Nuevas herramientas como los asistentes digitales y el machine learning han llegado para lograr mayor productividad en las industrias.
La teoría de Charles Darwin de la “supervivencia del más apto” también aplica a la gestión de las plantas industriales, especialmente durante el 2020 y de ahora en más. Solo las empresas inteligentes podrán sobrevivir a la competencia agresiva y a las condiciones económicas volátiles actuales. Afortunadamente, el analytics moderno es más accesible que nunca, brindando a los ejecutivos de las industrias nuevas herramientas que puedan optimizar el trabajo en forma más inteligente y no necesariamente trabajando más.
El análisis de datos impulsado por Inteligencia Artificial (IA) y por el Machine Learning (ML), brinda información avanzada y prescriptiva para extender la vida de los activos críticos, analizando la efectividad general el equipo (OEE) y evitando el paro de las operaciones no programados.
Las generaciones anteriores de analytics usaban los datos para generar tableros y cuadros. Para poder ir más a fondo con los datos, los ejecutivos tenían que llamar a expertos en el tema. Científicos en datos y consultores empresariales debían trabajar detrás de escena para sacar conclusiones de la gran cantidad de datos existentes.
Muchas veces, estos perdían su relevancia y urgencia para el momento que los datos pasan por todos los filtros del análisis. Este proceso antiguo significa que los programas tradicionales de mantenimiento de activos eran reaccionarios y pocas veces preventivos. Sin embargo, este proceso ya no es suficiente. Los ejecutivos de las industrias deben hacer una actualización para poder continuar siendo competitivos.
Actualmente con el analytics avanzado se puede realizar la recolección de datos en el “back end” y luego trabajar para conectar, preparar y relacionar los datos de una cantidad de fuentes distintas dentro de la empresa. Esto elimina las barreras de ingreso, brindando al personal de mantenimiento herramientas fáciles de usar que ayudan a definir metas, seleccionar algoritmos, capacitar los módulos y testear los resultados.
El misterio de la IA se reemplaza utilizando interfaces impulsadas por el usuario. El resultado es una visión confiable para una mejor toma de decisiones. Para los ejecutivos de las plantas de mantenimiento industriales, esto significa una gestión de activos prescriptiva y entender los mejores pasos para extender el valor del equipo y evitar los tiempos no programados de paros de la organización.
El uso de asistentes digitales personales activados por voz ya es una realidad. Imaginar a los usuarios empresariales que puedan preguntarle al teléfono: “¿Cuántas válvulas de repuesto hace falta ordenar? o “¿Cuál es el puntaje OEE para esta máquina?”. Esto representa una nueva ola de disrupciones, que algunas empresas analistas como Gartner denominan “Analytics Aumentada.”
Entonces, ¿qué significa analytics aumentada para el mantenimiento de la organización? Las empresas tecnológicas que se especializan en analytics, están transformando la experiencia con el “BI- Business Intelligence” pasando de descriptivo a diagnóstico. Se están enfocando en las funcionalidades que usa el poder de la ciencia de datos para entender instantáneamente las variables que impulsan los Indicadores Claves de Performance (KPIs).
Estas herramientas no requieren ningún conocimiento especializado, y ayudan a los usuarios empresariales a encontrar la relación entre los KPIs y las variables, y luego generar automáticamente visualizaciones y tableros que explican lo ocurrido. Para los responsables del mantenimiento de los activos, los KPIs pueden hacer el seguimiento del costo de las paradas, de la inversión de los repuestos, de la eficiencia del equipo en general y del consumo energético.
El objetivo es monitorear e identificar señales tempranas de alerta de posibles fallas de activos. Al detectar las señales tempranas, se puede tomar acción para evitar las fallas. Más que eso, los analytics modernos ayudan a prescribir la mejor respuesta. En la manufactura compleja, existen varias soluciones posibles para resolver cualquier tema de performance de los activos.
Existen componentes críticos que deben estar presentes al considerar soluciones de analytics moderna aumentada. Estas incluyen: herramientas de visualización, funcionalidades de idioma natural, asistentes personales digitales, relaciones contextuales, machine learning y factores que contribuyen (como la capacidad para agregar datos y ubicación geográfica, entorno, tiempo, proveedores y especificaciones de producto).
El mantenimiento de las industrias enfrenta muchos retos en la actualidad, como presión para acelerar los tiempos de respuesta, cumplimiento de las órdenes de los clientes, disminuir los desperdicios e impulsar la productividad. Para muchas organizaciones, la clave es impulsar la performance de los activos. Mejorar el ciclo de vida de los equipos y la toma de decisiones inteligentes sobre eficiencia y reparaciones puede ayudar o destruir una organización.
Con el analytics avanzado aumentado, el grupo de mantenimiento cuenta con otros recursos valiosos. Ahora es el tiempo de tomar los pasos para transformarse en una organización tecnológica de primera, aprovechando la inteligencia del análisis de datos.
Por Nicolás Luders, Solution Consultant de Infor Cono Sur