03/12/2022 por Ultatek Las empresas utilizan los datos de fabricación para mejorar la calidad de sus producto y la eficiencia de sus procesos de producción, y es que en la fabricación moderna, la monitorización de datos en procesos industriales es una herramienta fundamental para resolver los problemas de calidad y permitir la mejora de los procesos productivos. ¿Qué puedes recopilar con la monitorización de datos en procesos industriales? Durante la producción se genera una gran cantidad de datos de máquinas y piezas pero es fundamental saber cuáles KPIs son los que hay que recopilar. La realidad es que todos los datos podrían ser correctos pero no todos son iguales, ni son útiles de la misma manera para la toma de decisiones de alto nivel. El reto es conseguir que todos ellos fluyan de manera integrada y organizada para que el equipo pueda entenderlos y obtener una visión rápida para poder actuar a tiempo. Cuando se inicia una recopilación de datos de manera organizada, hay que recoger todos los datos posibles de cada proceso o prueba que haya tocado cada pieza a medida que avanza en la producción. A medida que se revisan más datos de más piezas, se tendrá una visión más profunda de cuáles de las comprobaciones y de los límites de las características que son suficientes para distinguir un producto bueno de uno defectuoso. Con este análisis, se puede identificar formas de reducir la cantidad de datos que se recogen o el número de comprobaciones de características. Prioridades de la monitorización de datos en procesos industriales A la hora de priorizar los datos de fabricación que hay que recopilar y posteriormente analizar, es importante aplicar un enfoque de Pareto y la regla del 80/20. Se debe pedir al equipo que primero clasifique los datos teniendo en cuenta cuáles son los mayores cuellos de botella en la línea que afectan a la producción general o al rendimiento a la primera, es decir, el 20% que está causando el 80% de los problemas. Hay que centrar los esfuerzos de recopilación de datos en estos problemas. A continuación, se pueden aplicar algoritmos para encontrar tendencias y patrones que revelen las causas de los defectos de las piezas que se están experimentando. El equipo puede entonces tomar decisiones informadas sobre ajustes necesarios en los procesos o pruebas y así detectar problemas que conducen a estos defectos antes de que avancen en la línea. Esto puede hacerse con cualquier proceso u operación controlada de la línea de producción. Este enfoque funciona mejor si se tiene una producción serializada, es decir, cada elemento producido lleva su propio número de serie. La serialización crea un registro histórico de creación para cada pieza de producción que incluye todos los datos de cada proceso o prueba que la haya tocado. ¿Cuánto tiempo se deben almacenar los datos de piezas de fabricación? El tiempo que se debe almacenar los datos de fabricación depende del tiempo que se quiera mantener una unidad en el campo. ¿Cuál es el período de garantía de los productos? Si se trata de un proveedor de un OEM, hay que tener en cuenta el periodo de garantía de los productos que incluyen la pieza o conjunto. La estrategia de almacenamiento de datos a largo plazo debe cubrir esos periodos de tiempo. Siempre costará menos almacenar todos los datos durante el tiempo de duración de la garantía de la pieza, que hacer frente con la retirada por no tener datos suficientes para identificar y retirar selectivamente las piezas malas o con defectos. Hay que tener en cuenta que el precio de una retirada no es sólo monetario, sino también el impacto en la percepción pública de la marca y la fiabilidad de los productos. Por esta razón, la monitorización de datos en procesos industriales es tan importante. Herramientas para la monitorización de datos en procesos industriales En la actualidad existen soluciones para la monitorización de datos en procesos industriales. OEE (Overall Equipment Effectiveness) La OEE ha sido considerada durante mucho tiempo como la mejor manera para medir la productividad de la fabricación. En su forma más sencilla, un sistema OEE para plantas industriales supervisa las máquinas para predecir los problemas antes de que se produzca el tiempo de inactividad. La OEE es una herramienta útil para gestionar la salud de una máquina, gestionar el programa de mantenimiento y llegar a la causa raíz de un problema de utillaje. MES (Sistema de Ejecución de la Fabricación) MES ofrece un enfoque más completo sobre procesos de fabricación y eficiencia que el OEE. El sistema MES lo hace capturando datos relacionados con las máquinas y las personas en la calidad y el rendimiento del producto. Un sistema MES típico hace un seguimiento y documenta la transformación de las materias primas en productos acabados con el objetivo de entender cómo las condiciones actuales en la planta puede optimizarse para mejorar el rendimiento de la producción. Históricos operacionales Muchas plantas también se apoyan en datos de proceso basados en el tiempo, en lugar de hacer un seguimiento por el número de serie de la pieza o el conjunto en producción, utilizando aplicaciones de software de base de datos llamadas historiadores operacionales. Estos historiadores capturan la información de gestión de la planta sobre el estado de la producción, el control del rendimiento, control de calidad, seguimiento, historial de nacimientos y entrega de productos. Datos de prueba centrados en las piezas: Adquisición y análisis Este tipo de sistema proporciona datos sobre todos los elementos de un proceso u operación de prueba, centrándose más en lo que ocurre con la pieza en serie que en el rendimiento de la máquina. Se utiliza para proporcionar una relación más precisa de los procesos por los que pasa una pieza durante la fabricación. Los datos se recopilan mediante sensores como las células de carga, sensores de temperatura, posición y presión, micrófonos o medidores de desplazamiento en estaciones de calidad crítica. Estos datos están disponibles para su análisis. Cuando los puntos de datos se desvían de los límites de prueba establecidos, esto indica un problema que puede afectar a la calidad del producto. Estos datos pueden luego de un problema de calidad, resolver rápidamente los problemas u optimizar la producción. ¿Qué elegir cuando se buscan soluciones de datos de fabricación? A continuación, veamos los factores importantes que hay que tener en cuenta a la hora de elegir herramientas para la monitorización de datos en procesos industriales: Consolidación de datos: Todos los datos relacionados con una pieza específica, un conjunto o un producto terminado deben organizarse de forma que sea fácil de buscar y analizar, idealmente imitando la línea de producción. Esto forma un historial completo de creación de una pieza o conjunto para poder rastrear y recuperar por número de serie. Accesibilidad: El personal de calidad y producción debe tener acceso tanto a los datos como a las herramientas de análisis. Bien sean datos recientes o archivados, deben ser de fácil acceso para poder ser utilizados. Información en tiempo real: Los datos deben ser accesibles en tiempo real de producción así como fácil de recuperar y ejecutar análisis para identificar rápidamente la causa de los problemas. Informes rápidos: Debe ser fácil obtener la información necesaria, ya sean métricas de productividad, principales problemas u otras métricas. Para ello, es importante contar con cuadros de mando y sistemas de alerta en tiempo real que envíen notificaciones si los procesos se están saliendo de control, asegurándose una actuación rápida para resolver los problemas. Visualización de datos: Las mejores herramientas de gestión de datos para la fabricación permiten la visualización de datos. Así es mucho más fácil identificar los valores atípicos que tratar de clasificar los números en una hoja de cálculo. Utilizando técnicas de visualización de datos, es fácil crear una línea de base común con la que comparar todas las piezas. Cuantos más datos visualizados se tenga para comparar, más fácil será entender a qué anomalías hay que prestar atención y lo que significan. Mejora continua: Se debe ser capaz de hacer una tendencia de los datos históricos a través de las estaciones o utilizar datos de producción anteriores fuera de línea para realizar análisis hipotéticos de la producción en tiempo real, ayuda a identificar nuevas pruebas o parámetros para hacer productos mejores y reducir los tiempos de ciclo.
