La analítica aplicada a la industria vive en un proceso de continua mejora y adaptación a los nuevos tiempos. De aquí que la industria no queda ajena a la revolución del Big Data y el Business Analytics. Por ello, os contamos cómo puede una empresa del sector industrial puede aumentar su productividad y sacar el mayor rendimiento.
¿QUÉ ES EL ANALYTICS INDUSTRIAL?
La analítica aplicada a la industria o los Analytics en el sector industrial están en un proceso de informatización y robotización, donde se generan infinidad de datos (máquinas, sensores, vehículos, accesos, etc.). La explotación de estos datos para optimizar al máximo los recursos: espacio, energía, materias primas, mantenimiento… es la clave para llegar a tener una producción plena, logrando la mayor productividad con el mayor rendimiento. Analytics es todo el conjunto de soluciones de analítica para procesos industriales cuyo objetivo es extraer los datos de las máquinas y procesos industriales para organizarlos, contextualizarlos y prepararlos para su consumo.
Las soluciones Analytics tienen tres objetivos principales:
- Extraer y almacenar datos de los sensores.
- Organizar la información.
- Contextualizar los datos para los usuarios que los consumirán.
Pasar de tal volumen de datos generados a una información práctica que lleva a tomar decisiones como (Siguiente producto a fabricar, volumen de fabricación, mantenimientos, compra de materias primas, configuración de los sistemas, etc.), es la clave para llegar a tener un proceso de producción pleno y controlado. Logrando en todo momento la certeza que estamos produciendo lo que el mercado va a requerir, de la manera más óptima y económica.
CONTEXTO ACTUAL HACIA LA INDUSTRIA 4.0.
La mayoría de los fabricantes ya han efectuado los cambios más obvios en un esfuerzo por racionalizar sus operaciones. ¿Cómo? Usando métodos tradicionales para extraer la mayor productividad posible de sus plantas y cadenas de suministro.
Pero existe un activo muy significativo que los fabricantes aún no han optimizado: sus propios datos. Las industrias de procesos generan enormes volúmenes de información, pero hasta el momento muchas no han sabido explotar esta montaña de inteligencia potencial. Históricamente, los fabricantes han estado retrasados con relación a otras industrias en lo referido al desarrollo de sus capacidades tecnológicas. Pero gracias a la disponibilidad de poder de cómputo más económico y al rápido avance de las oportunidades analíticas, ha llegado el momento de que los fabricantes pongan a trabajar esos datos, reuniendo información de múltiples fuentes y sacando provecho de modelos de aprendizaje automático y plataformas de visualización para descubrir nuevas maneras de optimizar sus procesos, desde el abastecimiento de materias primas hasta la venta de productos terminados.
APLICACIONES DE LA ANALÍTICA EN LA INDUSTRIA
Las utilidades de Analytics son muchas, vamos a segmentar y ver las principales aplicaciones:
- Optimizar los costes de producción, ya que permite detectar pérdidas de eficiencia, energía y productividad a cualquier nivel de la cadena de producción. Lleva al máximo rendimiento y productividad. Lograr una mayor eficiencia energética y optimización materias primas.
- Mantenimiento predictivo de las máquinas que forman parte de la compañía. Se puede conocer el estado de salud de los activos críticos, predecir sus fallos y anticiparse a ellos.
- Control y optimización del proceso productivo para evitar cualquier tipo de error que conduzca a ineficiencias producidas por fallos en el funcionamiento de la cadena de distribución o el proceso productivo. Definir dinámicamente la configuración óptima.
Gracias al Advanced Analytics se logran mejoras de los márgenes de EBITDA de hasta el 4%.
Se pueden potenciar iniciativas de mejora continua en momentos donde los fabricantes parecían haber agotado todas sus opciones para aumentar la productividad. Además, constituyen una palanca de ventaja competitiva, incluso para compañías con capacidad excedente, al ayudarlas a gestionar mejor sus sistemas de producción y a reasignar los recursos en forma óptima y en tiempo real.
CASO DE ÉXITO EN LA INDUSTRIA QUÍMICA
Una compañía química global experimentaba alta variabilidad y bajos niveles de producción en una de sus plantas europeas. El horno de monómeros presentaba tasas de producción muy variables, y un nivel de producción sub-óptimo. Los sensores de la planta habían reunido una gran cantidad de datos a lo largo de 615 días de producción: 600.000 muestras, cada una con 63 parámetros, lo que hacía un total de casi 40 millones de puntos de datos. El análisis mediante advanced analytics identificó factores críticos y facilitó la elaboración de un modelo que cuantificó la interdependencia de las variables clave, de las cuales la compañía previamente solo conocía sus correlaciones cualitativas, e hizo posible un mejor entendimiento de todo el proceso. Una prueba llevada a cabo en el horno confirmó las conclusiones del modelo.
Los expertos de la compañía sospechaban que algunas de las palancas identificadas por el modelo podrían mejorar la productividad, pero carecían de las herramientas o de la información para confirmarlo. Con un nuevo entendimiento del proceso y de los principales factores que inciden sobre él, la compañía organizó una serie de experimentos para optimizar la producción. El resultado fue un aumento de entre el 18% y el 30%, que representó una mejora de la contribución neta de alrededor de 5 millones de euros.
¿CÓMO MOVERSE HACIA LA INDUSTRIA 4.0. CON ÉXITO?
Al igual que sucede con la mayoría de los cambios tecnológicos, las analíticas aplicada a la industria y las herramientas analíticas no son capaces de lograr las mejoras descritas por sí solas. Los fabricantes deben realizar múltiples cambios en las personas, los procesos y la tecnología. De manera muy agregada, los principales puntos a tratar son los siguientes:
-
DOMINAR LA GESTIÓN DEL DATO
Los advanced analytics requieren extraer y depurar datos estructurados. Ésta es la parte más complicada de advanced analytics, y puede consumir casi la mitad del tiempo de un Data Scientist. También exige un alto grado de experiencia en TI. Son necesarios empleados con los conocimientos necesarios para almacenar y agregar la información de los sensores.
-
COMBINAR ANALÍTICA Y NEGOCIO
Para aplicar advanced analytics a las operaciones de fabricación se requiere una combinación de Data Scientist (especialista en analítica). Y expertos en áreas de fabricación (como tecnología de procesos, mantenimiento de activos y gestión de cadenas de suministro). Además de personas que actúen como enlaces entre todos estos elementos.
-
REALIZAR PILOTOS
Una transformación analítica comienza identificando procesos específicos para realizar pilotos (problemas y oportunidades reales susceptibles de ser abordadas mediante advanced analytics). Con el objetivo de demostrar la viabilidad y el valor de la analítica y capturar los beneficios rápidamente.
Algunas compañías establecen laboratorios analíticos dentro de sus unidades operacionales, en los que equipos de especialistas multifuncionales combinan sus conocimientos analíticos con el know-how de las respectivas áreas. Estos laboratorios funcionan como plataforma de lanzamiento de nuevas iniciativas y como fuente de aprendizaje. Se deben priorizar los casos de uso de mayor valor.
-
REPENSAR LOS PROCESOS DE NEGOCIO
Un operador ferroviario utilizó advanced analytics para predecir fallas en las baterías de sus locomotoras. Pero hasta que la compañía no transformó sus procesos de mantenimiento, las notificaciones de fallas no fueron de gran utilidad. Así, la empresa debió reformular sus procesos, la distribución de sus técnicos y la cadena de abastecimiento de repuestos para lograr verdadero impacto. Esto sucede con frecuencia en entornos de fabricación donde es necesario actualizar procesos con décadas de antigüedad para que los conceptos analíticos tengan impacto concreto. Solo es posible extraer el mayor impacto de advanced analytics cuando las nuevas soluciones son integradas a los métodos de trabajo y a las operaciones cotidianas.
-
INCORPORAR GESTIÓN DEL CAMBIO
Para lograr un impacto financiero sustancial con las mejoras en analítica, los fabricantes deben tener presente el aspecto humano. Ayudar a los empleados a adaptarse a usar los datos (data-driven). Todos deben entender de qué manera estas herramientas pueden ayudarlos, para así sentirse identificados y confiar en ellas. Asimismo, los empleados necesitan saber de qué manera impactarán en sus roles y potencialmente mejorarán sus vidas. Si no existe esta identificación, el personal percibirá a las nuevas herramientas como una amenaza, y no como una oportunidad. Los fabricantes no podrán avanzar de los datos a las ideas y luego a beneficios concretos para el negocio.
SIGUIENTES PASOS
Hemos podido ver cómo gracias al análisis de datos se puede lograr una optimización de la producción dentro de las analíticas aplicada a la industria. Viendo cómo damos un paso más para lograr una ventaja competitiva que nos ayude a posicionarnos mejor que la competencia, actuar antes que nadie, predecir incidencias, optimizar la producción y los recursos, reducir gastos, etc.
Todo ello junto es lo que debe llevar a una industria a ser líder de su mercado.
El siguiente paso es contactar con nosotros para que podamos ver qué soluciones se adaptan mejor al estado actual de tu negocio, que con la mínima inversión se logre el máximo beneficio. Estaremos encantados de atenderle.
Sin soluciones de Business analytics para la industria no se puede llegar a ser el líder de mercado.
El siguiente paso es contactar con nosotros para que podamos ver qué soluciones se adaptan mejor al estado actual de tu industria, y conseguir una inversión inteligente: mínima inversión y máximo beneficio.
