mirando al líder. la experiencia de una empresa industrial destacada en digitalización
TRANSCRIPT
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Conectar máquinas a internet
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Conectar máquinas a internet
Robotizar las plantas productivas
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Conectar máquinas a internet
Robotizar las plantas productivas
Plantas productivas con realidad aumentada
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Conectar máquinas a internet
Robotizar las plantas productivas
Plantas productivas con realidad aumentada
Añadir sensores a las máquinas
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Conectar máquinas a internet
Robotizar las plantas productivas
Plantas productivas con realidad aumentada
Añadir sensores a las máquinas
Integrar sistemas PLM y MES en planta
¿Quién es el líder?
Fuente: Kagermann, Henning, et al. (2013)
Fuente: Kagermann, Henning, et al. (2013)
¿PARA QUÉ?
Fuente: Kagermann, Henning, et al. (2013)
¡Generar valor añadido y
asegurar así el futuro de
la industria!
¿PARA QUÉ?
¿Es posible generar valor añadido?
Fuente: Forbes (2012)
• VER
• ENCONTRAR
• ENTENDER
Convertir datos en información relevante para el negocio
¿Es posible generar valor añadido?
• Detectar con suficiente antelación
la probabilidad de fallos.
• Control eficiente y ordenado de los
grandes consumidores de energía.
• Mejora de la competitividad:
o Producto
o Proceso
¿Es posible generar valor añadido?
• Facturación: 30 M€/día
• Empleo directo: 50 pers./turno
• Empleo Indirecto: 400 pers./turno
Coste avería:
o Componente: 25.000 €
o Daños: 250.000 €
o Personal: 50 pers./turno
o Facturación: 10 M€/turno
o Tiempo reparación: 5 turnos
¿Es posible generar valor añadido?
Herramientas
3 modelos de sistemas predictivos
Caja Negra Caja Gris Caja Blanca
Herramientas
Herramientas
Herramientas
Modelos que ayuden a
tomar decisiones de
manera autónoma y/o
asistida
En tiempo y a un coste
razonables
¿Cómo?
Avances
Avances
Avances
Objetivo
Aplicaciones reales
• Máquina autónoma
• 1.000 piezas/día
• Operación 24/7
• > 15.000 variables de proceso
Aplicaciones reales• Variables monitorizadas:
14
• Muestreo:
11.2 kB/dia
• Volumen anual:
4 MB/año
• Metodología:
Aprendizaje automático
supervisado
• ¿Para qué?
Incremento de
disponibilidad en 20%
Aplicaciones reales
• Cantidad de variables:
78
• Volumen de muestreo:
2.8 MB/ciclo
• Volumen anual:
1 TB/año
• Metodología:
Aprendizaje automático no supervisado
• ¿Para qué?
Incremento de vida útil en servomotores
y cabezales de mecanizado.
“Pensar en la fábrica es el
primer paso para llegar a la
fábrica que piensa”
-
