Manufacturing Data Labs para la industria inteligente
Desde que se obtienen las materias primas hasta que el producto final llega al consumidor y se crea una relación con este, tienen lugar una serie de actividades interrelacionadas y que generan valor a lo largo de una cadena cada vez más inteligente.
El concepto de cadena de valor, que aparece por primera vez en el libro Ventaja Competitiva que Michel Porter publicó en 1985, es aplicable a cualquier sector económico, incluido el sector industrial, inmerso en la cuarta revolución industrial o Industria 4.0
De forma simultánea a su digitalización, las empresas industriales están incorporando inteligencia en el proceso nuclear de fabricación, así como en procesos anteriores como el aprovisionamiento de materias primas, productos intermedios o equipamiento; y posteriores, como el suministro y los servicios postventa.
Este avance parte de la premisa de que el acierto en la toma de decisiones y el diseño de estrategias para la mejora continua está directamente relacionado con la calidad de la información que se maneja y la capacidad para analizarla desde múltiples puntos de vista y en función de diferentes escenarios.
El big data y la analítica han extendido sus brazos para aportar eficiencia a todas las áreas y actividades de la cadena de valor de la industria y actualmente son piezas imprescindibles para la mejora continua de los procesos en la producción, así como en las áreas de calidad, mantenimiento, logística, compras e I+D.
Esta aplicación extensiva de la inteligencia es posible con plataformas como Smart Factory by aggity y la solución IA & Analytics Factory by aggity, que permiten extraer valor de las grandes cantidades de datos procedentes de las distintas áreas de la empresa, identificar los puntos susceptibles de mejora, así como determinar el impacto de cada mejora en el negocio, en términos de incremento de la eficiencia, reducción de costes u otros indicadores clave.
Manufacturing Data Labs
Partiendo de esa premisa, la multinacional tecnológica aggity ha desarrollado la metodología Manufacturing Data Labs como punto de partida para establecer un plan de adopción de la Industria 4.0 desde el conocimiento basado en datos. La metodología consta de tres fases denominadas momentos. La primera fase o momento exploración, facilita la compresión del impacto en la cadena de valor industrial de la digitalización, la robotización y la introducción de tecnologías de analítica e inteligencia artificial.
En la segunda fase o momento evaluación, se valoran diferentes casos de uso para definir oportunidades de optimización de la cadena de valor y empujar la transformación digital. En la tercera fase o momento movilización se priorizan estos casos según el esfuerzo de implantación y el retorno de la inversión, y se establece un plan de acción ajustado a la realidad y que asegure el cumplimiento de los objetivos.
Excelencia en extraer valor de los datos
Los beneficios de este enfoque se aprecian desde la fase de adopción, en la que la empresa industrial consigue activar los datos y hacer de ellos un activo vital; y ganan en importancia a medida que se avanza en el viaje a través de las fases de arranque y consolidación. Así, con el arranque, la empresa adquiere un conocimiento profundo y detallado de los procesos de producción, puede anticiparse a cualquier incidente con un potencial impacto negativo y está preparada para realizar un control exhaustivo y en tiempo real de la calidad, llevar a cabo un mantenimiento predictivo, y planificar y predecir la demanda.
En la fase de consolidación, no solo se multiplican los beneficios, también se abren nuevas oportunidades de negocio asociadas a la monetización de datos para la empresa, convertida en una organización “data driven”. En ese estadio es aconsejable crear un Centro de Excelencia en Analítica (A-CoE) para alimentar una toma de decisiones enfocada a la mejora continua y el diseño de estrategias que aseguren su capacidad para competir en mercados existentes y para crear mercados nuevos.
- Publicado en Industria
Manufacturing Data Labs: Cómo ganar eficiencia a partir de los datos
Manufacturing Data Lab permite a las empresas industriales de manufactura discreta o proceso conocer cómo las tecnologías de analítica avanzada (Machine Learning, Inteligencia Artificial, Natural Language Processing), se están utilizando en organizaciones de su sector, así como analizar qué beneficios se pueden extraer de su implantación .
Manufacturing Data Lab son sesiones de trabajo o workshop basados en la metodología Design Thinking
Los procesos industriales generan una gran cantidad de datos que la mayoría de las empresas no están utilizando. De estos datos, se puede extraer información y convertirla en inteligencia. El ser humano es incapaz de visualizar o procesar todos estos datos, mientras que las nuevas tecnologías, permiten identificar correlaciones, patrones o relaciones causa-efecto, con el fin de poder llegar a predecir los valores futuros de centenares de variables que están afectando a la fabricación.
En un futuro muy próximo, todas las empresas utilizarán los datos para ser más eficientes o para ayudar en la toma de decisiones. Plataformas y tecnología ya son maduras y los costes de almacenamiento y procesamiento se han reducido muchísimo con el cloud. Los datos se producen de forma espontánea en los procesos productivos, solo es necesario registrarlos y analizarlos en conjunto con todos los orígenes de datos que tiene la compañía (Historizador, MES, SCADA, ERP, LIMS, etc.), para que nos den información y nos ayuden a ser más eficientes.
Objetivos de Manufacturig Data Labs
Las sesiones de Manufacturing Data Labs están dirigidas a directivos, mandos intermedios y /o personal técnico. Uno de sus objetivos principales es dar a conocer las posibilidades que ofrece hoy en día la analítica avanzada a las empresas industriales, explicando qué son estas tecnologías, casos de uso y experiencias que se están llevando a cabo en empresas de su sector.
El uso de la analítica avanzada en la industria es totalmente transversal a todas las áreas de la compañía (Producción, Calidad, I+D, Mejora Continua o de Procesos, Mantenimiento, Compras, Logística), por lo que permite que se pueda aplicar tanto en un área específica como en varias al mismo tiempo.
Otro de los objetivos importantes de los Data Labs es identificar casos de uso específicos o puntos donde se podría mejorar mediante la aplicación de estas tecnologías, incluyendo que impacto tendría dicha mejora.
En estas sesiones de trabajo, es imprescindible que por parte de la consultora que los imparte, participe personal con conocimientos y experiencia tanto del mundo industrial, como de análisis de datos.
Por último, se elabora un plan de ruta o de adopción incluyendo la analítica avanzada dentro de los procesos de la empresa, junto con los siguientes pasos, posibles plataformas, casos de uso con más ROI para la compañía y formación para el personal clave.
Hoy en día, existen diferentes plataformas que ayudan a utilizar la analítica avanzada en la industria, y cada una se puede adaptar a las necesidades concretas de cada empresa.
Resultados del Data Labs:
- Listado de Proyectos posibles / Casos de Uso priorizados por su ROI
- Determinar si se aborda un proyecto a modo de Prueba de Concepto (PoC).
- Determinar qué plataforma utilizar (Cloud Open, Empresarial, IoT)
- Identificar si se disponen de los datos necesarios o si es conveniente esperar a disponer de un histórico de datos para poder afrontar la necesidad detectada.
La tecnología, la metodología y los conocimientos ya están disponibles, solo falta conocerlos e implantarlos para sacar su máximo provecho en la industria.
- Publicado en Industria