¿Por qué no hay fabricantes que utilizan el software SCADA creado para la generación IIoT?

Modular, on-demand subscription software built for the 21st Century offers economical predictive process analytics to improve efficiencies.

Por Bert Baeck, CEO, TrendMiner

bert braeck trendminer

A veces parece difícil creer que ya estamos en la segunda década del 21st siglo; Lo que es aún más difícil de creer es que la mayoría de los fabricantes todavía usan tecnología que tiene al menos 30 años. Muchos de estos sistemas funcionan maravillosamente para lo que deben hacer, recopilar y almacenar datos y monitorear sistemas. Sin embargo, estos sistemas por sí solos no pueden ayudar a las empresas industriales a enfrentar los desafíos del mercado global actual.

Aunque hay varias razones para esta situación, la percepción de que el cambio es demasiado difícil y costoso es la causa principal para que las empresas permanezcan reacias a aprovechar las nuevas oportunidades que ofrece el Internet Industrial of Things (IIoT). Una reciente encuesta de LNS Research sobre ejecutivos de fabricación de 400 mostró que la gran mayoría de las empresas no tiene planes de invertir en tecnología IIoT en el futuro cercano. Cuando consideramos cuán costosos son muchos de los sistemas existentes, es comprensible por qué las empresas industriales son reacias a invertir en nueva tecnología.

Desafortunadamente, estos ejecutivos a menudo buscan tecnologías antiguas que han sido retocadas para tratar de aprovechar las oportunidades de IIoT y pueden requerir la eliminación de los sistemas actuales. La buena noticia es que existen tecnologías muy asequibles desarrolladas específicamente para la Era de Internet que funcionan con los sistemas existentes para ayudar a los fabricantes a obtener una visión más profunda del comportamiento del proceso que se traduce en un rápido ROI.

La información de SCADA es más valiosa que nunca

Los sistemas SCADA fueron diseñados originalmente para recopilar datos y monitorear procesos. Como generan cantidades tan enormes de datos, se agregaron historiadores para almacenar estos datos. Inicialmente, los historiadores se utilizaron para cumplir con los requisitos normativos, como generar informes para las agencias gubernamentales. Las principales empresas industriales reconocieron que los datos ocultos en sus historiadores podrían proporcionar información valiosa sobre los procesos y la producción de las plantas, pero el acceso y la utilización de los datos podría ser muy difícil. La razón de esto es que los historiadores no fueron diseñados para propósitos de "lectura" o una transferencia de información bidireccional.

Los sistemas de ejecución de fabricación (MES) se introdujeron en los primeros 1990 en un intento de cerrar la brecha entre los sistemas SCADA de la planta y el software empresarial ERP. También prometieron proporcionar análisis, como los datos de KPI, para mejorar las operaciones del piso de la planta. Si bien han sido capaces de proporcionar capacidades más avanzadas que los sistemas SCADA, son caros y a menudo requieren una extensa ingeniería para ser implementados. Además, se desarrollaron para una era comercial diferente en la que los sistemas todavía estaban en gran parte aislados y la optimización de Internet era en gran medida una idea de último momento.

La tecnología 21st Century ha llegado

Cuando consideramos la cantidad de tiempo y dinero que las empresas industriales han gastado en software tradicional, podemos entender la renuencia de algunos fabricantes a mejorar sus sistemas. Todavía están atrapados por el temor de que cualquier solución nueva sea costosa y requiera una extensa ingeniería y capacitación para los empleados. Además, tienen miedo de verse atrapados en un ciclo de actualizaciones, parches y escalas de capacidad difíciles y costosas.

Para aprovechar realmente las empresas de IIoT, se necesitan soluciones de próxima generación que se hayan desarrollado para tal fin. Estas soluciones pueden ofrecer a los usuarios lo mejor de las nuevas tecnologías, particularmente en términos de facilidad de uso y asequibilidad.

Google para la Industria

Como se mencionó anteriormente, aunque los historiadores poseen una gran cantidad de datos valiosos para mejorar las operaciones, acceder a esos datos y convertirlos en información procesable ha llevado mucho tiempo y es difícil. Muchas aplicaciones se basaban en el modelado de datos, lo que requería una gran cantidad de científicos de ingeniería y datos para realizar. Como resultado, solo las aplicaciones de misión crítica fueron dirigidas, dejando vastas áreas de oportunidades de mejora ocultas.

En 2008, los ingenieros de Covestro (entonces conocido como Bayer MaterialScience) sabían que tenía que haber una mejor manera de aprovechar los datos de series de tiempo. Trabajaron con diferentes tipos de modelos de análisis e identificaron sus limitaciones para la ampliación más allá de los proyectos piloto. Eventualmente, pudieron usar su conocimiento profundo de las operaciones de proceso para crear "descubrimiento basado en búsqueda de patrones y análisis de procesos de estilo predictivo" desarrollado para el usuario promedio. Las capacidades únicas de búsqueda multidimensional de esta plataforma permiten a los usuarios encontrar información precisa rápida y fácilmente, sin costosos proyectos de modelado y científicos de datos.

gráfico de monitoreo de flujo

Figura 1: la combinación de datos en tiempo real con contexto histórico acorta la latencia de análisis a inmediata, brindando la oportunidad de tomar medidas incluso antes de que un evento pueda afectar el rendimiento del proceso.

Un ejemplo simple de cómo funciona esto es la aplicación de reconocimiento de títulos de canciones Shazam. Si bien la tecnología utilizada por Shazam es diferente, el concepto es similar. En lugar de intentar asignar cada nota de una canción a su amplia base de datos de canciones, Shazam usa un software de reconocimiento de patrones que busca "contenido de alta energía" o las características más exclusivas de una canción, y luego lo compara con patrones similares en su base de datos.

Esta es una explicación muy simple de un proceso complejo, pero lo importante es que permite a los usuarios encontrar rápidamente un título de canción con una tasa de precisión muy alta.

Naturalmente, la industria exige algoritmos más sofisticados que sean capaces de ir más allá de la mera búsqueda. A menudo llamado Google for Industry, este software funciona conectándose a bases de datos de historiadores existentes y luego implementando una capa de base de datos de columna para un índice. Este software hace que sea fácil encontrar, filtrar, superponer y comparar períodos de tiempo interesantes para buscar por lotes o procesos continuos.

Además, esta solución de próxima generación permite a los usuarios buscar regímenes operativos particulares, derivas de procesos, acciones de los operadores, inestabilidades de procesos u oscilaciones. Al combinar estos patrones de búsqueda avanzada, los usuarios desbloquean la información verdadera que necesitan. Por ejemplo, un operador compara múltiples capas de datos o periodos de tiempo para descubrir qué sensores se desvían más o menos de la línea base y luego realizar ajustes para mejorar la eficiencia de la producción.

Reuniéndolo todo

Además de la búsqueda fácil, esta nueva tecnología proporciona contextualización de datos de proceso y capacidades de análisis predictivo. Los ingenieros y operadores pueden proporcionar anotaciones para proporcionar una mayor comprensión. Sus capacidades de análisis predictivo permiten una detección temprana de eventos de proceso anormales e indeseables mediante la comparación de patrones históricos guardados con datos de proceso en vivo. Además, la solución calcula las posibles trayectorias del proceso y predice las variables y el comportamiento del proceso antes de que suceda. Esto le da a los operadores la capacidad de ver si los cambios de proceso recientes coinciden con el comportamiento esperado del proceso y ajustar proactivamente la configuración cuando no lo hace.

Modelo comercial del siglo 21st

Este análisis de predicción libre de procesos (descubrimiento y predictivo) también emplea un modelo comercial moderno: fijación de precios de suscripción en línea. Además de hacer que el análisis de procesos sea asequible para todas las compañías, esto también libera a las empresas de tener que gastar tiempo y dinero en agregar licencias y actualizaciones adicionales. Cada vez que un usuario inicia sesión, obtiene automáticamente la última versión del software.

Como hemos visto, las empresas ahora tienen la opción de mejorar el valor de la inversión que han realizado en historiadores de alta calidad. Las soluciones de análisis predictivo de bajo costo que complementan a sus historiadores existentes permiten a las empresas utilizar mejor los datos recopilados por los historiadores para proporcionar valiosos conocimientos de negocios.

Con una solución asequible plug and play para descubrir nuevas áreas para mejorar las eficiencias operativas, la pregunta se vuelve ¿Por qué más empresas no usan software creado para la generación de IIoT?. El futuro está aquí y las empresas ya no pueden operar utilizando únicamente los sistemas existentes si quieren seguir siendo competitivos en este nuevo mundo.

Informador de la industria de procesos

Deje un comentario.

Su dirección de correo electrónico no será publicado. Los campos necesarios están marcados *

Este sitio usa Akismet para reducir el correo no deseado. Descubra cómo se procesan los datos de sus comentarios.