Machine Learning y Analytics: los ingenieros de procesos no tienen que ser Data Scientist

Hoy en día, mantenerse competitivo significa avanzar en la transformación digital, incluyendo el Machine Learning y el análisis de datos. Con ello, las organizaciones industriales pueden capitalizar las oportunidades que ofrece el IIoT, optimizar las operaciones y generar una mayor rentabilidad. Además, la incorporación de las últimas tecnologías de análisis también ayuda a atraer y retener al mejor talento. Afortunadamente, el camino hacia el éxito con el Machine Learning y el análisis de datos no significa que los ingenieros de procesos de repente deban convertirse en Data Scientist. Los procesos y las tecnologías de software probados hacen que la analítica sea alcanzable para todas las organizaciones industriales.

Creación de un gemelo digital de procesos

Los ingenieros de procesos tienen una dominio excepcional para juntar distintos modelos de procesos -o gemelos digitales de procesos-, y poder interpretarlos. Esta es la base para mejorar la ventaja competitiva y el éxito con la analítica. Para impulsar el análisis óptimo y mejorar los procesos, los ingenieros de procesos pueden utilizar cinco de sus mejores capacidades:

• Análisis: la identificación automática de la causa raíz acelera la mejora continua
• Monitoreo: las alertas tempranas reducen el tiempo de inactividad y el desperdicio
• Predicción: las acciones proactivas mejoran la calidad, la estabilidad y la fiabilidad
• Simulación: las simulaciones hipotéticas aceleran la toma de decisiones precisas a un coste menor
• Optimización: los puntos de ajuste óptimos del proceso mejoran el rendimiento con una calidad aceptable hasta en un 10%

Las técnicas de análisis avanzadas están disponibles para que los ingenieros de procesos industriales cumplan con estas capacidades. Para respaldar el camino hacia el Machine Learning y el Análisis de Datos, GE Digital ofrece capacitación en tecnología de análisis en forma de una gran variedad de productos de autoservicio, videos de demostración detallados y consejos de aplicación. Además, aunque el software actual presenta una mayor facilidad de uso y una implementación sin código extensible con Python, los ingenieros de procesos también pueden apoyarse en los expertos en productos. Así, pueden aprovechar su experiencia en el dominio para extraer datos y aprovechar la analítica para mejorar las operaciones.

Casos de éxito con analítica

A nivel de ejemplo, un fabricante de alimentos líder pudo reducir las quejas de los clientes en más del 33% a través de análisis. El fabricante había tenido problemas para controlar el peso de un producto en forma de cubo. Si los cubos eran demasiado pesados, el fabricante estaba regalando producto o produciendo un producto acuoso si el exceso de peso se debía a demasiada agua. Cuando los cubos eran demasiado livianos, la compañía estaba en peligro regulatorio y tenía problemas para compactar el producto en una forma de cubo estable. El equipo usó Proficy CSense para obtener una imagen completa, correlacionada por lote y período de: especificaciones de ingredientes, variables de proceso como ejecución y datos de laboratorio. Utilizó el software para buscar factores controlables que se correlacionan con el exceso de desperdicio y luego comparando períodos con mejor control de peso a los factores que eran ciertos entonces. Ahora, el equipo ve cómo se corrigió con éxito una variación de la materia prima o se superó una alteración del proceso. Esa comprensión se integra en una nueva especificación de material, receta o SOP. El análisis inteligente con Proficy CSense también arrojó otros beneficios.

Otro ejemplo implica la aplicación de un proyecto de predicción inteligente en un fabricante de pulpa y papel. El objetivo era predecir los KPI críticos para la calidad (CTQ) para mejorar la productividad y eliminar los problemas regulatorios de las aguas residuales. Como ejemplo final, un socio en minería alcanzó una solución de control de proceso avanzado que aumenta el rendimiento en un 10% utilizando tecnología de optimización inteligente.

De pequeños proyectos a la optimización multiplanta

Todos los ingenieros de procesos pueden y necesitan desarrollar capacidades en analítica y Machine Learning para seguir siendo competitivos, tanto a nivel profesional individual como para ayudar a su organización industrial. Con el tiempo, los ingenieros pueden pasar de proyectos pequeños a pilotos llegando a la optimización de múltiples plantas con una aplicación de análisis profundo. La experiencia en de los ingenieros proporciona una base para modelar procesos y desarrollar análisis que cambian las reglas del juego en aplicaciones muy específicas. La combinación de tecnología de análisis aplicada con esos modelos procesos de Digital Twin descubre oportunidades ocultas de mejora una y otra vez.

Si estás listo para optimizar con análisis, Proficy CSense de GE Digital convierte los datos sin procesar en valor en tiempo real con un Process Twin. El software utiliza inteligencia artificial y Machine Learning para permitir que los ingenieros de procesos combinen datos de distintas fuentes. Con ello, identifican rápidamente problemas, descubren las causas fundamentales y automatizan acciones para mejorar continuamente la calidad, los procesos, la productividad y la entrega de las operaciones de producción.

Artículo original de Cobus van Heerden, Senior Product Manager, Analytics and Machine Learning, GE Digital https://www.ge.com/digital/blog/machine-learning-and-analytics-process-engineers-dont-have-be-data-scientist