Dos familias de algoritmos, apuntadas a seis preguntas.
Nada de lo que sigue es un producto aparte. Cada uno es las mismas dos familias — detección de anomalías y optimización de procesos — apuntadas a una variable objetivo distinta, y por eso valen tanto en fabricación de proceso como discreta.
Detección temprana de fallos
«¿Va a empezar un paro grave en la próxima hora?»
- Entrada
- Puede ser tan poco como el registro de eventos de marcha/parada que la planta ya guarda: no hacen falta sensores ni datos de proceso.
- Señal
- La actividad reciente de microparos: cuántos, cuánto duraron y si llegan en ráfagas o repartidos de forma uniforme.
- Salida
- Una puntuación por máquina con cadencia fija, frente a un umbral que se adapta a esa máquina en lugar de una constante para toda la planta.
- Despliegue
- Solo se utiliza el pasado para producir una puntuación, así que pasa a producción tal cual.
Análisis de causa raíz
«¿Qué variable se movió antes del defecto?»
- Multivariante
- Las condiciones anormales se detectan considerando las variables en conjunto, no un tag a la vez contra su propio límite.
- Trazable
- Cada alerta se traza hasta las variables que la provocan, no se devuelve como una puntuación compuesta sobre la que nadie puede actuar.
- Automático
- Los umbrales, las derivas y las alarmas se generan a partir de los datos en lugar de fijarse a mano y luego olvidarse.
Optimización de procesos
«¿Dónde debe trabajar la línea para que el rendimiento se mantenga?»
- Cribado
- Las columnas que ya exporta se criban hasta quedarse con las palancas que realmente mueven su objetivo.
- Salida
- Un rango de consigna por palanca retenida, más el resultado esperado dentro de cada zona. No un modelo que alguien deba interpretar.
- Hacia delante
- Predice resultados a partir de combinaciones de parámetros que no ha producido, y todo lo que va más allá de su historial de producción se etiqueta como extrapolación.
- Su decisión
- La única decisión que pedimos es de proceso: qué variables son consignas y qué variables son resultados.
Inspección de calidad
«¿Qué separa un lote bueno de un lote de rechazo?»
- Objetivo
- El rechazo, la tasa de defectos o el rendimiento pasa a ser la variable a explicar, y el mismo cribado devuelve qué lo mueve.
- Datos
- Los datos de proceso, calidad y material se leen juntos, así que la diferencia se explica por consignas que usted controla y no por la suerte del lote.
- Hallazgos colaterales
- Como los datos de material están en la misma tabla, los efectos de proveedor aparecen en la misma ejecución sin haberlos pedido.
Monitorización de energía
«¿Por dónde se va la energía sin producir nada?»
- Objetivo
- El consumo pasa a ser la variable a explicar, con el estado de producción como contexto.
- La misma mecánica
- El mismo cribado devuelve qué variables lo mueven y dónde trabajar: no hay ningún módulo de energía aparte que comprar o integrar.
OEE (eficiencia general de los equipos)
«¿Cuál de las tres pérdidas nos está costando realmente?»
- Objetivo
- La pérdida que quiere explicar pasa a ser la variable objetivo, y sus factores vuelven ordenados.
- Lee su OEE
- Donde un MES o un sistema de monitorización ya calcula el OEE, Jemba lee esa cifra en lugar de sustituir al sistema que la produce.
Seis workflows, no sesenta funciones.
Las dos familias son deliberadamente genéricas para ser robustas ante cualquier caso de uso. Ese es todo el diseño: un producto que se amortiza en todas las líneas de la planta, en lugar de un modelo reconstruido para cada proceso.
Indique una línea y una variable objetivo.
Leemos la exportación que ya genera y le decimos en una semana si contiene las palancas.
