Big Data aplicado al concepto Industria 4.0
El término Big Data fue creado en 1997 para designar un gran volumen de información virtual desordenada y en rápido crecimiento. Hoy, esta expresión hace referencia a un conjunto de macrodatos o big data de múltiples fuentes producidos en un periodo de tiempo reciente, y permite una lectura de la realidad en tiempo real, siempre que dicha información sea sometida a un tratamiento adecuado. El concepto Industria 4.0 se utilizó por primera vez en 2012, en Alemania, y designó una nueva fase del segmento de fabricación, donde la fabricación está informatizada. Esta es la cuarta revolución industrial , con un amplio sistema de tecnologías avanzadas, como inteligencia artificial, robótica, internet de las cosas y computación en la nube, que en conjunto cambian la mecánica operativa, creando modelos de negocios y reduciendo costos.
Según una encuesta realizada por la Agencia Brasileña de Desarrollo Industrial (ABDI), la reducción de costos en la industria brasileña con la migración al concepto 4.0 será de aproximadamente R$ 73 mil millones por año. Dentro de ese valor, la disminución con reparaciones puede llegar a R$ 35 mil millones. Las ganancias en eficiencia productiva pueden ser de R$ 31 mil millones y los otros R$ 7 mil millones están relacionados con la reducción de costos de energía.
Sin embargo, esta migración requiere un poco de esfuerzo. La Industria 4.0 se retroalimenta diariamente con Big Data . Estamos hablando de mucha información. Google estima que la humanidad crea 5 exabytes de datos cada 48 horas. Es el mismo volumen de conocimiento creado por todos los pueblos del mundo desde la antigüedad hasta el año 2003. Solo para recordarles, un exabyte son mil petabytes. Y un petabyte son mil terabytes. La legendaria biblioteca de Alejandría es un grano de arena en esta inmensidad. Pero, ¿cómo trabajar con tanta información?
Bueno, no recopilaremos todos los datos producidos en todo el mundo. Es necesario delimitar un corte dentro de este universo virtual. Algo que ocurre naturalmente en las operaciones diarias. Por cierto, cuando hablamos de Big Data necesariamente pasamos por las cinco “V”, definidas por los teóricos de las Tecnologías de la Información:
- Volumen , que se traduce en la gran capacidad de datos que dicha tecnología puede almacenar;
- Velocidad , que representa la rapidez con la que el hardware y el software pueden trabajar para recopilar y procesar información;
- Veracity , que demuestra el poder del algoritmo para filtrar los datos correctos que se utilizarán en el análisis;
- Variedad , que se refiere a las diversas fuentes de los registros, tanto internas como externas;
- y Valor , que representa la capacidad que tiene el Big Data para aportar valor al día a día del mundo empresarial.
Entonces podemos decir que cada industria construirá una delimitación sobre la primera V, siendo el volumen de datos Big Data. Lo que perjudicará la velocidad de procesamiento, lo que no es cierto, lo que no agrega valor, lo que no concierne a la actividad de la industria (ya conectado en la fase 4.0, por supuesto) es eliminado automáticamente por el profesional de TI, responsable de la implementación de esta rutina operativa. en la compañia. Aún así, es mucha información, de diferentes fuentes.
Según la web de Oncase , “ las principales fuentes de datos que soportan el funcionamiento del Big Data en la Industria 4.0 son:
- Datos Sociales : son los datos recopilados de las interacciones del usuario en las redes sociales, búsquedas en Google y acciones con otros canales digitales de la empresa. Es principalmente a través de ellos que es posible desarrollar el mapa de viaje del cliente, capaz de rastrear los patrones de consumo y los perfiles de comportamiento del público objetivo;
- Datos Empresariales : son insumos que la empresa pone a disposición en todo momento, tales como datos sobre recursos humanos, financieros y productivos, así como otros registros. Son fundamentales para alinear la capacidad operativa de la empresa con las demandas existentes”.
De forma práctica, podemos poner el siguiente ejemplo: imagina que una fábrica de automóviles tiene previsto pintar de negro un determinado modelo en mayor cantidad, pero el departamento de ventas registra un gran volumen de pedidos en rojo. Además, varios cibernautas preguntan si el auto está disponible en color rojo. Los planes se modifican rápidamente antes de que comience la producción en negro. Todo esto sucedió en minutos, evitando la creación de inventario innecesario o, al menos, el costo de reelaboración.
Pero, ¿cómo desplegar la tecnología Big Data en una industria 4.0? El sitio web A Voz da Indústria dice que este proceso pasa por 3 fases:
- “Fase 1 – Arquitectura de la Información— La primera acción es definir cuáles son los datos más relevantes y cuáles son los objetivos de la empresa con el uso de esta información. Con la definición de los datos que se deben recopilar en esta planificación, es necesario decidir cómo y cómo se deben determinar, desde la línea de producción hasta el sensor instalado y las máquinas, para llegar a una base de datos bien estructurada. Por tanto, en esta fase se crea la arquitectura de la información, la organización de las partes de un mismo sistema para que sea comprensible. Esta acción evitará una “colcha de retazos” y creará un estándar de datos, con un lenguaje único para integrar la información y sus intercambios entre todos los sectores de la industria. Las acciones de planificación, arquitectura y definición de hacia dónde quiere llegar la empresa con los datos optimizarán el uso de Big Data.internet de las cosas (IoT) o protocolos abiertos para la comunicación entre máquinas (Modbus u OPC), herramientas que mejoran la integración de equipos y, en consecuencia, de datos. Actualmente, también es posible instalar sensores magnéticos o de presencia, por ejemplo, en procesos o equipos que no cuentan con una forma propia de contabilizar la producción. Como industria metalmecánica, donde los procesos de soldadura no contaban con mecanismos de conteo de las piezas producidas y se utilizaban sensores magnéticos para detectarlas y contarlas automáticamente. Otra posibilidad es utilizar datos de máquinas, que muchas veces ya cuentan con algún tipo de contador. Entre esta información deben estar los KPIs (Key Performance Indicator)productividad, calidad y costos de producción. Con estos temas bien alineados, la empresa tendrá seguridad y claridad sobre el análisis de datos que se realizará en la siguiente fase.
- Fase 2 – Visualización de la difusión de datos— Uno de los retos es hacer que la información llegue a las personas adecuadas y en el momento adecuado para una toma de decisiones más asertiva. Las empresas suelen utilizar algunos modelos más tradicionales como pantallas gigantes o cuadros de mando para mostrar estos datos, que pueden estar asociados a alarmas o alertas para el equipo. Otro punto que se debe definir es el tiempo en que se consolidarán los datos. Una posibilidad es recolectarlos en periodos más largos, y no solo visualizarlos en tiempo real, consolidando estos datos en semanas o meses. De esta manera, es posible verificar la productividad durante un período de tiempo para evaluar problemas y proponer soluciones para optimizar la producción. En esta etapa, es importante difundir los datos a quienes actuarán en la empresa y detener la producción cuando se identifique un defecto crítico antes de causar pérdidas con el retrabajo o el uso de materias primas. O determine una revisión de todo el proceso de producción, después de analizar el conjunto de datos durante un período más largo y en línea con los KPI de la industria.
- Fase 3 – Uso de datos para generar escenarios y toma de decisiones — En esta última fase, luego de extraer correctamente los datos que fueron claramente visualizados y difundidos en las dos fases anteriores, es posible realizar simulaciones estratégicas antes de intervenir en producción. El uso de datos reales en simulaciones permite implementar el concepto de gemelo digital en la industria. Estas simulaciones pueden proporcionar los mejores parámetros y condiciones para una producción confiable y eficiente. Las simulaciones pueden utilizar tecnologías como el análisis de datos, la inteligencia empresarial o incluso la inteligencia artificial. Para analizar datos históricos, destacando tendencias, patrones o correlación entre datos. El principal objetivo con el uso de estas innovaciones es dirigir el capital humano a situaciones más estratégicas y poner la máquina en acciones operativas. Por lo tanto, luego de estas simulaciones, los datos pueden usarse para tomar decisiones más asertivas y de bajo riesgo, evitando el desperdicio de energía o la necesidad de un nuevo proceso de producción. A partir de este momento se establecerán las acciones necesarias para incrementar la productividad y la calidad del producto”.
Según el sitio web del Portal da Indústria, “la incorporación de Robótica Avanzada, Sistemas de Conexión Máquina-Máquina, Internet de las Cosas y Sensores y Actuadores utilizados en los equipos de producción hace posible que las máquinas “hablen” a lo largo de las operaciones industriales. Esto puede permitir la generación de información y la conexión de las diversas etapas de la cadena de valor, desde el desarrollo de nuevos productos, proyectos, producción, hasta la postventa”. Es en este escenario que se utilizará la información de Big Data. Toda esta tecnología aún permite un crecimiento promedio del 22% en la productividad. ¿Funciona? Sí. ¿Vale la pena? Por supuesto.
¿Te gustó el texto? En Águia Sistemas somos líderes nacionales en Intralogística y podemos ayudar a su empresa a encontrar siempre la mejor solución en este campo. ¡Mantenga contacto!
(El texto anterior fue escrito con información de los sitios web, Oncase, A Voz da Indústria, Portal da Indústria).