Ventajas de la toma de decisiones basada en datos

Tomar decisiones basadas en datos, no en proyecciones o resultados esperados, puede producir resultados mucho más precisos y eficientes en relación con su equipo. Los datos del sensor pueden recopilarse y convertirse en información útil mucho más allá del estrecho ámbito de la presencia o ausencia de piezas. Esta información puede utilizarse para ayudar a los usuarios a tomar decisiones críticas de forma objetiva, como cuándo realizar pedidos de materiales, la programación de los empleados, la producción y el mantenimiento, la determinación de si las líneas de producción necesitan actualizaciones y cuándo, etc.

Tomemos, por ejemplo, una operación de estampación de metales con capacidades limitadas de inteligencia de datos. Se pueden añadir componentes a los equipos existentes para recopilar e interpretar información antes inaccesible para comprender la disponibilidad, el rendimiento y la calidad de las máquinas, que son los elementos esenciales de la OEE. La calidad y el rendimiento pueden controlarse mediante sensores fotoeléctricos contando las piezas buenas que salen de la prensa y comparando después ese número con el total de piezas producidas. La disponibilidad de la máquina se controla fácilmente mediante sensores de control de corriente instalados en los cables de alimentación del motor.

Los datos de monitorización de la corriente también permiten hacer un seguimiento del consumo energético de los equipos. Combinando la medición de la corriente con la tensión de alimentación y supervisando este resultado a lo largo del tiempo, los responsables de planta pueden conocer con mayor precisión los costes de funcionamiento de sus equipos. Estos datos no sólo pueden mostrar qué equipos son los más rentables, sino que también pueden servir de base para futuras decisiones de equipamiento comparando los costes de mantenimiento y funcionamiento de los equipos existentes con los costes de los nuevos equipos que consumen menos energía.

Tradicionalmente, los grandes fabricantes cuentan con un experto en vibraciones que analiza los motores y los rodamientos mensual o trimestralmente, realiza un seguimiento de las lecturas e intenta corregir los problemas de forma proactiva antes de que se produzcan fallos. Otras empresas realizan el mantenimiento a intervalos programados en función de las necesidades de servicio estimadas, o simplemente sustituyen los equipos cuando fallan. Otras empresas están aprovechando los datos para el mantenimiento predictivo, lo que implica el aprendizaje automático que analiza los datos de los sensores de vibración de para determinar cuándo es necesario el mantenimiento y alertar a los operarios para que puedan abordar los problemas de forma proactiva antes de que el equipo se averíe.

Otro ejemplo es el uso de datos para mejorar la eficiencia y el tiempo de funcionamiento de los sistemas de aire comprimido. Si se añaden sensores de vibración, temperatura y corriente al motor del compresor, junto con sensores de presión y punto de rocío aguas abajo, los datos pueden analizarse a lo largo del tiempo para seguir las tendencias. Si los sensores reconocen que la temperatura del motor empieza a subir de forma anormal, se puede enviar inmediatamente a un técnico al compresor para que lo compruebe. O, si el motor empieza a funcionar más a menudo y la presión del sistema varía demasiado, puede ser señal de una fuga de aire. Los técnicos pueden localizar el problema inmediatamente y evitar un consumo excesivo de energía y gastos.

La capacidad de recopilar, analizar y utilizar datos para mejorar la eficiencia de la producción y aprovechar al máximo unos recursos finitos puede llevar la automatización no sólo al siguiente nivel, sino a niveles superiores.