Los retos de gestionar los datos capturados de una planta de producción

Con el tiempo, la mayoría de los propietarios de fábricas se dan cuenta de que la captura de datos es sólo el primer paso para optimizar un proceso específico, y que la necesidad de definir una estrategia de Industria 4.0 para implementarla es igual de importante.

La mera escala de los conjuntos de datos capturados de la planta de producción media ha demostrado ser desalentadora para quienes implementan por primera vez las herramientas de captura de datos. En algunos casos, los propietarios de fábricas simplemente permiten que sus soluciones de captura de datos, como el Internet industrial de las cosas (IIoT), funcionen en segundo plano durante unos meses antes de decidir qué hacer con todos estos datos. Al final, muchos simplemente pasan por alto los datos y se centran en las formas convencionales que se han aplicado para ejecutar los procesos industriales durante décadas.

La avalancha de datos procedentes de las tecnologías digitales desplegadas en el taller puede hacerse menos desalentadora creando planes o estrategias claros y procesables sobre qué hacer con los datos capturados. Los 8 principales modelos o conceptos de negocio de Industrie 4.0 proporcionan una base sólida para aprovechar los datos de la planta de producción. Las aplicaciones más populares de las estrategias de captura de datos se centran en el mantenimiento predictivo, la optimización del rendimiento de la planta basada en datos y la optimización de la utilización de las máquinas.

En las estrategias de mantenimiento predictivo, los datos históricos de la máquina o el equipo desempeñan un papel importante a la hora de comprender la causa de las averías o el rendimiento del equipo para elaborar un programa de mantenimiento. Así, para el mantenimiento predictivo, ninguna cantidad de datos capturados del taller puede considerarse abrumadora, ya que aportan contexto a cada fallo inesperado de los equipos en la planta de producción.

Las estrategias de optimización del rendimiento de la planta basadas en datos se basan en diversos grupos de conjuntos de datos que incluyen datos de utilización de máquinas, datos de rendimiento, datos de inventario y datos de manipulación de materiales. La captura de los conjuntos de datos declarados de estos diversos procesos conduce a la necesidad de analizar big data. En este escenario, se requerirá un analista de datos experimentado para dar sentido a los datos capturados para optimizar los procesos interrelacionados necesarios para maximizar la eficiencia de las operaciones de toda una planta. Se recomienda buscar la ayuda de expertos externos para analizar los datos de procesos complejos.

Asumir el coste de la agregación de datos

El coste de almacenar, gestionar y analizar los conjuntos de datos que capta la tecnología digital puede calcularse a partir de la cantidad de datos recogidos en las instalaciones industriales. Si hay que capturar y almacenar datos históricos de meses o años, se necesitarán recursos informáticos y de almacenamiento flexibles para realizar el trabajo. Según McKinsey Digital, el 45% de los proyectos de TI superan los presupuestos recomendados o propuestos.

Los datos capturados deben almacenarse y analizarse adecuadamente para sacarles el máximo partido, y ambos procesos cuestan dinero. El coste medio de almacenar un terabyte de datos es de 3.085 euros al año y una fábrica industrial media produce aproximadamente 347,56 TB anuales. Este coste operativo adicional por el simple hecho de almacenar los datos de la fábrica es considerado caro por muchas empresas industriales.

El coste del almacenamiento de datos no tiene en cuenta el salario de un analista de datos a tiempo completo o parcial ni el coste de instalación y configuración de las herramientas de captura de datos. En resumen, uno de los principales problemas de la Industria 4.0 es el coste de capturar, almacenar, gestionar y analizar grandes conjuntos de datos.

Concepción de un análisis de datos y estrategia de implementación

Según Cisco, la falta de una alineación interna es una razón principal de porqué los IT y la implementación de los IoT fallan. Sin una estrategia de implementación, los datos analizados pueden ser utilizados para optimizar piezas unitarias del equipamiento sin tener en cuenta toda la foto. En las instalaciones industriales, la foto grande se refiere a la producción completa y los procesos interrelacionados.

Para obtener ventaja de las tecnologías de transformación digital y la captación de datos que lo permiten, la estrategia debe establecerse antes de la compra de una solucón IIoT o cualquier otra transformación digital hardware/software. La estrategia de concepción informará de la solución del proceso de compra y de la habilidad para aprovechar los datos capturados.