Analítica de Datos aplicada a Entornos Industriales « Congreso Nacional de Clusters 2017

Título del proyecto

Analítica de Datos aplicada a Entornos Industriales

Resumen ejecutivo

Las empresas manufactureras han hecho un gran esfuerzo en los últimos años para automatizar sus procesos productivos y dotarlos de controladores de muy diversos tipos.

Conscientes del tremendo potencial de beneficio que ofrece el análisis de los datos generados por estos dispositivos electrónicos, las empresas se enfrentan a preguntas como:

  • ¿Por dónde empezar? ¿Cómo internarse en el bosque de datos?
  • ¿Qué equipos inteligentes tengo en mis instalaciones? ¿Cuáles tienen datos?
  • ¿Qué tipos de datos están disponibles? ¿Necesito cableado adicional?
  • ¿Qué datos pueden generar beneficio?
  • ¿Cómo usar los datos, por separado o combinados con otros?
    ¿Qué técnicas de análisis de datos son más adecuadas?

El proyecto fue organizado por el cluster IDiA, y liderado por GM España. Otras empresas e instituciones se sumaron con el objetivo de poner orden en sus respectivos bosques e iniciarse en el mundo del análisis de datos industriales.

El proyecto se desarrolló a lo largo de ocho meses, desde Junio de 2016 hasta Enero de 2017, con el siguiente programa:

Se lograron los objetivos perseguidos, lo cual ha permitido a varias de las empresas del grupo iniciar proyectos en el mundo del análisis de datos industriales y ha ampliado las posibilidades de negocio de los centros tecnológicos involucrados.

Participantes

Un nutrido grupo de empresas e instituciones participaron en el proyecto con diferentes grados de intensidad:

Empresas Centros tecnológicos Centros académicos Clusters Tecnológicos
GM España Tecnalia Universidad de Zaragoza IDiA
Grupo Heraldo ITAInnova BIFI CEQUIP
Grupo SAMCA I3A
Cables de Comunicaciones

Maprotest

TSK
Airbus

Siemens

Objetivo general y objetivos del proyecto

El objetivo general del proyecto fue la redacción de un informe que sugiera los campos en los que realizar de manera preferente proyectos de análisis de datos en el área de Manufacturas.

Los objetivos específicos fueron:

  • Realizar un inventario de equipos inteligentes y de los datos que cada equipo puede transmitir.
  • Compartir conocimiento avanzado y metodologías de análisis de datos, incluyendo experiencias de éxito y fracaso.
  • Estudiar el interés que presenta el análisis semántico para datos industriales.
  • Clasificar los procesos industriales. Para cada tipo, definir qué beneficios potenciales pueden derivarse del análisis de sus datos.
  • Definir pruebas de concepto a realizar por los miembros del grupo.
  • Identificar programas de ayudas para proyectos de análisis de datos industriales.

Descripción del proyecto

  1. El proyecto comenzó en Junio de 2016.
  2. Se adoptó un modelo intersectorial y colaborativo utilizando un grupo de empresas e institutos de investigación, dentro del que se pudieran compartir experiencias e intereses relacionados con el análisis de datos industriales
  3. Se estableció un régimen de dos videoconferencias semanales, de dos horas cada una.
  4. Una vez constituido el grupo y establecidos los objetivos, se creó un espacio de colaboración en Yammer, que ha servido para vehicular la participación de los miembros del grupo.
  5. En General Motors se hizo un prototipo de inventario de equipos inteligentes que sirvió para definir un modelo. Se distribuyó el modelo y las empresas interesadas realizaron los inventarios de sus respectivas áreas productivas.
  6. Se constató la necesidad de utilizar un lenguaje común para homogeneizar terminologías propias de cada empresa o cada sector.
  7. Se consideró interesante estudiar las ventajas que el análisis semántico podría aportar al análisis de los datos, y el esfuerzo que esto supondría.
  8. Para dar respuesta a los puntos 6 y 7 se abordó la elaboración de una ontología industrial. Partiendo del modelo propuesto por Know4Car se desarrolló un concepto de ontología centrado en los procesos productivos, los equipos utilizados y los datos que éstos generan. Esta ontología aspira a convertirse en una referencia en el mundo industrial para el análisis de datos.
  9. Se presentó el proyecto “Estudio sobre la aplicabilidad de Big Data a la optimización de procesos productivos industriales” según la Orden IET/1203/2015, de 16 de junio, por la que se convocaban subvenciones para el apoyo a agrupaciones empresariales innovadoras correspondientes a 2016
  10. Diferentes empresas compartieron sus experiencias, tanto positivas como negativas, en el análisis de datos en el ámbito industrial.
    1. TSK mostró el uso que hacen de Big Data y análisis semántico para procesar los datos de plantas de energía. Fue especialmente reveladora su experiencia sobre la necesidad de utilizar infraestructuras y técnicas de Big Data cuando las tradicionales de Business Intelligence se muestran incapaces de manejar grandes cantidades de datos heterogéneos en tiempo real.
    2. Tecnalia presentó un caso de optimización de maquinaria de control numérico.
    3. Tecnalia explicó un caso de no éxito en el ámbito del estampado en frío, donde se pusieron de relieve las causas que impidieron lograr los objetivos.
    4. MaproTest mostró su sistema de mantenimiento predictivo en un escenario de fallo multimodal.
    5. Heraldo presentó un ejemplo de utilización del análisis semántico aplicado a textos con noticias.
  11. Como preludio para abordar la definición de Pruebas de Concepto se hizo un inventario de procesos en empresas de varios sectores y se creó una lista unificada de procesos.
  12. Se abordó el estudio de algunos procesos comunes a varias industrias, calibrando el interés en abordar pruebas de concepto para cada uno de los procesos.
  13. En los procesos seleccionados (por ejemplo variadores de velocidad) se hizo un estudio los tipos de servicio (cíclico, continuo…) y de las aplicaciones (transportadores, mesas giratorias, bombas, ventiladores…).
  14. Para algunas de las aplicaciones se definieron pruebas de concepto a realizar, y algunas de las empresas del grupo mostraron su interés en participar. Las pruebas de concepto sugeridas fueron:
    1. Mantenimiento Predictivo basado en datos de variadores de velocidad: transportadores, bombas y ventiladores.
    2. Mantenimiento Predictivo basado en la degradación de tiempos de ciclo.
    3. Generación automática de informes de paros.
    4. Extensión de la experiencia en optimización de consumos energéticos a otro tipo de materiales.
    5. Modelización de procesos (conjunto de reglas causa-efecto) y optimización a gran escala.
    6. Hubo otras pruebas de concepto específicas para GM España que no trascendieron al grupo.
  15. Con esta fase terminó el proyecto en Enero de 2017. La realización de las pruebas de concepto cae fuera del ámbito del proyecto.

Resultados y repercusión

El proyecto ha arrojado numerosos beneficios a las empresas e instituciones que han participado.

Respecto de las empresas

  • Se han definido nueve pruebas de concepto prioritarias donde la probabilidad de obtener beneficio es máxima.
  • Ha permitido a las empresas introducirse en el mundo del proceso de datos industriales de la mano de empresas con la misma motivación, y de otras con cierta experiencia en el tema.
  • Ha proporcionado información muy valiosa sobre la población de dispositivos inteligentes, sus posibilidades teóricas y reales de conexión, y los datos que cada dispositivo puede transmitir.
  • Se han valorado los diferentes tipos de datos disponibles y la posibilidad de ponerlos en relación unos con otros. Se han estimado los beneficios que se pueden obtener analizando algunos de ellos.
  • Ha permitido conocer casos de éxito y de no éxito, y se han extraído valiosas enseñanzas sobre lo que debe y no debe hacerse a la hora de abordar un proyecto de análisis de datos industriales.
  • Se han aprendido lecciones de gran importancia, como la necesidad ineludible de hacer al negocio partícipe y coprotagonista de cualquier proyecto de análisis de datos industriales
  • Se han definido unas líneas de pruebas de concepto prioritarias donde la probabilidad de obtener beneficio es máxima.
  • Se han definido otras líneas para posterior investigación, como el análisis semántico.
  • Se ha creado una red de contactos específica para el tema de análisis de datos industriales.

Encuestadas las empresas manufactureras, han coincidido en que:

  • Han inventariado sus equipos inteligentes (PLCs, regulación, sensores…).
  • Han identificado los puntos donde más se justifica introducir tanto sistemas de supervisión, según el concepto Factory 4.0, como Análisis de Datos.
  • Han entendido qué beneficios se puede sacar del Análisis de Datos. Hablando con otras empresas y viendo lo que otros hacen han adquirido una idea más realista que leyendo artículos sobre el tema.
  • Tras haber participado en reuniones y webinars temáticos ahora tienen un mayor conocimiento sobre el estado del arte en Análisis de Datos

Respecto de clusters y centros tecnológicos

  • Han podido conocer de primera mano las necesidades de las empresas de manufacturas en relación con el Análisis de Datos.
  • Han conocido las principales dificultades o barreras, no necesariamente tecnológicas, a que se enfrentan las empresas de manufacturas a la hora de abordar proyectos de Análisis de datos.
  • Han podido evaluar el grado de conocimiento y sensibilización existente en las empresas de manufacturas en relación con el Análisis de Datos.
  • Han conocido casos de uso reales y retos concretos presentes en las empresas de manufacturas en relación con el Análisis de Datos.

Respecto del tejido económico en general

  • Los resultados publicables del proyecto se han compartido en jornadas como la realizada en el CTA el 4 de Mayo, o el evento TICBox celebrado en Etopía el 8 de Junio de 2017.

 

DATOS DE CONTACTO

Cluster IDiA

Antonio Novo Guerrero

antonio.novo@idia.es

Teléfono 976 976 656

Documento descriptivo – Analítica de datos aplicada a entornos industriales


Vota al Mejor Proyecto en Innovación Colaborativa

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *