Este artículo presenta la segunda parte de nuestra serie Big Data en la fabricación. Este artículo explora los beneficios del uso de big data y los problemas que subyacen a esta tecnología. También muestra formas exitosas de usar big data y su futuro, a pesar del costo y la complejidad de la tecnología.
Este artículo presenta la segunda parte de nuestra serie Big Data en la fabricación. Este artículo explora los beneficios del uso de big data y los problemas que subyacen a esta tecnología. También muestra formas exitosas de usar big data y su futuro, a pesar del costo y la complejidad de la tecnología.
¿Cuáles son las ventajas de la fabricación?
La industria manufacturera tiene un excelente historial de hacer un buen uso de sus recursos de conocimiento. Invenciones como la energía de vapor, las líneas de montaje, la producción automatizada y las cadenas de suministro globales han hecho que la producción de bienes sea más eficiente que nunca. Hoy en día, la industria está muy evolucionada y es difícil mejorar aún más la productividad. El uso de análisis de big data en las operaciones de fabricación tiene el potencial de convertirse en una tecnología que mejora drásticamente la eficiencia.
Los tipos y características de big data en la industria manufacturera se explicaron en la Parte 1 de esta serie. Un estudio de big data realizado por Tata Consultancy Services detalla beneficios tangibles para la industria manufacturera. Estos incluyen la mejora de la calidad del producto, la planificación del suministro y el seguimiento de defectos de procesos o componentes. Más allá de estas oportunidades obvias, el estudio también ve potencial para mejorar las negociaciones de contratos, aumentar la eficiencia energética y reducir los costos, y simular y probar nuevos procesos de fabricación basados en datos de rendimiento del proveedor.
El equipo de producción suele funcionar durante muchas horas y, si se avería, existe un alto riesgo de problemas, como cambios en los planes de producción. Optimice el trabajo de mantenimiento utilizando datos como el estado de funcionamiento del equipo y el historial de funcionamiento. Al vincular estos datos con datos de mercado, como las ventas de productos, contribuye en gran medida a la planificación del suministro de productos. Para utilizar estos grandes datos en los negocios reales, es importante comprender completamente sus méritos (Fig. 1).
De hecho, el fabricante alemán de cables Schwering & Hasse Elektrodraht GmbH ha establecido un sistema de control de calidad utilizando un sistema de análisis de datos masivos de alta velocidad. Con el sistema convencional, solo fue posible detectar anomalías en el voltaje del cable en unidades de 100m durante el proceso de producción. Nuestro sistema de control de calidad establecido puede recopilar 4000 veces más datos que los sistemas convencionales y detectar anomalías en incrementos de 25 mm. Esto mejora mucho la calidad del producto de este fabricante alemán. BAXIROCA, un fabricante de calentadores en España, ha construido un sistema para recopilar y analizar varios datos desde el diseño y la fabricación del producto hasta el servicio posventa. Analice si la causa de la falla o problema del dispositivo son fallas de diseño, fallas durante la instalación o falta de mantenimiento. BAXIROCA utiliza las causas analizadas para mejorar los productos, aumentar el valor del producto y el servicio al cliente, reducir las fallas en garantía y reducir los costos de reparación.
Desafíos de implementación de big data
La encuesta de Tata también preguntó sobre los mayores desafíos para obtener valor de los grandes datos. Como era de esperar, los problemas organizativos encabezan esta lista. Una implementación exitosa requiere un alto nivel de confianza entre los científicos de datos y los gerentes departamentales; las unidades de negocios deben compartir información a través de los silos organizacionales; eso debe aprender a tomar decisiones basadas en el análisis.
Durante un panel de discusión de INSEAD, Neil Soderlund, socio y director gerente de Boston Consulting Group, habló sobre la brecha entre las empresas de vanguardia como Google y las empresas heredadas que comienzan a implementar big data: dicho así. Soy muy malo usándolo para la generación de valor. La cultura de una organización y las percepciones de sus líderes no dan mejores respuestas de la caja negra que los años de experiencia. Este es un diferenciador importante y será uno de los factores que dividirá aún más a las empresas en los próximos años. “
¿Vale la pena la inversión?
Pero otros expertos advierten que los grandes datos pueden ser simplemente un “puente demasiado lejano” para algunas empresas. Roy Kok, vicepresidente de ventas y marketing de Ocean Data Systems, dijo: Es posible que mantenerlo y usarlo en sus operaciones diarias no proporcione un retorno de la inversión. “
Con la exageración en torno a los grandes datos, esto rara vez se menciona, pero existe un riesgo real de que las empresas inviertan en redes de datos, plataformas de software, experiencia y habilidades que no producirán resultados sensatos.
Según un estudio del McKinsey Global Institute, actualmente “no hay evidencia empírica de un vínculo entre la intensidad de los datos o la profundización del capital en las inversiones de datos y la productividad en un sector determinado”. Basándose en oleadas pasadas de ganancias de productividad relacionadas con TI, McKinsey identifica tres características comunes de implementaciones exitosas. En primer lugar, las inversiones en TI se alinearon con los procesos comerciales específicos del sector y se vincularon con palancas de rendimiento clave. El segundo es introducir TI de forma incremental y desarrollar capacidades con el tiempo. En tercer lugar, la inversión en TI evoluciona al mismo tiempo que la innovación en la gestión y la innovación tecnológica. El camino hacia la adopción exitosa de big data no es ni corto ni fácil.
Uso efectivo de los grandes datos.
Sin embargo, hay pasos que puede seguir para acortar el camino hacia un análisis exitoso de big data. Roy Kok cree que el elemento más importante que falta en la mayoría de los entornos de automatización es la entrega de información. El problema con este enfoque es que requiere que el usuario use activamente estos sistemas. Él cree que necesitamos una solución que entregue información a los usuarios de forma regular o desencadenada. Esto hace que los usuarios respondan mejor a la nueva información. Mediante la distribución regular de información, se puede establecer una base de conocimiento para comprender lo ordinario y los usuarios pueden notar cosas que son diferentes de lo habitual. Este enfoque también permite a los usuarios tomar medidas inmediatas a través de la entrega de información basada en disparadores y su contexto.
En un artículo de InformationWeek, Vishnu Bhat, vicepresidente y jefe de servicios en la nube de Infosys Limited, describe los requisitos de una plataforma de big data para la fabricación.
- Debe incluir interfaces para varios formatos de datos para que las empresas puedan acceder fácilmente y extraer datos filtrados de fuentes de datos internas y externas existentes. Además, debe ofrecer algoritmos preconstruidos y opciones de informes para obtener información casi en tiempo real. Idealmente, la plataforma también ofrecería un modo de prueba, lo que permitiría a las empresas comenzar a evaluar hipótesis y análisis, antes de integrar conjuntos de datos reales.
- Se requiere análisis de datos para procesar adecuadamente volúmenes cada vez mayores de datos en tiempo real. El mercado cuenta con métodos, herramientas y servicios de análisis algorítmicos que permiten obtener información profunda en tiempo real. Sin embargo, dado que la capacidad analítica es un factor importante que determina la competitividad, existe la necesidad de desarrollar científicos de datos que puedan manejar análisis inteligentes avanzados.
- Para prepararse para implementar big data o análisis avanzado, Roy Kok recomienda centrarse en la visibilidad de la información y la amplia difusión de la información. “En muchos casos, la responsabilidad del análisis recae en unos pocos, y fuera de esos límites, las operaciones caen en el statu quo”, dijo. Esto suele ocurrir cuando la información se centraliza en herramientas que requieren un uso activo. Aproveche la base de conocimientos combinados de su organización ampliando la distribución de información y compartiendo información de forma regular.
Desde el nivel de dispositivos (sensores y dispositivos) hasta el control de dispositivos, los niveles MES (Sistema de ejecución de fabricación) y ERP (Planificación de recursos empresariales), la información debe visualizarse y compartirse, y la organización debe trabajar en conjunto para realizar mejoras (Figura 2). ).
El uso de big data presenta muchos desafíos. Sin embargo, si la cantidad de información se expande, el intercambio de información es exitoso y la información integrada se utiliza en la organización, la inversión en big data traerá efectos tales como una mayor productividad. Continuaremos prestando atención al uso de big data.