ia: industrial analytics GmbH – Descubrir brechas de producción e incrementar el rendimiento
El sensor de distancia O1D108 es capaz de identificar si el cabezal de corte está en funcionamiento o en posición de reposo mediante la medición del tiempo de vuelo.
Transparencia en los procesos: una mirada a la caja negra
La empresa “ia: industrial analytics GmbH” de Aquisgrán ofrece a los clientes una solución integral para la digitalización de sus instalaciones de producción, que abarca desde la recopilación hasta la visualización de los datos. Para ello, emplea los sensores IO-Link de ifm, que permiten extraer datos de los procesos de producción de forma mínimamente invasiva y mediante Plug & Play. El objetivo consiste en obtener información transparente sobre las causas de una secuencia de producción que no está perfectamente coordinada y sus respectivos efectos a través de un análisis en cascada basado en la Eficiencia General de Equipos (OEE, por sus siglas en inglés). Con estos conocimientos, se puede lograr una óptima coordinación entre los distintos pasos de producción. Esto conduce a un eficaz aumento de la eficiencia, como nos demuestra el ejemplo concreto de su aplicación en la industria de procesamiento del acero.
La pieza central de la instalación es el llamado ia:factorycube. Con su unidad informática, router y software de evaluación, ya contiene todos los componentes informáticos necesarios para recopilar, evaluar y visualizar los datos generados, y transferirlos a la nube si es necesario.
El procesamiento completo de la información se realiza en el factorycube. Además, el sistema se puede adaptar modularmente a los requisitos del cliente. "Es posible almacenar los datos en el factorycube o integrar el equipo en la propia infraestructura informática del cliente. La tercera opción es el almacenamiento y la evaluación de los datos en nuestro sistema en la nube, que ponemos a disposición del cliente si así lo desea".
Nicolas Altenhofen, director de marketing de industrial analytics, añade: "Nuestro enfoque no consiste únicamente en el almacenamiento de datos. Mucho más importante es el segundo paso, su procesamiento y la visualización. No nos interesa tanto la optimización de los procesos de producción, sino más bien los indicadores clave de rendimiento. Por ejemplo, utilizamos una barrera fotoeléctrica para saber si la máquina está en marcha o no, o para determinar el número de piezas. Así podemos averiguar cuándo se ha parado la máquina, cuándo ha estado en funcionamiento y cuáles fueron los motivos de su parada. Estos datos se pueden tratar y visualizar de diferentes maneras".
Para que el uso del factorycube sea lo más versátil y, por tanto, lo más eficiente posible, industrial analytics apuesta decididamente por las interfaces abiertas. Esto significa que es posible una fácil implementación de las extensiones. Actualmente, por ejemplo, se están desarrollando soluciones para el aseguramiento de la calidad con sistemas con cámara y aprendizaje automático, así como para la planificación y distribución de la capacidad o el mantenimiento preventivo con análisis de vibraciones de alta frecuencia. Gracias a su gran modularidad, cada cliente recibe exactamente las soluciones que necesita en su camino hacia la Industria 4.0.
Jeremy Theocharis explica de qué se trata: "Podemos descubrir el potencial de optimización. Existen instalaciones costosas que no se utilizan de forma eficiente. Muchos clientes no disponen de información clara sobre el tiempo que se destina, por ejemplo, a la tramitación de los pedidos. También se desconoce a menudo cuál es la utilización real de toda la capacidad de la instalación. Nosotros abrimos esta caja negra, permitiendo al cliente tomar decisiones objetivas, basadas en datos, y obtener información relevante como, por ejemplo, que el verdadero cuello de botella no es la máquina, sino el proceso de aprovisionamiento de los materiales".
Un ejemplo es el caso de un importante cliente de la industria de procesamiento del acero, cuyas máquinas situadas en dos emplazamientos distintos fueron reequipadas por industrial analytics en pocas semanas, de modo que ahora es posible una gestión integral de su rendimiento.
Gestión del rendimiento: la cascada en OEE parte de un 100% de tiempo de funcionamiento de la máquina. Muestra detalladamente cuánto de este 100% se pierde debido a una parada y cuáles son los motivos.
Falta de datos transparentes en la sala de producción
El parque de máquinas del cliente consta de máquinas de corte por plasma, máquinas de oxicorte y máquinas de chorreado, entre otras. Estas instalaciones se utilizan para cortar y repasar placas de acero. Jeremy Theocharis: "El problema de nuestro cliente era que no contaba con datos transparentes sobre el rendimiento y los procesos de producción. Por ejemplo, la empresa no sabía cuánto tiempo tardaba realmente en producir una pieza concreta en una determinada máquina".
Aunque existían tiempos teóricos previstos para los distintos productos, no se comparaban con el tiempo real necesario. También se desconocía la disponibilidad y la utilización de la capacidad de las máquinas. No se registraban los tiempos de inactividad de las máquinas ni sus causas. Sin esta valiosa información, la empresa no tenía forma de controlar el rendimiento de su producción, identificar los problemas y tomar decisiones basadas en datos para la mejora de los procesos de producción.
El ia:factorycube recopila los datos de los sensores conectados, los procesa y, si es necesario, los transfiere a la nube.
Datos en tiempo real gracias a los sensores de ifm
Con la ayuda del factorycube y de varios sensores de ifm, fue posible recopilar los datos que antes no estaban disponibles y lograr la transparencia necesaria de los procesos de producción. Se instalaron un total de 14 sensores ópticos de distancia del tipo O5D100 y O1D108 en ocho máquinas de corte por plasma y oxicorte. Gracias a estos sensores, se puede determinar si la correspondiente máquina está en funcionamiento y cuánto tiempo ha estado así. Los sensores se colocaron de forma que el haz de luz apuntara al cabezal de corte de la máquina. En cuanto la máquina se pone en marcha, el cabezal de corte desciende y la distancia respecto al sensor de distancia cambia. Mediante este cambio de distancia, el sistema es capaz de detectar que la máquina está en funcionamiento. Además, se instalaron sensores de vibración del tipo VTV122 y barreras fotoeléctricas del tipo O5D100 en tres máquinas de chorreado. Estos sensores también ayudan a determinar el estado de funcionamiento de las máquinas.
Reducción del tiempo de inactividad de las máquinas y aumento de la productividad
Los datos recopilados por los sensores de ifm se procesan en el factorycube, se envían a la nube y aquí se visualizan en un panel de control. Los responsables de la toma de decisiones en la empresa pueden consultar en tiempo real el estado de las máquinas y los indicadores clave de producción, como OEE. A partir de estos datos, se pueden tomar medidas para optimizar los procesos de producción.
El éxito no tardó en llegar: pocas semanas después de instalar los sensores, la empresa había aumentado considerablemente su eficiencia y productividad.
Rápida tramitación de pedidos de sensores
El hecho de que industrial analytics confíe en los sensores de ifm se debe principalmente a su buen posicionamiento en los distintos motores de búsqueda y a su tienda web. Jeremy Theocharis echa la vista atrás: "Al principio comparamos muchos proveedores de sensores. Al final, acabamos en la tienda web de ifm. Me entusiasmó el hecho de que se pudieran ver los precios de inmediato y de que se pudiera hacer el pedido con un simple clic en "Comprar" sin tener que pasar años definiendo un proyecto. Luego pedimos los sensores. Gracias a IO-Link, se pudieron configurar rápidamente; y funcionan bien y proporcionan resultados precisos. Quizá los sensores sean un poco más caros, pero trabajan de forma fiable; además, podemos pedirlos simplemente pulsando un botón en su tienda web".
Medición de la utilización de la capacidad: los sensores de ifm detectan si las máquinas están en funcionamiento o en estado de espera.
Conclusión
"No importa qué solución de la Industria 4.0 esté buscando: sin datos fiables y precisos, no obtendrá un resultado satisfactorio", afirma Jeremy Theocharis.
Con potentes sensores IO-Link, ifm crea la base de datos que se recopila, procesa y visualiza mediante el factorycube de ia: industrial analytics. Esta interacción permite crear transparencia, mejorar el rendimiento y, en última instancia, reducir los costes de producción.