Digitalizando los procesos productivos

Sensores y captura de datos

1835
Con la llegada de los autómatas y los robots se podría pensar que la digitalización de los procesos de producción ya ha finalizado, ya que, al fin y al cabo, son máquinas las que hacen todo el trabajo de fabricación o distribución. Pero estos autómatas son solo una parte muy pequeña de esos procesos y existen muchos componentes en los que se pueden aplicar nuevas tecnologías que ayudan a mejorar. Y en el mundo al que a todos nos gustaría pertenecer, mejorar quiere decir reducir costes y aumentar la calidad al mismo tiempo.

La digitalización a través de las nuevas tecnologías de sensorización, comunicación y tratamiento de datos nos permite ser más competitivos, reduciendo costes y mejorando la calidad.

La reducción de costes se puede conseguir optimizando cada uno de los puntos de la cadena. En cualquier caso, esto es muy difícil de tratar de forma genérica, ya que diferentes empresas tendrán pasos y cometidos heterogéneos, desde una fábrica de materiales de construcción hasta una empresa de servicios de limpieza. Pero, aunque los mundos sean muy diferentes en el diseño de la cadena, sí podemos hacer una aproximación medianamente genérica que nos ayude a entender el concepto de la digitalización.

Lo primero que hace falta es saber qué es lo que está pasando en cada momento. Es fundamental tener la información necesaria para poder tomar las decisiones que van a permitir pequeñas variaciones —o drásticas, según el caso— dirigidas a optimizar el proceso. La información está en todos y cada uno de los pasos, ya sea porque existe una maquina que está funcionando a determinadas revoluciones por minuto o una persona que, en un momento determinado, está comenzando una actividad.

La captura de datos, o la sensorización, será el primer paso hacia la digitalización

Sensorización

De este modo, la captura de datos —o sensorización— va a ser el primer paso hacia la digitalización. Sabiendo cuáles son los puntos de medida y los parámetros, será conveniente leer lo que está pasando mediante un sensor determinado: temperatura, revoluciones, control de presencia, contador de pulsos… Por supuesto, existen diferentes tipos de sensores para maquinas y diversos mecanismos de captura de datos, cada uno para determinadas situaciones.

Una vez que tenemos los datos, la información, tendremos que ser capaces de utilizarlos en algún contexto determinado. Para ello se suelen utilizar tres estrategias: in situ, centralizadas o una combinación de ambas.

En la primera de ellas, in situ, además de instalar un sensor habrá que acompañarlo de algún tipo de elemento que sea capaz de procesar la información que recoja y, lógicamente, tomar decisiones al respecto. Por otro lado, si queremos transmitir esos datos a otra ubicación para su tratamiento centralizado, será necesario instalar, además del sensor, un sistema de comunicación.

Las comunicaciones han evolucionado mucho en los últimos veinte años. Con el nacimiento de las redes móviles, especialmente las redes de datos, desde GPRS hasta el 5G del que empezamos a oír hablar estos días, enviar información de un sensor hasta un centro de tratamiento es cada vez más rápido y menos costoso. Y no solo eso, durante este tiempo han surgido redes de corto alcance, sistemas de comunicación con poco consumo de batería, redes de espectro gratuito, etc. Sin duda, en la actualidad, la comunicación de datos se puede realizar desde prácticamente cualquier lugar, sin necesidad de cableados costosos, y con costes de dispositivos bastante reducidos.

Trabajar con la información

El tratamiento de datos, ya sea in situ o centralizado, nos permite llevar a cabo tres funciones básicas: análisis, alarmas y actuaciones. Hasta aquí todo perfectamente normal. Por ejemplo, si hay una bajada en el nivel de aceite, podré enviar una alarma para que este sea repuesto. Pero al realizar un tratamiento centralizado podemos desarrollar ajustes más complejos, combinando la información disponible gracias a todos los puntos de entrada de datos, el histórico, las tendencias…

Por ejemplo, si baja el nivel de aceite, pero históricamente compruebo que lo hace en un determinado porcentaje diario, puedo calcular cuánto tiempo queda para que la bajada se convierta en crítica. Si compruebo que, además, no existen determinadas actividades programadas que requieran más consumo de aceite, entonces podré tomar la decisión de cambiar el aceite antes o después.

En este ejemplo hemos podido reducir el coste de la producción, porque el período de remplazo lo hemos alargado, proporcionando tiempo adicional al personal de mantenimiento para que se ocupe de otras actividades más urgentes. Además, esto nos permite solicitar pedidos más grandes de reservas de aceite para conseguir mayores descuentos del proveedor. Por supuesto, esto es solo un ejemplo y las combinaciones que podemos desarrollar irán en función de las características propias de cada escenario.

En cualquier caso, es importante que seamos capaces de incorporar varios tipos de datos. En el ejemplo no solo hemos sensorizado, sino que, además, se han utilizado datos de la planificación futura, la actividad del personal, los precios del proveedor, el nivel de stock… Hemos integrado todo el proceso de producción, lo hemos digitalizado y le hemos dado inteligencia para reducir costes de manera automática.

El tratamiento de datos permite funciones de análisis, alarmas y actuaciones

La calidad

Por supuesto, la calidad del producto se ha mantenido, ya que no hemos alterado los componentes ni cambiado a los proveedores. Pero todavía se puede dar un paso más en la digitalización y mejorar la calidad de estos productos o servicios. Para ello tendremos que digitalizar el departamento de calidad, encargado de comprobar el grado de cumplimiento de los requisitos que buscamos; por ejemplo, la duración (si se trata de un material), o la satisfacción del cliente (si estamos hablando de un servicio).

La digitalización de la calidad se consigue mediante la incorporación de más datos al análisis que realizábamos anteriormente. Por un lado, vamos a automatizar las pruebas que necesitamos y, por otro, vamos a retroalimentar al sistema de producción para que pueda corregir desviaciones.

La automatización de las pruebas consiste en disponer de sistemas que, para cada pieza o servicio (o de forma aleatoria en un porcentaje de ellos), ejecuten pruebas que, a su vez, irán evolucionando a medida que se obtienen más o menos datos. Estas pruebas alimentarán las decisiones, que podrán derivar en sugerencias en torno a modificar velocidades de producción, análisis predictivos de duración, información al cliente final a través de la publicación de información de ayuda o cualquier otra conclusión que podamos obtener.

Determinadas conclusiones podrán llegar a ser inferencias del propio personal, que son, sin duda, otra fuente de datos del sistema. Esto, evidentemente, dependerá en gran medida del proceso, pero, en cualquier caso, deberá formar parte de la integración y digitalización.

En definitiva, digitalizar los procesos de producción es disponer de la máxima información posible, lo más frecuentemente posible, comunicando los datos, analizándolos y tomando decisiones de forma inmediata.