Industria 4.0
Casos de éxito
Analytics
Extrae el valor
Eficiencia
Ahorra Costes
Contáctanos

Mejora de la Eficiencia Operativa

Maximiza la eficiencia de tu producción monitorizando el Big Data

¿A que nos referimos con mejorar la eficiencia?

En los últimos años, diversas empresas del sector han obtenido mejoras de la productividad, en términos de calidad y eficiencia, mediante la introducción de métodos para el análisis de datos y la generación de indicadores sobre la producción. Uno de los indicadores más populares con dicho fin es el Overall Equipment Efficiency (conocido por sus siglas OEE) o eficiencia general de los equipos.

El OEE aglutina y relaciona en un único valor conceptos relevantes de la producción industrial como son la disponibilidad, la eficiencia y la calidad. En términos prácticos, si un equipamiento posee un OEE del 50%, indica que, si el máximo de piezas correctas que se pueden producir en un rango determinado, por ejemplo, un mes, es de 100, únicamente se han producido correctamente la mitad. Esta carencia puede deberse a que la máquina se detuvo por algún mantenimiento o avería (disponibilidad), no fue configurada al máximo de su rendimiento (eficiencia) o, simplemente, ha generado un número elevado de piezas defectuosas (calidad).

En el marco de la Industria 4.0 se abren nuevos horizontes con respecto al valor que aportan estos indicadores para la toma de decisiones. Más importante que conocer el OEE, resulta fundamental analizar cual será su tendencia futura o cómo mejorarlo en función de las causas que estén propiciando un valor poco óptimo. Resolver estas cuestiones requiere del uso de Big Data Analytics para desentrañar entre el gran volumen de datos, las razones y no sólo calcular los porcentajes, es decir evolucionar de un análisis meramente cuantitativo a un análisis cualitativo.

¿Qué aporta el Big Data Analytics?

Visión Global

En la actualidad las tareas realizadas en el proceso son optimizadas en función de las decisiones tomadas por los operadores o supervisores en base a su experiencia. Sin embargo, en estas decisiones no se tienen en cuenta el estado global de toda la planta de producción.

Influencia de factores externos

Dos equipamientos industriales similares, pueden estar expuestos a condiciones de trabajo totalmente diferentes incluso en la misma fábrica o planta. Los factores externos suelen ser obviados ya que los indicadores suelen centrarse únicamente en el contexto que rodea al equipamiento industrial a medir.

Retroalimentación

Al finalizar el proceso de producción, la calidad obtenida puede proporcionar retroalimentación sobre la operativa de la máquina y mejorar su eficiencia. No obstante, este ciclo de retroalimentación no se suele implementar por su alto coste.

Evitar valores erróneos

Las redes de sensores no son inmunes a los fallos, con lo que pueden enviar valores erróneos a los indicadores de decisión. Normalmente, no se cuenta con el software para controlar la posibilidad de valores de lectura erróneos.

Recomendaciones

Habitualmente el equipamiento industrial “obedece” a las acciones planteadas por el operador, a pesar de que la acción pueda ser contraproducente, sin sugerir o recomendar mejoras para maximizar la productividad o la calidad.

Veracidad en las pruebas

Los algoritmos de aprendizaje se implementan y entrenan con un conjunto de datos de prueba. Sin embargo, en entornos reales, el volumen de información es mucho mayor y no existe un proceso de re-entrenamiento para aportar flexibilidad y robustez