Los fabricantes que emprenden un viaje para hacer que los procesos de producción sean "más inteligentes" suelen comenzar agregando datos de toda la planta con el objetivo final de optimizar los sistemas y las operaciones. Por supuesto, recopilar datos de diferentes sistemas, ya sean sensores, un historiador, control de calidad o un sistema de ejecución de manufactura (MES, por su sigla en inglés), es bastante sencillo. Pero toda esa información vive en diferentes esquemas de datos, lo que significa diferentes estructuras para organizar y clasificar esos datos, lo que también significa que alguien tiene que unirlos todos para que tengan sentido. Esa es la parte difícil.
Sight Machine, un proveedor de software de análisis de manufactura, ha estado trabajando para resolver este problema. En 2018, la compañía introdujo una plataforma basada en la nube que permitía la gestión centralizada de datos de Internet de las cosas industriales (IIoT) de varias fábricas utilizando inteligencia artificial (AI) y algoritmos de aprendizaje automático para trabajar con datos estructurados y no estructurados. A principios de este año, la compañía lanzó su Plataforma de datos de fabricación (MDP), que proporciona análisis escalables para comparar las interdependencias entre las líneas de producción, las diferentes instalaciones y la cadena de suministro.
Ahora, con el anuncio de Dynamic Recipes de este mes, Sight Machine ha agregado una forma de actualizar de manera continua y automática la configuración de la máquina para producir un rendimiento óptimo basado en una combinación de condiciones relacionadas con las materias primas, el medio ambiente y la producción, como los grados de papel, por ejemplo.
"Los operadores saben qué hacer para optimizar los procesos en función de su experiencia, y [ellos] se forman un juicio de qué ajustes hacer para configurar todo para tener problemas mínimos de calidad y predecir la eficiencia", dice Jon Sobel, cofundador y director ejecutivo de Sight Machine. “Pero existen variaciones en las condiciones de la planta y en las materias primas”. Cuando se enfrentan a variaciones, se requiere una gran experiencia en el dominio para realizar ajustes. Dynamic Recipes puede realizar automáticamente los ajustes en función de una variedad de parámetros.
“Anunciamos la capacidad de configurar de manera flexible la receta correcta para las condiciones de producción en función de lo que usted determina que serán las condiciones”, dijo Sobel. "Y cada vez que hace esto, vuelve a los datos subyacentes utilizados para generar las reglas, por lo que mejora constantemente".
Con ese fin, Sight Machine también ha lanzado un nuevo modelo de KPI de productividad que les permite a los fabricantes optimizar la producción de acuerdo con sus propias métricas preferidas. Estas métricas varían ampliamente entre las empresas, pero generalmente incluyen calidad, tiempo de actividad y rendimiento. Según la empresa, los KPI de productividad les brindan a los fabricantes métricas coherentes, y completas para rastrear la productividad de todas las líneas y plantas de la empresa. En otras palabras, los fabricantes pueden realizar un seguimiento del rendimiento de todas sus máquinas, líneas y plantas utilizando una métrica uniforme que se basa en qué tan bien se está desempeñando el activo frente a su rendimiento potencial máximo.
"La segunda parte del anuncio es muy importante", dijo Sudhir Arni, vicepresidente senior de resultados comerciales de Sight Machine. “Lanzamos un modelo de KPI que facilita la configuración de una fórmula para cualquier KPI ... Si realiza algún cambio en la tabla de datos, se refleja en el KPI, lo que lo hace flexible y escalable según lo que funcione mejor en la planta. "
Las recetas dinámicas se optimizan para cualquier combinación de KPI de productividad específicos, como minimizar los costos y maximizar el rendimiento. Las recomendaciones prescritas se ajustan automáticamente a medida que cambian las condiciones, y las recetas mejoran automáticamente para reflejar nuevas series de producción de alto rendimiento.
Los operadores en la sala de control o en el piso de la planta interactúan con las Recetas Dinámicas usando una nueva aplicación llamada Operator Co-Pilot. Dentro de Co-Pilot, ingresan las condiciones actuales (Por ejemplo, materias primas, grado de salida deseado, humedad), realizan cualquier ajuste en los KPI específicos y reciben los ajustes prescritos de la máquina.
Sight Machine puede ofrecer estas capacidades en entornos de fabricación del mundo real debido a la base de modelado de datos única de la plataforma que toma las docenas de tipos de datos incompatibles generados por el equipo de fábrica y el software de fabricación y genera una representación digital de todo el proceso de producción, incluidos los procesos, líneas de producción, paradas y defectos. La plataforma también modela y analiza continuamente todos los datos de producción en tiempo real, lo que les permite a los fabricantes monitorear y mejorar el rendimiento actual en lugar de solo analizar el rendimiento pasado.
Y aunque las generaciones anteriores de la plataforma Sight Machine se han utilizado principalmente para ayudar a los fabricantes a comprender cómo les va a sus fábricas y analizar cómo mejorarlas mediante el análisis descriptivo, las nuevas mejoras van más allá del análisis descriptivo para proporcionar análisis prescriptivos, recomendando de forma proactiva la configuración y los procesos necesarios para lograr la máxima productividad en condiciones siempre cambiantes.