 |
|
Una nueva era en la fabricación
El reciente interés en la analítica de datos de la Industria 4.0 ha acelerado la transformación digital en los procesos de fabricación. Muchos propietarios-operadores han participado en programas pilotos tecnológicos para explorar opciones para reducir costos y aumentar la efectividad total del equipo.
A pesar de esta evolución, la adopción de herramientas avanzadas de análisis todavía presenta ciertos desafíos. El extenso y complicado paisaje de herramientas puede ser desalentador, y muchos usuarios finales carecen de una comprensión fundamental del proceso análisis de datos. Esto, combinado con una falta de conocimiento de los beneficios prácticos que ofrece la analítica, deja a muchos ingenieros atorados en métodos anticuados, como el uso de hojas de cálculo y herramientas básicas de análisis de tendencias para la mayor parte de sus análisis diarios.
La Revolución Digital
Cada base de datos ofrece una oportunidad de mejora. Hoy, las fábricas están produciendo más datos que nunca, formando un Internet de las Cosas Industrial (IIoT, por sus siglas en inglés), que permite a las fábricas inteligentes visualizar datos hasta el más mínimo detalle. La clave de esta revolución digital es la red de sensores interconectados con trabajadores y máquinas en una planta que genere billones de datos al año.
Esta revolución digital ofrece oportunidades sin precedentes para mejorar la eficiencia y la gestión de procesos en tiempo real, pero también presenta nuevos desafíos que requieren soluciones innovadoras y una nueva forma de pensar.
La tecnología ha evolucionado rápidamente en respuesta a la escala de datos generados, con sistemas para la inteligencia empresarial y bases de datos que ahora son una parte esencial de la excelencia operacional. Sin embargo, para muchos ingenieros poco ha cambiado, ya que utilizan los mismos sistemas y experimentan pocos beneficios de la transformación digital que tiene lugar en sus plantas, ya que son incapaces de acceder directamente a las ideas que aporta estos nuevos datos.
Los desafíos de la interrupción
Los ingenieros ahora se enfrentan a un complejo paisaje lleno de una variedad de herramientas analíticas, las cuales prometen dar sentido a los nuevos datos disponibles, incluyendo herramientas de historiadores tradicionales y proveedores de Sistemas de Ejecución de Fabricación (MES, por sus siglas en inglés), grandes sistemas de datos genéricos como Hadoop y aplicaciones analíticas independientes. Estas herramientas abordan una variedad de necesidades empresariales, pero no necesariamente están diseñadas para satisfacer las necesidades específicas de los ingenieros en la industria de procesos.
El gran número de sistemas empresariales acarrea ciertos problemas con la integración y una mayor dependencia a la Tecnología de la Información a los y expertos en leer grandes cantidades de datos. La visión analítica corporativa se basa a menudo en una gran base de datos y se presentan pruebas de conceptos para almacenar datos financieros, datos de comercialización, datos de calidad y cantidades limitadas de datos de producción en dichas bases. Sin embargo, las empresas a menudo luchan para ajustarse a las series de datos masivos.
En respuesta, muchas organizaciones crean equipos de análisis centrales para abordar las cuestiones de proceso más críticas que afectan la rentabilidad. Los científicos de datos crean algoritmos y modelos de datos avanzados para combinar datos de múltiples fuentes y proporcionar conocimientos para optimizar los procesos de producción. Estos expertos analíticos lideran el proceso de traducción de datos a información procesable.
Aunque los conocimientos obtenidos de los equipos de análisis son esenciales, este enfoque por sí solo es insuficiente para permitir a los ingenieros aprovechar los análisis en sus tareas diarias. Los ingenieros cuentan con poco tiempo y con poco espacio para aprender nuevas herramientas; están más preocupados por satisfacer las necesidades inmediatas de la planta que por la promesa de tecnologías nuevas, que incluso puede que aún no estén probadas. Ellos pueden ser escépticos de que obtendrán beneficios prácticos al invertir tiempo en sistemas analíticos. Si los proyectos analíticos pasados no han logrado satisfacer sus expectativas, se entiende que puedan experimentar frustración y decepción. Con la necesidad urgente de asegurar procesos óptimos, es natural que regresen a sus sistemas y herramientas actuales como maneras probadas de hacer el trabajo.
Habilitación de una organización de análisis de ingeniería moderna
Así como la tecnología ha evolucionado para crear plantas conectadas, los ingenieros deben estar facultados para administrar estas fábricas. Este es un cambio crítico en la cultura empresarial, ya que toda organización debe ser educada y consciente del potencial de la analítica de datos.
En lugar de depender exclusivamente de un equipo de análisis central que posea toda la experiencia analítica, los expertos en la materia, tales como los ingenieros de procesos, deberían estar facultados para responder a sus propias preguntas cotidianas. Esto no sólo difundirá los beneficios para los ingenieros involucrados en la gestión de procesos, sino que también liberará a los científicos de los datos para centrarse en los problemas de negocio más críticos.
Habilitar ingenieros no significa pedirles que se conviertan en científicos de datos sino proporcionarles acceso a los beneficios del análisis de datos. Los ingenieros de proceso no se convertirán (fácilmente) en científicos de datos porque la formación es diferente (ciencia computacional versus ingeniería). Sin embargo, pueden convertirse en analíticos habilitados.
Al acercar a los ingenieros a la comprensión de la analítica, pueden resolver más preguntas cotidianas y mejorar su propia efectividad. A su vez, proporcionarán a sus organizaciones nuevas perspectivas basadas en su experiencia específica en ingeniería. Esto proporciona valor al propietario-operador en todos los niveles de la organización y aprovecha recursos (humanos) de manera más eficiente.
Para llevar una organización a este enfoque moderno se requiere la adición de una plataforma de análisis de autoservicio adaptada a las necesidades de los usuarios de la materia y la educación de los usuarios.
Las herramientas de análisis de autoservicio están diseñadas pensando en los usuarios finales. Incorporan algoritmos robustos e interfaces familiares para maximizar la facilidad de uso sin requerir un conocimiento profundo de la ciencia de los datos. No se requiere selección, capacitación y validación de modelos; en su lugar, los usuarios pueden consultar directamente información de sus propios historiadores de procesos y obtener resultados de un solo clic. El acceso inmediato a las respuestas alienta la adopción de la herramienta de análisis, ya que el valor se prueba instantáneamente: se ahorra tiempo valioso y se desbloquean oportunidades de mejora previamente ocultas.
Este enfoque de autoservicio para el análisis da como resultado una mayor eficiencia y mayor comodidad con el uso de información analítica para los ingenieros, permite a los científicos enfocarse en las preguntas más críticas para toda la organización y ofrece mayor rentabilidad para los propietarios-operadores. |
|