La industria manufacturera tiene dificultades para capturar eficazmente el valor de los datos.
El uso complejo de datos que involucra a múltiples socios ofrece a los fabricantes un valor mucho mayor que el uso simplista.
Al poner a disposición de los responsables de la toma de decisiones datos precisos de los equipos, los fabricantes pueden aprovechar la gran promesa de la Industria 4.0 de revolucionar la manufactura con soluciones avanzadas.
La industria manufacturera sigue sufriendo como resultado de la desconexión entre la recopilación y el uso de los datos, lo que dificulta o elimina por completo casos de uso valiosos.
A pesar de las enormes cantidades de datos recopilados, la industria sigue siendo rezagada frente a sus pares, mostrando el nivel más bajo de automatización de tareas en la gestión de datos.
Con tantos activos conectados, los fabricantes ven el valor de recopilar datos operativos. Sin embargo, los datos brutos recopilados no ofrecen la solución que se pretendía: la de un motor de toma de decisiones.
La manufactura sigue luchando tanto con una fuerza laboral envejecida y con conocimientos casi tribales como con la dificultad para encontrar nuevos trabajadores con las habilidades técnicas adecuadas.
Graham Immerman
Gran parte de esto se debe a que los datos, en su forma bruta, son casi inútiles o, como mínimo, solo respaldan los casos de uso más simples. Estos casos de uso «primitivos», más adecuados para organizaciones con menor madurez en datos, son también fundamentales para construir una base de creación de valor rápida y continua.
Pero antes, ¿por qué es tan difícil para los fabricantes obtener datos utilizables?
Una brecha de competencias y silos de datos
La falta de competencias y capacidades es el principal desafío para capturar valor de los datos de fabricación, según una encuesta realizada por el Foro y BCG.
La manufactura sigue luchando tanto con una fuerza laboral envejecida y con conocimientos casi tribales como con la dificultad para encontrar nuevos trabajadores con las habilidades técnicas adecuadas.
Además, los silos de datos surgen de muchas formas, tanto horizontal como verticalmente dentro de las organizaciones. Los datos pueden quedar atrapados en las máquinas, depender de un software, estar aislados por departamento o quedar estancados en el «tiempo»: desactualizados debido a la recopilación manual.
El equipamiento de fabricación es complejo, lo que da lugar a cientos de puntos de datos distintos que cambian constantemente. Para proporcionar herramientas eficaces que analicen datos de estos sistemas distintos, los datos no solo deben dejar de estar aislados, sino también transformarse en un modelo de datos común para que puedan comprenderse.
Asimismo, el equipamiento heredado dificulta capturar datos precisos y utilizables de las máquinas. Además, estos activos tienden a complementarse con una infraestructura heredada y con reticencia hacia la nube. A medida que se conectan más activos y sistemas, la infraestructura se desmorona.
¿Una solución? Casos de uso de valor incremental con madurez de datos
A medida que los fabricantes siguen superando el desafío de recopilar y utilizar datos de forma eficaz, pueden avanzar hacia casos de uso de valor incremental. Estos casos de uso más avanzados son el resultado de una infraestructura de datos más madura que respalda la recopilación, transformación y accesibilidad de los datos.
Además, los casos de uso avanzados deben estar respaldados por un ecosistema alineado de proveedores de soluciones, en lugar de una solución puntual sencilla o de depender de recursos internos. Este ecosistema incluye fabricantes de maquinaria, proveedores de servicios, soluciones tecnológicas e integradores de sistemas.
Cada socio aporta perspectivas y capacidades únicas que impulsan casos de uso complejos de mucho mayor valor que los más simplistas.
Un caso de uso sencillo ejemplifica cómo los fabricantes que se encuentran en las primeras etapas de su camino con los datos pueden empezar a utilizarlos:
Medición y monitorización en tiempo real
Poder identificar con precisión los problemas de producción y tener la capacidad de hacer accesible y visible esta información para quienes toman decisiones es el primer paso para mitigar los problemas. Piense en esto como la primera etapa de usabilidad de los datos.
Una vez superado el desafío inicial de recopilar datos precisos y en tiempo real de los equipos, los fabricantes tienen visibilidad inmediata del rendimiento de la producción. Incluso si deciden limitarse a monitorizar el flujo de datos que llega, existe un valor inmediato que obtener.
Tomemos SilencerCo como ejemplo, un fabricante de supresores de armas de fuego. La dirección estaba interesada en capturar datos en tiempo real de las máquinas para establecer expectativas realistas mediante líneas base, así como para mejorar la toma de decisiones.
Los datos en vivo extraídos de sus equipos y operarios no solo se muestran en la planta de producción, sino que también son accesibles de forma remota, lo que permite a la dirección reaccionar en consecuencia y, al mismo tiempo, da a los operarios un sentido de responsabilidad.
Cualitativamente, la visibilidad instantánea de los datos proporcionó a SilencerCo respuestas a sus preguntas más básicas, pero también imprescindibles. También les dio la oportunidad de profundizar, analizando los datos para identificar la causa raíz de un evento de inactividad principal.
Gracias a la visibilidad de los datos, SilencerCo logró un aumento del 8 % en la utilización de máquinas, una mejora del 200 % en la producción de piezas buenas y eliminó 11.500 horas de inactividad no planificada.
Algoritmos, análisis predictivo y automatización
Entra en escena BC Machining, un fabricante de Carolina del Norte que ofrece servicios de mecanizado de aluminio a clientes de diversos nichos industriales. Se trata de un caso de uso de datos más avanzado. Sin embargo, el objetivo sigue siendo el mismo: mejorar la toma de decisiones y tomarlas más rápido, incluso de forma autónoma.
Con un sistema implantado para respaldar la recopilación de datos y la visibilidad de los problemas de producción, BC Machining quería aprovechar aún más sus datos, pero ya había superado la primera etapa de madurez de datos, con una infraestructura establecida para respaldarlos y utilizarlos eficazmente.
Sin embargo, BC Machining seguía operando sus equipos al 200 % de capacidad, rompiendo constantemente sus herramientas de máquina en busca de beneficios, y aceptando el coste resultante de piezas desechadas y tiempo perdido como subproducto del éxito.
Necesitaban una solución más compleja que les permitiera recopilar datos de los equipos con mayor frecuencia (1 kHz). Esta afluencia de nuevos puntos de datos dio a BC Machining la capacidad de desarrollar un algoritmo para predecir cuándo fallaría una herramienta de máquina. Además, el problema se comunica al control de la máquina para detenerla automáticamente.
Este caso de uso avanzado, que emplea análisis predictivo, ha logrado eliminar casi el 100 % de las piezas desechadas, así como el tiempo que los operarios dedican a clasificar la chatarra. A su vez, los operarios y las máquinas pueden dedicar más tiempo a producir piezas de calidad. El resultado ha sido un ahorro anual de $72,000 por máquina.
La Industria 4.0 ha prometido revolucionar la manufactura con soluciones avanzadas, pero para empezar con los datos, los fabricantes deben asegurarse primero de que pueden recopilar datos precisos de los equipos y ponerlos a disposición de los responsables de la toma de decisiones.
Solo entonces podrán desbloquear una creación de valor rápida, al tiempo que tendrán la oportunidad de implementar en el futuro casos de uso de datos avanzados con un ecosistema de socios.
