Anticípese a las averías de las máquinas en una línea de fabricación antes de que afecten a la producción. Para cualquier fabricante, la cuestión es evidentemente central, debido a los costes que generan las paradas no planificadas de una línea de producción. En la industria de bienes de consumo, se estima que una hora de inactividad para una sola línea cuesta $15,000 en promedio. Sin olvidar los posibles impactos en la calidad o en la recepción de pedidos. El desafío consiste, inicialmente, en pasar del mantenimiento correctivo al mantenimiento preventivo, cuyo objetivo es sustituir la pieza en cuestión antes de que se produzca la avería.
Weibo Gu, arquitecto de soluciones de AWS. (crédito: RF)
"Pero hay algo mejor: a través del análisis de datos, el mantenimiento predictivo tiene como objetivo predecir cuándo se producirá la avería y qué parte se verá afectada", explica Weibo Gu, arquitecto de soluciones de AWS. Esto permite asociar los niveles de riesgo a diferentes tipos de averías y, por tanto, intervenir más o menos rápidamente en función de la gravedad de la avería que se avecina”. Esta evolución hacia un mantenimiento cada vez más sofisticado requiere la capacidad de agregar datos de las máquinas, pero también de las aplicaciones existentes (gestión del mantenimiento, calidad, MES, ERP, etc.).
Detectar las señales de advertencia de un mal funcionamiento
Este es el camino recorrido por Idemia, industrial especialista en tecnologías de la identidad, fruto de la fusión en 2017 de Morpho y Oberthur Technologies. En particular, el grupo fabrica 900 millones de tarjetas SIM y 700 millones de tarjetas bancarias al año en 6 fábricas en todo el mundo (una de ellas en Vitré, en Ille y Vilaine). Sitios operativos 24 horas al día, 7 días a la semana en los que cobots (o robots colaborativos) mueven tarjetas entre diferentes segmentos de la cadena de producción. Las máquinas (unas cincuenta en el mundo) podrían provocar retrasos en la producción en caso de avería. De ahí el deseo del industrial (2.200 millones de euros de facturación en 2021) de detectar las señales de alerta de un mal funcionamiento en estos brazos articulados que pueden medir hasta 2 metros de ancho.
"Queríamos implementar una solución replicable en nuestros seis sitios, con una infraestructura y un método de implementación únicos", explica Anthony Barré, director de datos del grupo Idemia. Con una primera ambición consistente en monitorizar, de forma remota y en tiempo real, la flota de cobots para detectar vibraciones y paradas imprevistas con el fin de generar, mediante aprendizaje automático, alertas (por SMS o correo electrónico) que permitan a los operadores reaccionar rápidamente. "El objetivo es aumentar la vida útil de nuestros cobots y aumentar la calidad en la línea, porque las vibraciones pueden producir errores", continúa Anthony Barré.
La elección de sensores externos.
Diseñada para estos dos escenarios, la solución, desarrollada conjuntamente con AWS, también tenía que ser escalable para abrirse a otros tipos de datos u otras aplicaciones analíticas. Construido sobre servicios AWS (incluidos IoT Core y Kinesis), la aplicación desarrollada por los equipos de Idemia también debía ser no intrusiva en relación con los sistemas implementados en la fábrica. “Un problema importante en una fábrica que fabrica tarjetas bancarias”, subraya el director de datos de Idemia. De ahí la elección de equipar los cobots con sensores externos cuyos datos luego se transfieren a la nube de AWS a través de una puerta de enlace implementada en cada fábrica. "También aprovechamos la oportunidad para repatriar datos de las máquinas para estudiar futuros casos de uso", afirma Anthony Barré.
Anthony Barré, director de datos del grupo Idemia. (crédito: RF)
Ahora implementada en una fábrica y en proceso de generalización, la solución permite monitorear el desempeño de los cobots a nivel agregado, sitio por sitio o cobot por cobot. "Aislar las paradas anormales resultó ser un poco complejo, porque la secuencia de producción normal requiere que los cobots se detengan en determinados momentos, por lo que había que distinguirlas de las paradas no planificadas", explica el director de datos. Para este último, este primer proyecto permitió a la empresa adquirir experiencia, “para abordar nuevos casos de uso, en torno a datos de presión o temperatura, por ejemplo”. Sobre todo, además de reforzar la imagen de marca centrada en la innovación que defiende Idemia, la solución permitió reducir entre un 5 y un 10% los tiempos de interrupción operativa de los cobots. “También estimamos que la vida media de un cobot ha aumentado en 12 años gracias a este mantenimiento centralizado”, estima Anthony Barré. Y hemos ganado en capacidad analítica, gracias a nuestra capacidad de vincular los problemas de calidad de nuestros productos a un cierto número de causas. »
Otras noticias que te pueden interesar