Automatización de procesos: camino a las nubes

Las soluciones en la nube están en boca de todos: los datos digitalizados en bastidores basados en aplicaciones en la nube están siendo encargados de automatizar procesos y hacerlos más eficientes. EMO Hannover 2017 mostrará enfoques viables y proporcionará ayudas de navegación aptas para el propósito en la autopista de datos a la fábrica inteligente del futuro. El Instituto Fraunhofer de Ingeniería y Automatización de Manufactura (IPA), con sede en Stuttgart, presentará en EMO Hannover 2017 una capacidad de 'optimización inteligente del sistema' que detecta errores en procesos de producción concatenados e indica automáticamente sus causas y su propagación. ¿Cómo funciona esto en la práctica? Felix Georg Müller, especialista en la optimización del sistema de fabricación autónoma, explica: 'La optimización del sistema inteligente implica una evaluación técnicamente detallada y a la vez automatizada de las causas de paro y las relaciones de causalidad de errores en una línea de producción. En cuanto la operación de producción se ejecuta, los datos se comunican de forma sincrónica desde todos los pasos del proceso hasta una herramienta analítica'. Esta herramienta puede ahora sacar conclusiones utilizando los algoritmos desarrollados en la API de Fraunhofer y editar la información en cuestión en la forma deseada.

Optimización de la producción basada en datos
La base de datos comprende información de estado y proceso de todos los sub-pasos técnicos de toda la cadena de proceso. La herramienta analítica puede utilizar éstos para identificar continuamente en tiempo casi real donde están ocurriendo errores o paradas, o ocurrirá como resultado de varios factores no conformes que interactúan en diferentes etapas del proceso. En contraste con el OEE clásico, el usuario recibe una asignación de causa inmediatamente.
Por ejemplo, el usuario ve qué proceso está bloqueando el otro, y puede identificar dónde se encuentra el disparador causal. También es posible dar prioridad a la solución de problemas, ya que el cuello de botella real de la línea de producción se calcula en cualquier momento. Esto se basa en todos los patrones de error detectados actualmente, paradas breves y tasas de rechazo, lo que refleja una vista en tiempo real de la línea en cuestión.
Las fuentes de datos son sensores instalados adicionalmente, como cámaras inteligentes, o (si no hay información de proceso disponible) el registrador de datos de la máquina desarrollado en el IPA. Esto ya es capaz de suministrar a los datos de masa de la herramienta analítica de los sistemas de control industrial Siemens S7-1500, Beckhoff CX1020 y Mitsubishi Q. Puesto que esto significa que todas las variables relevantes están disponibles en intervalos de milisegundos, se puede aprender el comportamiento operativo. 'Así podemos dar a los sistemas de control de máquinas de uso común una capacidad de Big-Data e integrar los datos de máquinas existentes en el modelo analítico', comenta el experto en IPA Felix Georg Müller. 'Nuestra herramienta ya nos ha permitido alcanzar reducciones de tiempo de ciclo de entre 6 y 10% y monitorizar el cumplimiento continuo del óptimo en máquinas altamente estandarizadas en los proveedores de componentes automotrices'.
Esta optimización de producción basada en datos se basa en un análisis continuo y extremadamente detallado del comportamiento de la línea y de todos los procesos individuales involucrados en una línea de producción. Esto no se puede hacer manualmente; La automatización es esencial, debido al volumen de procesamiento de datos extremadamente alto. Por ejemplo, las causas de los errores ya no se buscan únicamente en el comportamiento dinámico de la línea, sino también, por ejemplo, detectando anomalías en los datos de proceso de todos los procesos individuales. Esto significa que los errores se pueden determinar y eliminar con mayor precisión. Con los enfoques convencionales, un optimizador de procesos sería ocupado durante horas o incluso días, simplemente revisando y analizando un registro de datos, y sin embargo, siempre podría examinar sólo una sección de tiempo, es decir, la representada por el registro de datos en cuestión.
En EMO Hannover 2017, dice Felix Georg Müller en conclusión, 'los visitantes podrán experimentar en vivo cómo funciona la optimización de la producción basada en datos. Los asistentes a nuestro stand podrán ver por sí mismos en nuestra mini-fábrica cómo se detectan y evalúan los cuellos de botella dinámicos, las dependencias en las líneas de producción y las anomalías. Esto significa que es posible una completa transparencia en tiempo real para líneas de producción complejas a la vez'.