ingeniería a otro, pueda hacerse dentro de una sola cartera. Esa es una de las cosas más importantes que puedes hacer."

A medida que los estándares e interfaces se vuelven más abiertos, la integración se volverá más fácil, dijo van Heerden.

Elegir socios

Para tener éxito, asóciese con un proveedor industrial confiable que ofrezca un producto integral, dijo van Heerden.

"Muchos vendedores de analítica ofrecen soluciones que pueden resolver parte del problema. Algunos pueden analizar datos", dijo. "Algunos pueden hacer predicciones. Algunos pueden ejecutar simulaciones. Otro puede optimizar un ajuste. Asóciese con proveedores confiables que no desaparecerán mañana y que puedan ofrecer todas estas capacidades en un solo producto."

Los fabricantes que buscan perfección inmediata e integración completa deben reducir expectativas a favor de un enfoque paso a paso. "No tomen un enfoque de 'big bang' para adoptar tecnología hasta que todos los sistemas sean perfectos", dijo. "Recomiendo un enfoque rápido e incremental. Equipen a la gente de operaciones con herramientas fáciles de usar para que puedan obtener valor incremental rápido."