Machine learning para la planta, sin necesidad de científico de datos.
Detección de anomalías y optimización de procesos sobre los datos que su planta ya produce. Dos semanas hasta una respuesta, con alcance de planta y sin nada que instalar en su red.
Su planta lleva una década instrumentada. Los datos murieron almacenados.
Los historizadores, los PLC, los sensores y los sistemas de calidad llevan años escribiendo en disco. Las herramientas que convierten eso en decisiones empiezan en 200.000 € y un año de integración, así que la exportación se abre en Excel y se vuelve a cerrar.
La artillería pesada no llega abajo. Los gemelos digitales y los modelos de primeros principios son excelentes donde encajan, y no se amortizan en una galaxia de plantas más pequeñas.
Un piloto que necesita un científico de datos ya ha fracasado. Si el analista cuesta diez veces más que el software, el software no tiene caso.
La integración es donde mueren los proyectos. No las matemáticas: los seis meses de fontanería de datos antes de que alguien vea una cifra.
Un modelo no es una respuesta. Un equipo de producción necesita un rango de consigna y un umbral, en el vocabulario de la línea.
Dos líneas de cliente. Las dos cifras medidas, no proyectadas.
Cada una salió de datos que la planta ya recogía: ningún sensor nuevo y ninguna jornada de trabajo pedida al cliente.
Únicamente desde el registro de eventos de marcha/parada. Sin sensores, sin datos de proceso.
977 columnas de una exportación existente, cribadas hasta 10 palancas.
Publicamos las máquinas en las que no funcionó.
En la línea de aeronáutica, dos de las cuatro máquinas resultaron rentables y dos no. Las dos figuran en el entregable, y ninguna de ellas se cuenta en el cálculo del caso. La rentabilidad máquina por máquina, el umbral de rentabilidad por falsa alerta y el método de validación se publican completos.
Dos familias de algoritmos, apuntadas a seis preguntas.
Nada de lo que sigue es un producto aparte ni una integración aparte. Son las mismas dos familias apuntadas a una variable objetivo distinta.
«¿Va a empezar un paro grave en la próxima hora?»
Leer más →«¿Qué variable se movió antes del defecto?»
Leer más →«¿Dónde debe trabajar la línea para que el rendimiento se mantenga?»
Leer más →«¿Qué separa un lote bueno de un lote de rechazo?»
Leer más →«¿Por dónde se va la energía sin producir nada?»
Leer más →«¿Cuál de las tres pérdidas nos está costando realmente?»
Leer más →
Una línea, una variable objetivo, una exportación.
Eso es todo lo que pedimos. Dos semanas después tiene un caso validado o un no documentado, y en cualquier caso se queda el hallazgo.
Indique una línea y una variable objetivo.
Leemos la exportación que ya genera y le decimos en una semana si contiene las palancas, antes de que se comprometa a nada.
