Industria 4.0 en acción: pasos esenciales para llevar tus pilotos a despliegues reales y exitosos

Suscríbete a Plataforma Tecnología Minera, haz clic aquí 

Quizás esté cansado de oír hablar de la Industria 4.0, pero ahora es cuando llegamos a la parte interesante. Las actitudes hacia los casos de uso de la Industria 4.0, y hacia la transformación digital en su conjunto, son en gran medida optimistas entre las empresas industriales. El estudio sobre el estado del sector realizado por IndustryWeek en los últimos dos años nos dice que:

Después de haber estado en primera fila en HighByte durante los últimos siete años, me resulta difícil exagerar el impacto que puede tener el éxito de la Industria 4.0 para los fabricantes. Hemos visto resultados significativos cuando se cuenta con una base digital para recopilar datos de la planta de producción y organizarlos de manera que se eviten las paradas, se garantice la fiabilidad de los informes, se mejore la calidad de los productos, se facilite la innovación y se aumenten los ingresos.

Pero, a pesar del potencial, muchas organizaciones se enfrentan a importantes retos con los casos de uso de la Industria 4.0, especialmente en lo que se refiere a la gestión y el escalado de sus datos.

Según un estudio del Foro Económico Mundial, el 70 % de los proyectos de la Industria 4.0 siguen sin superar la fase piloto de desarrollo. Aunque hay varias razones que contribuyen a este «purgatorio piloto», la falta de una estrategia de datos industriales es la causa principal.

Una estrategia de datos industriales añade resiliencia a su arquitectura, pero no se puede simplemente externalizar y no se origina en la implementación de nuevas tecnologías. En cambio, es una disciplina que requiere la colaboración entre OT/IT y el compromiso de resolver los problemas de datos, desde el borde hasta la nube y viceversa. Para comprender por qué es necesaria una estrategia de datos industriales, repasemos los cinco principales retos de digitalización a los que se enfrentan las empresas industriales y que les impiden llevar a cabo sus proyectos de Industria 4.0 a escala y al ritmo deseado.

Arquitecturas complejas

En primer lugar, la arquitectura de los sistemas que abarcan los ámbitos de la tecnología operativa (OT) y la tecnología de la información (IT) es excepcionalmente compleja. Pregunte a cualquiera de las empresas industriales más grandes del mundo que gestionan un entorno digital que abarca diversos dispositivos, software, protocolos, geografías, sistemas y procesos. Incluso la arquitectura del sistema dentro de una sola planta puede variar mucho. Una célula o línea puede parecer completamente diferente de otra en el mismo sitio. Las diferencias se amplifican en las ubicaciones únicas de las plantas, especialmente a nivel internacional.

La complejidad de estas arquitecturas crea de forma inherente diversidad en las fuentes y los destinos de datos, al tiempo que expone las integraciones punto a punto como conexiones frágiles. Este enfoque no es fácil de configurar, mantener ni extraer valor.

Para abordar las arquitecturas complejas, es importante considerar la abstracción. Desmontar y sustituir los sistemas heredados y los adquiridos en adquisiciones de terrenos industriales abandonados no es práctico. En su lugar, implemente procesos, equipos y tecnología que puedan ayudar a crear una capa de abstracción digital entre estas diversas fuentes y destinos de datos en la arquitectura de su empresa. Pregúntese:

¿Disponemos de un espacio en el que los equipos multifuncionales tengan la oportunidad de alinearse en cuanto a los objetivos de sus proyectos y las normas de práctica?

¿Cuál es nuestro método para gobernar y documentar las integraciones de sistemas y las funciones que afectan al movimiento de datos del dominio OT al dominio IT? 

Variedad de datos

La variedad de datos industriales es enorme y no está estructurada de manera uniforme. Es probable que tenga que lidiar con la variabilidad de las máquinas y los proveedores. Como explicó mi colega John Harrington, es habitual que los proveedores implementen el mismo estándar de forma ligeramente diferente. Históricamente, los proveedores han perfeccionado sus sistemas y cambiado los modelos de datos a lo largo del tiempo para adaptarlos a sus necesidades. Como resultado, incluso las variaciones menores en los conjuntos de datos requieren la interacción humana para vincular estas máquinas con otros sistemas de la red y automatizar los paneles de control o los análisis.

Además, la estandarización de los datos a nivel de dispositivo en estructuras es importante, pero solo es el principio. Los datos industriales van mucho más allá de los datos de telemetría. Sus sistemas transaccionales, bases de datos de series temporales y archivos también producen datos, y no puede tomar decisiones estratégicas si no vincula los datos de sus máquinas con otros sistemas de su organización.

Tener la agilidad para trabajar con varios tipos de datos puede marcar la diferencia entre un proyecto de Industria 4.0 que logra un éxito sostenible y uno que es demasiado miope y añade deuda técnica. Pregúntese:

¿Somos capaces de seleccionar y fusionar varios tipos de datos en el borde?

¿Qué nos impide abordar los problemas de datos industriales en tiempo real? ¿Es nuestra tecnología, nuestros procesos o el miedo al cambio o al fracaso?

¿Cómo incorporamos las instalaciones brownfield en términos de acceso a datos y análisis?

Contexto faltante

Los datos procedentes de máquinas y sistemas industriales son datos sin procesar y no están preparados para aplicaciones específicas más allá del control de procesos. Los dispositivos periféricos, como máquinas, sensores, cámaras y herramientas industriales, no proporcionan datos listos para ser enviados a las capas de almacenamiento y análisis en la nube.

Para que los datos industriales sean utilizables, necesitamos añadirles contexto. Esto se puede lograr fusionando los datos periféricos con información de otros sistemas, como un MES, un ERP o incluso imágenes o informes de inspección, y añadiendo contexto adicional para los usuarios de la línea de negocio que aprovecharán el conjunto de datos en las fases posteriores. Es fundamental que el proceso de contextualización de los datos se realice en el borde, antes de que los conjuntos de datos se envíen a cualquier aplicación de almacenamiento o consumo en la nube. Pregúntese:

¿Podemos contextualizar los datos cerca de donde se crean?

¿Quién es el «responsable» de la contextualización de los datos en nuestra organización?

¿Disponen los operadores de medios sin código o con poco código para preparar los datos industriales in situ para aplicaciones posteriores?

Falta de recursos

Probablemente tenga una acumulación de proyectos y no disponga de recursos suficientes para abordarlos. Esto es habitual. Los proyectos de Industria 4.0 a menudo se estancan debido a la falta de recursos. Los presupuestos son ajustados, los recursos humanos son escasos, los silos de conocimiento limitan el progreso y la alineación entre OT y TI sigue siendo un reto. Es posible llevar a cabo una prueba de concepto (POC) limitada, pero ampliar esa POC a otras líneas, áreas y sitios suele requerir más recursos.

Aunque el éxito de la Industria 4.0 no depende únicamente del acceso a los recursos, estos pueden ser un factor decisivo para el ritmo al que avanza el proyecto y la completitud de la solución. Afortunadamente, en HighByte hemos observado el poder que una estrategia de datos industriales proporciona a nuestros clientes. Una estrategia, que incluye una base digital sólida y proyectos técnicos priorizados vinculados a los resultados empresariales, puede ayudar a compensar las limitaciones de recursos. Pregúntese:

¿Tiene nuestra organización una estrategia de datos industriales?

¿Quién es el responsable de la estrategia de datos, con qué frecuencia se revisa y modifica, y quién puede contribuir a ella?

¿Qué herramientas podrían permitir a nuestros equipos hacer más con menos?

Exigencias externas

A todos estos retos se suman las exigencias externas de otros equipos, la dirección ejecutiva de su empresa y el mercado.

Estas exigencias pueden estar impulsadas por la tecnología, como la presión para adoptar una arquitectura de espacio de nombres unificado (UNS) o para implementar servicios de inteligencia artificial en la planta de producción. Sin embargo, también pueden ir un paso más allá, como las exigencias de cumplir los objetivos de sostenibilidad, gestionar fusiones y adquisiciones, sortear la incertidumbre arancelaria y laboral, y coordinar la relocalización y la repatriación.

El mercado se mueve rápidamente. La tecnología está cambiando a gran velocidad y la incertidumbre económica mundial ha paralizado la capacidad de decisión de algunos fabricantes. Pregúntese:

¿Cómo podemos establecer una estrategia de datos industriales que haga que nuestra organización esté más conectada y sea más ágil ante unas exigencias poco claras?

¿Contamos con una arquitectura empresarial que nos permita pivotar o escalar sin interrumpir las operaciones?