El sistema MES (Manufacturing Execution System) de Lantek sigue siendo el pilar del sistema de fabricación. El taller, la fabricación, los procesos de toda la empresa y su mejora continua son lo que realmente impulsan la eficiencia. El análisis de datos hará que todo esto sea mucho más efectivo que antes, pero definitivamente no lo reemplazará. Un sistema MES amplio y enriquecido con datos eficaces es la solución real para la mejora en los procesos de fabricación en el nuevo paradigma de Industria 4.0. Lantek Analytics es quien suministra esto.
No se trata únicamente de lo que sabe, sino de lo que hace con lo que sabe. El análisis de datos ayuda en este punto a conocer mucho más y más rápido. El análisis de datos combina tecnologías potentes y completamente automatizadas de descubrimiento y análisis que les permiten a los fabricantes utilizar datos empresariales para mejorar todos los aspectos de sus operaciones, tales como pedir piezas y componentes, establecer horarios de producción, predecir el mantenimiento de las máquinas, prever las necesidades de inventario, descubrir bloqueos en los procesos, mantener la calidad del producto y, al final del día, satisfacer a los clientes.
MÉTODOS
En un proyecto típico de análisis de datos, el flujo de trabajo se puede resumir mediante el proceso CRISP-DM.
Conocimiento del negocio: Hágase las primeras preguntas, después busque los datos (en ese orden). Necesitará un profundo conocimiento del negocio. Muchas empresas de consultoría no entienden la complejidad del negocio del cliente. Lantek conoce el camino.
Preparación de datos: La calidad de los datos es fundamental. La mayor parte del tiempo invertido (cerca del 60 % al 80 %) en un proyecto de análisis de datos se trata de la recolección de datos, preparación, perfiles, limpieza y discusión para preparar una tabla (conjunto de datos), que más tarde se utiliza con aprendizaje automático. Si la calidad de los datos es baja, entonces obtendrá: ¡basura que entra y sale!
Modelado: El aprendizaje automático (ML, por sus siglas en inglés) es el motor que impulsa la ciencia de datos. Cada método de ML toma un dato, lo convierte en un modelo de datos y regresa una respuesta. Los métodos de ML hacen su parte en la ciencia de datos que es difícil de explicar. Aquí es donde ocurre la magia matemática.
Los modelos de datos suponen que el futuro se comportará de manera semejante como ocurrió en el pasado. Los acontecimientos imprevistos, como una crisis mundial financiera o una catástrofe natural, no se pueden integrar en el modelo de datos.
Vale la pena mencionar que los modelos de datos siempre hacen una predicción con una probabilidad asociada a estos. Todos estamos acostumbrados al pronóstico del clima y en este siempre hay una probabilidad asociada.
Evaluación: En esta etapa, evaluará el valor de sus modelos para cumplir con los objetivos del negocio y considerará los riesgos cuando la probabilidad del modelo sea baja o se clasifique con falsos positivos y falsos negativos.
Implementación: Cuando su modelo esté listo para usarse, necesitará una estrategia para ponerlo en práctica en su negocio. Una cuestión a menudo supervisada es que esta implementación solo es posible con una gran madurez empresarial y empleados dispuestos a adoptar los nuevos procesos basados en datos.
APLICACIONES
Tipos de análisis de datos y su uso en el análisis de la fabricación:
En los análisis descriptivos, también conocidos como inteligencia empresarial, los datos históricos se visualizan con herramientas de software poderosas e interactivas. Los responsables pueden identificar radicalmente más acerca de sus negocios y trasladar ese conocimiento hacia una mejor toma de decisiones. Los paneles tales como los OEE se crean en tiempo real como los que puede encontrar en la solución de análisis de fabricación de Lantek Analytics.
Identifica las causas de un problema de fabricación, por ejemplo, la razón por la cual un proceso presenta un obstáculo o el nivel de calidad es demasiado bajo.
Con análisis predictivos puede mirar hacia el futuro. El mantenimiento predictivo de la maquinaria, la predicción de inventario o la previsión de la demanda son aplicaciones comunes.
Los sistemas automatizados de fabricación necesitan de la toma de decisiones en tiempo real basadas en datos, así como de la realización de acciones totalmente automatizadas, para así crear un sistema autónomo ciberfísico.
