Blog
¿Ya estás familiarizado con el concepto de la industria 4.0? ¿Y sobre mantenimiento 4.0, has escuchado algo al respeto?
En ese post, vamos a señalar las oportunidades y los retos de la implementación del mantenimiento 4.0 desde la perspectiva de la industria brasileña. Pero, antes de que empecemos, vamos a entender mejor algunos conceptos relacionados a la trayectoria de la Industria 4.0.
Pensando en la maduración de la tecnología 4.0 en las empresas a lo largo del tiempo, se pueden destacar como ítems primordiales, y subsecuentes, las siguientes etapas:
Al entender que existen estas etapas para llegar a la madurez en lo 4.0, se puede señalar los retos y las oportunidades particulares de cada una de ellas.
El primer paso, la digitalización, consiste en traer a la perspectiva de los sistemas digitales el máximo de datos posibles con relación al proceso productivo y sus activos. Entre los cuales, podemos ejemplificar: parámetros del proceso (set up de la maquinaria), indicadores de anomalías (salud de los activos), indicadores de disponibilidad de los activos, control de calidad del proceso, entre otros.
Para posibilitar la entrada en este contexto de transformación digital de la empresa, es fundamental la aplicación de buen(os) sistema(s) de monitoreo y recolección de datos, utilizando, por ejemplo, sensores digitales que recolecten datos del proceso y del funcionamiento de los activos, al paso que consideramos la digitalización de datos esenciales provenientes de la observación/análisis de seres humanos, como pueden ser las anomalías encontradas en una inspección sensitiva en la planta de producción.
No cabe duda de que esta perspectiva de entrada en la digitalización planteará algunos retos. Son ellos:
Cultura/resistencia organizativa: ya hemos comentado, en textos aquí del blog, lo resistentes que poder llegar a ser las personas y los equipos con respeto a nuevas tecnologías y procesos. En muchos lugares, todavía impera la cultura del papel y tabla sujeta papeles, o la recolección manual de datos. Las nuevas tecnologías siempre encontrarán barreras iniciales y la cultura organizativa puede suponer un freno para la digitalización si no se la gestiona con cuidado.
Personas capacitadas: sin personas, no hay transformación. La incorporación de personas con experiencia, la inversión en formación y el desarrollo de capacidades internas pueden ser formas de garantizar que el proceso de transformación sea innovador y esté bien estructurado.
No saber por dónde empezar: hay una enorme cantidad de tecnologías y opciones en el mercado. Una buena manera para empezar es estudiar los principales procesos internos e identificar los que son más críticos, que generan más repeticiones de trabajo o que, de alguna manera, puedan aportar el mayor y mejor resultado con su digitalización. Priorizar es la palabra clave aquí.
Disponibilidad de señal/conectividad: cuando se trata de automatización en la recolección de métricas relevantes para el monitoreo de la salud del proceso, la conectividad en regiones más remotas también puede ser un desafío en la implementación de programas de digitalización. Es importante involucrar al equipo de TI desde el principio para garantizar que no haya sorpresas en este contexto.
Una vez superados los retos que supone entrar en esta fase de digitalización, la siguiente etapa de maduración de la industria 4.0 es la visualización de la información.
La etapa de visualización de la información es la que tiene la finalidad de apoyar la interpretación del escenario del activo/proceso, partiendo de “lo que pasó” (datos) llegando hasta “lo que está pasando” (información).
En esta etapa, los datos obtenidos deben trabajarse para que se presenten de la forma más clara y sencilla posible, con el fin de que se transformen en información útil para que sean consumidos.
El principal reto en esta fase es la descentralización de los datos. Es común que las empresas dispongan de varios sistemas de adquisición de datos desacoplados, con análisis individuales y no correlacionados, lo que da lugar a visiones centradas en la herramienta/método de adquisición de datos y no centradas en el activo/proceso, como debería ser.
Las oportunidades para soslayar este reto suelen basarse en integraciones entre sistemas y disciplinas de monitorización, situando el activo/proceso en el centro y orbitando a su alrededor herramientas de monitoreo que presenten los datos a través de gráficos, dashboards e informes personalizados de la forma más clara e intuitiva posible.
En suma, aquí hay que trabajar para darle sentido a los datos, transformándolos en información centralizada y pertinente.
Sabiendo “lo que ha pasado” y “lo que está pasando” (Digitalización de Datos y Visualización de la Información, respectivamente) se puede proceder al “¿qué pasará?”. Y es en este tercer nivel de madurez de la Industria 4.0 donde se presenta el concepto de predicción.
Aplicando buenos modelos analíticos a la información recolectada, se pueden mapear y comprender los comportamientos con respecto al funcionamiento del activo/proceso y, de este modo, se puede empezar a predecir lo que le pasará al activo.
La mayoría de los retos de la etapa de predicción se encuentran en la falta de correlación entre los análisis aplicados. En esta etapa, incluso con datos centralizados, existe el riesgo de que el análisis no tenga en cuenta los frentes correlacionados, resultando en un comportamiento individual compatible solo con los datos de input del análisis. Así, cada procedimiento/herramienta de medición genera una predicción del comportamiento individual como si fueran independientes entre sí. Sin embargo, se sabe que existen numerosas interdependencias entre los procesos/componentes y que la correlación entre los análisis es fundamental.
En esta perspectiva de problemas en la conexión de los análisis se puede enumerar como “antídoto” la aplicación de conceptos tecnológicos/innovadores como Digital Twins. Este concepto refleja la realidad del equipo en un entorno virtual, de forma que la máquina real y su “gemelo digital” están en constante comunicación. Simulando, por lo tanto, el comportamiento del activo de forma más completa y correlacionada, lo que posibilita predecir con más asertividad el estado del activo/proceso y, consecuentemente, corresponder a la etapa de predicción.
En esta fase también es importante aliarse con socios de calidad que dispongan de conocimientos técnicos para desarrollar conjuntamente modelos de predicción. Hay que evitar las soluciones milagrosas y los métodos generalistas que prometen funcionar para todo tipo de activos y procesos.
Una vez se entienda que de nada vale prever el comportamiento de un activo/proceso sin que se tome una acción que evite y/o amenice los efectos negativos de dicho comportamiento, alcanzamos la cuarta etapa de madurez 4.0, la etapa de prescripción.
En la prescripción, el objetivo es determinar qué acción/reacción se debe tomar frente a un problema encontrado/previsto. Y, en esta etapa, se encuentra el verdadero valor de las aplicaciones 4.0, pues los efectos de la falla y desvíos de proceso van a ser atenuados, lo que puede prolongar la vida de activos y mejorar los procesos productivos.
El reto en este paso es la necesidad de que se conozca con propiedad las particularidades de los activos y de los procesos. Ese conocimiento es fundamental tanto para la creación de reglas lógicas que entreguen un plan de acción a partir de los comportamientos previstos, como para la validación de los modelos de ML que prometen generar laudos y planes de acción sobre las condiciones.
Con el fin de superar los desafíos mencionados, es importante en esta etapa tener en cuenta la opinión y experiencia de personas clave, con años de experiencia en el área/proceso. Estas personas serán relevantes en la validación de las detecciones automatizadas, así como en la asertividad de las prescripciones realizadas. El proceso de ajuste de los modelos de detección en función de la opinión y la experiencia de estas personas clave garantizará la retención de los conocimientos en la organización y reducirá la dependencia del personal.
Por ende, se entiende que los retos y oportunidades de la Industria 4.0 y el Mantenimiento 4.0 varían en función del momento/madurez de cada empresa dentro de este contexto.
Dynamox dispone de una solución completa que puede ayudarte en todas las etapas comentadas a lo largo de este texto, desde el proceso de digitalización (con sensores y gateways para recolección automatizada de datos y la app para registro de inspecciones sensibles), pasando por la visualización de la información (con plataforma web y dashboards de análisis de datos), hasta las etapas de predicción y prescripción (con aplicación de detección automatizada en activos, así como herramientas de predictibilidad y posibilidad de acciones recomendadas).
¿Le gustó este artículo? Siga navegando por el blog y lea “Los sensores contribuyen a reducir los incendios en las cosechadoras de caña de azúcar”.
Success cases
Real cases of partners using the Dynamox Solution
Don't miss Dynamox's latest news and updates