Category: Industria 4.0
La automatización industrial es el uso se sistemas o elementos informatizados y electromecánicos para controlar maquinaria y procesos industriales reduciendo al mínimo la intervención humana en las tareas más repetitivas, peligrosas o de alto esfuerzo físico liberándose para desarrollar tareas de mayor valor añadido. Los procesos automatizados incorporan sensores y activadores que ejecutan las órdenes de los dispositivos de control midiendo variables como temperatura, posición, presión, etc.
Con la llegada del Internet de las Cosas (IoT, del ingles, Internet of Things), el número de elementos físicos informándose entre sí se han multiplican. La comunicación maquina a maquina es más precisa, haciendo que funcionen de forma colaborativa y armónica en el desarrollo del proceso o productos industriales.
Además, la incorporación de la Inteligencia Artificial (IA) en la automatización ha permitido que las máquinas aprendan (Machine Learning), reconozcan el entorno y tomen decisiones. Con la automatización inteligente, las maquinas son capaces de predecir los fallos (analítica predictiva), evitar riesgos y realizar procesos de ajustes y mantenimiento por sí mismas (deep learning).
Gracias a la incorporación de sensores, es posible monitorizar todo el proceso automatizado a través de interfaces HMI (Human Machine Interface). Los antiguos paneles con luces parpadeantes actualmente son interfaces más amigables y el diseño de los dispositivos rugerizados (tablets, portátilesy estaciones de trabajo) más avanzados, son capaces de actuar en las condiciones más extremas de agua, polvo, temperatura, humedad, etc.
Sin emabrgo, en la industria 4.0 el interfaz puede ser la propia realidad en la que se maneja el operario. Con la aparición de la realidad virtual y la realidad aumentada se puede interaccionar tanto en espacios simulados como sobre la imagen real. De esta forma, la interacción con la maquina es mas intuitiva y natural, reduciéndose la necesidad de capacitación especializada o la presencia de personal experto.
Por otro lado, la nuevas tecnologías vestibles (EPI) -como las gafas inteligentes o pantallas integradas en los cascos- permitirán interaccionar con las maquinas manteniendo libres las manos para operar directamente los elementos físicos. De esta forma, los tiempos de formación son reducidos.
Actualmente, los robots incluyen sensórica, visión e Inteligencia Artificial, que les permiten colaborar con personas sin barreras y sin riesgos. Incluso en entornos complejos de producción ya están trabajando en el desarrollo de robots vestibles: un nuevo modelo de robot que proporciona en su esqueletos a los trabajadores industriales, facilitando el trabajo de tareas complejas aumentando su productividad y evitando lesiones.
Fuente: industriaconectada40.gob.es
La Industria 4.0 se enfrenta a grandes desafíos para la creación de nuevo modelos de negocio que enriquezcan la cadena de valor de la industria y que estén basados en la creación de nuevas propuesta. También, la integración total de los sistemas de información se enfrenta a un gran desafío: recolectar la inmensa cantidad de datos procedentes de una gran variedad de fuentes diversas y heterogéneas.
La Transformación Digital de la industria implica la aplicación de un conjunto de tecnologías en toda la cadena de valor de la misma. Estos cambios generan beneficios a nivel de proceso, de producto y de modelo de negocio. La Industria 4.0 va más allá en la optimización de lo existente para generar disrupciones y cambios más radicales de proceso, producto y modelo de negocio. Por tanto, ante esta situación en la industria, ITELLIGENT ha desarrollado una herramienta basada en una tecnología inteligente: netIndustrial.
A partir de esta necesidad en el sector, desarrollamos sistemas como netIndustrial que permiten la captura de datos y su hibridación con otros datos procedente de sensores, ERP, u otras fuentes. Una vez hibridados, se generan modelos de Inteligencia Artificial para que ayuden a mejorar los resultados en los procesos, en el control de la producción, en la logística, schedulling, etc. El objetivo principal es que nuestros clientes aprovechen la oportunidad que los datos de las plantas de producción (taller o fábrica) ofrecen y ¡gracias a netIndustiral esto es posible!
¿Qué puedes hacer con netIndustrial?
- Planificación de operaciones. Utilizando técnicas de Inteligencia Artificial, podrás planificar las operaciones en el taller o fábrica de forma óptima. A través de este módulo de planificación se puede maximizar la ocupación del taller o fábrica y cumplir con los plazos marcados en el proceso.
- Seguimiento de proyectos. Detectar de forma temprana las desviaciones en proyectos y asignación de causas mediante modelos de Inteligencia Artificial.
- Mantenimiento predictivo. Optimiza las labores de mantenimiento a través de la analítica predictiva y maximiza los recursos disponibles para dicho mantenimiento.
- Logística. Optimiza las labores logísticas a partir de un mayor conocimiento de la demanda y de la maximización del uso de los recursos.
¿Qué ventajas ofrece esta herramienta?
- HERRAMIENTA INTEGRADA. Se trata de un sistema cuya finalidad es integrar todo aquello que sea útil tanto para la planificación, seguimiento, mantenimiento como logística de los procesos de producción/fabricación. Asimismo, netIndustrial permite integración con ERP de terceros u otras plataformas o sistemas que el cliente posea y sea de utilidad para el día a día de la planta de producción.
- ESCALABLE. La plataforma esta diseñada para escalar funcionalmente de forma que se aprovechen al máximo el potencial de los datos mediante servicios “elásticos”.
- DESARROLLO A MEDIDA. Si es necesario realizar desarrollos adicionales sobre nuestro sistema netIndustrial, desarrollamos aquello que necesites a precios muy razonables.
- ALTA VELOCIDAD DE CARGA. Con netIndustrial obtendrás acceso a los datos sin esperas, en un abrir y cerrar de ojos.
- SEGURA. El sistema está montado sobre servicios gestionados de Amazon AWS lo que mejora sustancialmente la seguridad de la misma.
Por Jaime Martel Romero-Valdespino es CTO en Intelligent Information Technologies SL
LinkedIn
Llamamos “hibridación de datos” a los procesos que permiten generar un conjunto de datos único y listo para ser utilizados, desde herramientas informáticas, a partir de fuentes de datos heterogéneas y con distintos grados de estructuración. En nuestra experiencia la “hibridación de datos” suele requerir al menos cuatro pasos: estructuración, homogenización, armonización y enriquecimiento.
Actualmente, la hibridación de datos en el sector industrial está mucho menos presente que en otros sectores como servicios o retail. Siendo la predicción de la demanda el caso más habitual, en el mundo industrial, dónde se realiza una “hibridación” previa de los datos internos de ventas con otros datos (ej. meteorología, geodemografía, trafico, festivos, etc). Salvando el caso de previsión de demanda, dentro de las plantas industriales suele ser mucho menos habitual encontrar casos “potentes” de hibridación de datos, pero esto no quiere decir que no sea necesario. Así es habitual, en muchas empresas industriales, que los sistemas de información no estén integrados con las máquinas y cuando lo están, suele ser una integración encaminada a un propósito operativo (ej. trazabilidad) y no a la obtención de unos datos de calidad que permitan su uso por sistemas de inteligencia.
Sistemas Productivos e Hibridación de Datos
Cualquier intento de desplegar sistemas de inteligencia para la mejora de la producción en plantas industriales debe haber sido precedido por un análisis de la disponibilidad de datos para alimentar el sistema y del coste asociado de obtención. Así, por ejemplo, tiene poco sentido implantar un sistema inteligente de planificación de operaciones (scheduling) en un taller si no tenemos automatizado la captura de datos necesario para actualizar el sistema de planificación. Pues muy pronto las planificaciones quedarán obsoletas o se requerirá una importante dedicación de recursos humanos para mantener el sistema actualizado.
En general, en los sistemas de producción, los datos serán internos, pero su hibridación presenta retos similares a los que se encuentran con datos externos. A continuación, vamos a describir un caso basado en nuestra experiencia.
En el taller en cuestión, que trabaja bajo pedido, la primera necesidad planteada era disponer de un sistema que les permitiese tener un seguimiento de tiempos y costes de cada trabajo en planta, para posteriormente poder generar inteligencia encaminada a ayudar a:
- La confección de presupuestos (ej. aprendizaje de unidades de repercusión y los factores que les afectan)
- La detección de desviaciones anómalas (ej. tiempos de procesamientos que los modelos de inteligencia no sean capaz de explicar)
- La detección de patrones de interés (ej. trabajadores con productividad alta),
El taller disponía de un ERP con información de los pedidos y materiales, un sistema CAD para el diseño de las piezas, partes manuales (papel) de producción y controles periódicos de calidad que eran volcados manualmente al ERP. Toda esta información no estaba integrada por lo que la implementación de cualquier sistema de inteligencia era imposible. Se partió de un análisis de disponibilidad de datos y a partir de dicho análisis se elaboró un plan de acción con las siguientes acciones:
- Nuevas fuentes de datos. Se detectaron falta de datos imprescindibles para cubrir las necesidades planteadas. Para ello, se incorporaron nuevos sensores desarrollados ad-hoc para algunas máquinas así como la introducción de tablets con aplicaciones específicas como alternativa a los partes manuales y el desarrollo de un extractor para obtener del ERP aquellos datos de interés para el sistema de inteligencia.
- Desarrollo de un sistema de hibridación de datos que partiendo de las distintas fuentes de datos fuese capaz de hibridarlas y volcar a un repositorio único los datos. Este sistema no podía ser totalmente automático ya que necesitaría cierta supervisión de la oficina técnica.
- Estructuración de datos. Información muy importante para el proceso de producción y generación de inteligencia se encontraba en formato de planos CAD. Estos son datos poco estructurados que no pueden ser utilizados directamente, pero que una vez estructurados pueden generar datos de gran interés para el proyecto. Se decide abordar mediante un proyecto de I+D la generación de modelos de inteligencia que permitan estructurar los datos de los sistemas CAD.
También puedes leer este post en el Blog de #CIC40
Aviso Legal | Política de Cookies | Política de Privacidad