El análisis predictivo de datos puede ayudar con los desafíos que enfrenta la fabricación en el siglo XXI

Publicado: el 27 agosto, 2018 por AdminKonrad / Konrad Lorenz

Por: Bala Deshpande, Socio Fundador, SimaFore y Copresidente, PAW – Manufacturing, Chicago

Traducción: Gustavo Campos

Históricamente, los datos y su análisis han sido clave para el éxito de la fabricación. La mayor contribución a dicho éxito ha sido la tecnología en líneas de montaje desde hace más de 100 años fue el desarrollo de piezas intercambiables. Claramente, los datos fueron centrales en este concepto. Realmente fue el énfasis en la fabricación de piezas intercambiables lo que condujo a la invención del control estadístico de la calidad (SQC) y al control del proceso estadístico. El reconocimiento de la variabilidad como un problema de fabricación y el reconocimiento de que esta variación es diferente de la variación observada en los fenómenos naturales o sociales fue esencial para el desarrollo de métodos para rastrear, diagnosticar y controlar la variabilidad. Métodos como SQC fueron los primeros esfuerzos de análisis en toda regla, que surgieron de cualquier industria y la manufactura fue la que lideró esto.

Sin embargo, en un estudio que se informó en el libro “Competing on Analytics” de Davenport y Harris (2006), las empresas manufactureras representaban menos del 10% entre las consideradas competidores de sistemas de análisis predictivo de datos. En algún momento, las empresas manufactureras disminuyeron su liderazgo en este tipo de analítica, el cual fue asumido por las compañías financieras y tecnológicas.

¿Ha cambiado esta situación en los últimos 10 años? ¿Cuáles son las áreas de crecimiento y oportunidad para los fabricantes? ¿Puede la manufactura resucitar como líder en el desarrollo de nuevas tecnologías en analítica?

Los fabricantes ahora deben centrarse en el uso de datos más allá de las áreas de aplicación convencionales, como la eficiencia y la calidad. La producción tradicional y el recorte de costos ya no son suficientes para seguir siendo competitivos. Los fabricantes generan y almacenan datos de muchas fuentes en toda la cadena de suministro. El objetivo de hoy es integrar y obtener información de los datos a través de sus complejas cadenas de suministro globales y fragmentadas.

Pero los grandes acontecimientos que se desarrollarán en el futuro cercano dependen de la información proveniente de sistemas que monitorean el desempeño de los productos después de que han sido vendidos. Considere lo siguiente:

• Un automóvil completamente equipado puede generar 25 GB / hora.
• Un automóvil autodirigido puede generar casi 10 veces más, aproximadamente 250 GB / hora.
• Un motor a reacción totalmente equipado genera fácilmente 50 TB / h

Esta es el área de aplicación emergente que eclipsará a todas las variantes en big data de las que otras industrias se han estado apresurando para sacar provecho. Estas ideas pueden conducir a mejoras en el diseño y la producción, la calidad del producto, la previsión, la distribución y los productos más específicos, reducir la garantía y la recuperación e identificar cuellos de botella ocultos en el proceso de producción.

Un caso de uso básico para los datos de estos dispositivos conectados es el denominado mantenimiento preventivo. En la actualidad, el gasto de mantenimiento anual mundial en activos relacionados con la producción es de aproximadamente $ 0,5 billones. Mediante el uso sistemático de datos de productos conectados y el uso de métodos avanzados como el análisis predictivo, el valor que la industria puede generar es enorme. Por ejemplo, un 1% de ahorro de combustible para una compañía aérea puede generar ahorros de casi $ 30 mil millones. La eficiencia del sistema del 1% (en el transporte ferroviario) puede generar $ 27 mil millones. Una reducción del 1% en los gastos de capital (en petróleo y gas) puede generar $ 90 mil millones.

Para citar a W. Edwards Deming, un pionero en la aplicación de técnicas estadísticas y análisis predictivo para la fabricación, ” Los grandes problemas ocurren cuando las personas no se dan cuenta de que tienen uno en primer lugar. ”

Ph.D. Gustavo Campos

Director del Centro de Investigaciones

Facultad de Matemáticas e Ingenierías