04 Jul 5 claves para la implementación de sistemas de analítica de datos en activos Industriales
En este artículo revisaremos las ventajas que la analítica de datos en plantas industriales puede ofrecernos, el estado actual de las tecnologías y las 5 claves para implementar de manera efectiva las nuevas tecnologías con este objetivo.
Las nuevas tecnologías en la era industrial
La confluencia en los avances tecnológicos relativos al IIoT (Industrial Internet of Things), como el Big Data, el Cloud de bajo coste y los avances en herramientas de analítica, permiten la implementación de una nueva generación de aplicaciones de soporte para la mejora del rendimiento de los activos industriales.
¿Cuáles son las razones por las que no podemos obviar estas nuevas tecnologías? Nuestra experiencia nos demuestra que en el entorno industrial competitivo todos los negocios buscan:
- Mayores disponibilidades en los activos críticos, menores tiempos de parada y tiempos de funcionamiento por debajo del esperado.
- Mayor longevidad de los equipos, lo que permite alargar el ciclo de vida.
- Mejor previsión de inversiones. El negocio tiene una visión del estado de salud de los equipos industriales y eso le permite priorizar inversiones.
Retos de implementación
Algunos retos que encontramos en la industria se refieren a:
- Sobrecarga de los sistemas captación y almacenamiento
- Tamaño excesivo de la información almacenada
- Dificultad para relacionar información relevante
- Dificultad en el acceso a tiempo de la información
Estos retos serán superables utilizando las soluciones basadas en las nuevas tecnologías y enfocadas en la función de gestión de información procedente de equipos industriales.
5 claves para la implementación de sistemas de analítica de datos en activos Industriales
Nuestra experiencia nos indica que es importante tener una visión global y una planificación para que los sistemas de análisis y soporte de decisiones sean realmente usables. En este apartado se exploraran 5 puntos críticos para la implementación de analítica para el soporte de decisiones sobre los activos de planta:
- Definir los equipos/activos y los parámetros requeridos
El primer punto es la definición, por un lado, de los equipos a analizar y, por otro, de los datos (o parámetros) que serán relevantes en estos equipos.
Los parámetros pueden proceder de diferentes orígenes, como sensores, Sistemas de telemetría o control existentes, sistemas de laboratorio o simplemente entradas manuales del personal de mantenimiento.
Los parámetros se han de ordenar en una jerarquía de activos (modelo de infraestructura), agrupados en el activo correspondiente (independientemente de su origen). Este modelo de infraestructura es básico para facilitar el análisis descrito en los siguientes puntos.
- Implementar Analítica en tiempo real
Una vez obtenidos los parámetros desde las diferentes fuentes de datos mencionadas en el punto 1, podremos enriquecer los datos mediante una analítica para el cálculo de indicadores de funcionamiento, como rendimientos o porcentajes de funcionamiento. Estos parámetros calculados o indicadores en tiempo real se almacenarán juntamente con los datos de base en la jerarquía del activo correspondiente de manera normalizada para ser aplicado igualmente a un conjunto de activos similares. Por ejemplo: Podemos tener dos equipos similares pero de fabricantes diferentes; ambos equipos pueden disponer de información diferente, pero podemos definir indicadores iguales y homogeneizar ambos. De esta manera, podremos comparar fácilmente el indicador de los dos equipos.
El Análisis también permite identificar situaciones puntuales y registrarlas en la ficha del activo, también llamadas eventos. Algunos ejemplos de eventos son momentos de arranque, de parada, funcionamientos fuera de las especificaciones o situaciones fuera de los parámetros esperados.
En la figura siguiente se muestra un ejemplo aplicado a una bomba industrial. Los datos de variables de sensores (como caudal de entrada, presión y vibración) junto con la información relativa al diseño de la bomba, se usan para analizar indicadores de eficiencia instantánea. Asimismo, se evalúan diferentes estados o eventos. Toda la información se almacena para un análisis posterior.
- Implementar Analítica en tiempo histórico
Si con la analítica en tiempo real estamos haciendo una foto al estado de un equipo en cada momento, la analítica en tiempo histórico nos permite ver la película completa, entender el contexto del estado, conocer todas las incidencias y poder comparar el historial con otros activos similares para entender tendencias y, con todo ello, descubrir patrones. De esta forma, podremos crear un modelo de evolución con el que comparar cada activo y poder tomar decisiones.
Y no solo eso: el análisis histórico nos permitirá investigar incidencias y comparar con incidencias pasadas en el mismo activo o compararlo con activos similares.
Otro resultado del análisis histórico es el cálculo de indicadores globales del activo. Algunos de los indicadores más populares son el índice de Salud (Health Index) y el envejecimiento real comparado con el tiempo de vida real. Para el cálculo de estos indicadores existen diferentes técnicas de análisis de datos basados en estadística y creación de modelos.
- Crear y mostrar indicadores operacionales
La información procesada por la analítica debe ser fácilmente visualizada y notificada al personal operativo en tiempo real, y cualquier incidencia debe ser notificada con antelación para la correcta toma de decisión operativa.
El entorno de visualización debe ser fácilmente accesible y disponible en entornos móviles, creando así un entorno de Excelencia Operacional (Operational Excelence).
- Crear y mostrar indicadores de negocio
El negocio necesita entender el estado global, la disponibilidad y la capacidad de los equipos, con el objetivo de tomar decisiones de negocio (Inversiones en caso de requerir mayor capacidad o disponibilidad a la actual).
Necesita, además, evaluar situaciones futuras basadas en las previsiones que maneja.
Crear indicadores válidos para el negocio implica disponer de la información agregada correcta en el momento indicado y al alcance de las personas adecuadas. Asimismo, implica poder relacionar la información de los activos industriales con otros datos relevantes de la cadena de valor.
La generación de indicadores de negocio y la integración de los datos procedentes de los activos en el Big Data corporativo son los aspectos que van a permitir realizar un análisis visual a través de herramientas de Business Intelligence.
Conclusiones
Cualquier estrategia de implementación de un sistema de analítica de datos en activos Industriales, debe tener en cuenta:
- Poner el foco en los objetivos de negocio.
- Generar información de valor a través de Analítica de datos.
- Proveer de la información requerida a Operaciones y Negocio.
El siguiente gráfico indica los 5 puntos que hemos comentado en un modelo global de sistema de analítica de datos de activos industriales.
