Midiendo y Optimizando la Efectividad de las Máquinas con Inteligencia Artificial

La efectividad general de los equipos (OEE por sus siglas en inglés) es una métrica que se utiliza en las operaciones de fabricación para ver y comprender la eficiencia con la que se utilizan los procesos y los equipos. Examina las instalaciones, el tiempo, los materiales y la productividad de cada uno de los aspectos discretos del proceso de fabricación. Dadas las limitaciones presupuestarias que enfrentan todos los fabricantes, es obvio que las medidas de efectividad de los equipos son tan populares y necesarias.

Para profundizar más en el concepto de efectividad general de los equipos, hay tres aspectos principales que debes considerar cuando se trata de establecer indicadores clave de rendimiento (KPI) para OEE.

• Disponibilidad: La cantidad de tiempo que el equipo está listo y útil para la operación
• Rendimiento: Qué tan bien funciona el equipo a la velocidad máxima de operación
• Calidad: El porcentaje de partes 'buenas' que se producen (en contraposición a las partes que necesitan ser desechadas)

Indicadores Clave de desempeño para la Efectividad General de los Equipos

Debido a que cada uno de estos KPI es cuantificable, hay cálculos que los gerentes pueden usar para comparar su desempeño, lo que les permite encontrar oportunidades para mejorar y luego marcar los resultados óptimos para sus procesos. Los KPI son bastante sencillos de calcular.

La disponibilidad se mide como la porción de tiempo que una máquina determinada está lista para funcionar. A veces se lo denomina 'tiempo de actividad' y se designa como una relación simple entre el tiempo de funcionamiento y el tiempo programado, donde el tiempo de funcionamiento tiene en cuenta el tiempo real medido en que se utiliza la máquina y el tiempo programado sería, por ejemplo, el hora en que se utiliza la máquina en un turno.

El rendimiento se mide como una relación entre el ritmo real de la máquina y la velocidad diseñada de la máquina y, como tal, no considera ni la calidad ni la disponibilidad. Como ejemplo sencillo, si una máquina puede viajar a 100 MPH y solo se conduce a 50 MPH, el rendimiento se mostraría como 50%.

La calidad se mide como la relación entre las piezas buenas y el total general de la producción de piezas de la máquina. Esto también es considerado como rendimiento.

Beneficios clave de utilizar la Efectividad General de los Equipos

El viejo dicho "no se puede administrar lo que no se puede medir" se aplica bastante bien a la OEE. Tener la capacidad de medir cada uno de estos KPI significa que los fabricantes que adoptan OEE pueden administrar mejor sus procesos.

Algunos de los beneficios de usar OEE como herramienta para la fabricación incluyen:

• Optimización del uso de la máquina: desarrollar una comprensión del rendimiento de una máquina permite a los fabricantes optimizar el rendimiento con ajustes sutiles
• Mejorar la calidad del proceso: producir menos productos defectuosos significa menos desperdicio y mejor ROI
• Reducir los costos de reparación: Conocer la eficiencia esperada de la máquina significa que se pueden tomar medidas proactivas para reparar antes de tener fallos críticos

Optimización de la Efectividad General de los Equipo con ML

Desde una perspectiva de OEE, una mejor práctica es medir en el paso del proceso donde hay un cuello de botella o una potencial restricción. No importa lo que se fabrique, siempre hay un punto en el proceso que puede convertirse en un obstáculo. Es en ese punto que la OEE es fundamental para comprender lo que está sucediendo, ya que es allí lo que determina el rendimiento general.

En el pasado, medir la OEE y hacer ajustes basados en esas medidas era algo que se hacía mayormente de forma manual, y se basaba en un conocimiento histórico. Pero no debería sorprendernos que cada uno de estos sea un caso de uso ideal para Machine Learning. Como describimos en la publicación anterior sobre mantenimiento predictivo, el principal impulsor de la Revolución Industrial 4.0 es el rápido desarrollo del Internet de las Cosas (IoT).

A medida que los sensores se integran cada vez más a las máquinas, además de ser parte integral de la fabricación, resulta más fácil para los fabricantes medir automáticamente los componentes necesarios para optimizar sus complejas operaciones. Los datos que generan los sensores se pueden utilizar para garantizar que los algoritmos adecuados de Machine Learning tengan suficientes datos para ser útiles.

Considerando los tres aspectos principales antes mencionadas de la OEE (disponibilidad, el rendimiento, la calidad), así es como el Machine Learning se puede aprovechar:

• Disponibilidad: los algoritmos de Machine Learning pueden ayudar a reducir la cantidad de tiempo necesario para la instalación o el rediseño de las líneas de fabricación, basado en ocurrencias similar previas, lo que ayuda a aumentar la OEE
• Rendimiento: los datos recogidos pueden ayudar a un algoritmo de ML a identificar obstáculos o retrasos en la producción, y luego aprovechar el mantenimiento predictivo para disminuirlos o eliminarlos
• Calidad: Los algoritmos de ML se pueden aplicar para aumentar los rendimientos en los procesos de fabricación disponibles

Pensamientos Finales

OEE es una herramienta valiosa en casi todas las operaciones de fabricación y, mediante el uso de las técnicas adecuadas de Machine Learning, los fabricantes pueden optimizar verdaderamente sus eficiencias operativas, de forma fácil y automática.

Empezar a trabajar en un proyecto de Machine Learning puede ser desafiante. Solicítanos una evaluación gratuita de Inteligencia Artificial, y te ayudaremos a crear y analizar una cartera de casos de uso, en términos de su viabilidad técnica e impacto de negocio.

Contáctanos:

Email: soluciones@zagitas.com

Cel/: +51 970-598-554

WhatsApp: https://wa.me/+51970598554

Adaptado de original por RapidMiner