View
222
Download
0
Category
Preview:
Citation preview
Manufacturing intelligence. La fábrica humana y digital del
futuro
2
A las puertas de una nueva revolución
3
Algunas reflexiones
“Nunca pienso en el futuro porque viene suficientemente pronto”
Y cómo viene???• Si PIB= población laboral X productividad por persona
• Si los países en vías de desarrollo van igualando su productividad a los desarrollados.
• El PIB va a ser únicamente proporcional a la población activa ??
4
Avances disruptivos
5
La cuarta revolución industrial
El hombre siempre ha reaccionado con mejoras disruptivas
6
Madurez de nuestros modelos de mejora
RentabilidadInnovaciónSostenibilidadCompetitividad
La implantación de Lean ha sido escalonada en el tiempo por sectores…
Automoción Aeronáutico Agroalimentario
… y al alcanzar la madurez, los resultados se aproximan a la asíntota
LEAN
■ Progresión ralentizada■ OEE’s estancados■ Continuos alti-bajos en la implicación de las
personas■ Avances tecnológicos demandan mejoras
drásticas de conocimiento■ Desarrollo de las personas a remolque de la
tecnología■ Defectivo controlado pero Cpk < 6σ■ Industrializaciones poco fluidas■ Márgenes reduciéndose anualmente■ …t
Re
sulta
dos
La excelencia en las fábricas ha estado muy ligada al Lean manufacturing.
7
Fábrica tecnológica y digital§ Propuesta de sisteplant
Empresa vibrante
Empresa digital (SW inteligente 4.0)
Fábrica humana colaborativa 4.0
Aula LAB:Ensamblaje de flujo
de ideas
Gestión basada en conocimiento
tecnológicoCiclos de MR
Prisma
Ingeniería, Mantenimiento y medioambiente
Promind Inteligencia tecnológica
i-Tracker ciclos de mejora
PIMPeople Integrated
Manufaturing
Inteligencia tecnológica distribuida
Captor i-MES
8
Fábrica tecnológica y digital§ Nuestra propuesta
Pilares
§ Sustentada en 3 pilares que contienen su esencia y que son complementarios entre sí, aunque no excluyentes.
9
Fábrica tecnológica y digital§ Nuestra propuesta
AgilidadEl despliegue de este pilar se estructura en dos ejes:
■ La elevada volatilidad del mercado implicando cada vez ciclos de vida más cortos, personalización a cada cliente y servicio inmediato, requiere flexibilidad y polivalencia extremas que únicamente pueden lograse mediante concepciones innovadoras:
– de los procesos productivos, de modo que éstos sean extremadamente ágiles para adaptarse a cualquier tipo de cambio.
– de las tecnologías de fabricación, que resuelvan las limitaciones que presentan las concepciones tradicionales.
Eje
TE
CN
OL
OG
ÍAS
F
AB
RIC
AC
IÓN
Eje
FL
UJO
S
10
Fábrica tecnológica y digital§ Nuestra propuesta
InteligenciaEl despliegue de este pilar se estructura en dos ejes:
■ La necesidad de eficiencias y niveles de calidad de proceso excelentes, unida a la creciente complejidad de los activos industriales, exige una inteligencia tecnológica en las empresas que debe articularse con sumo detalle para lograr armonía entre:
– profundo conocimiento de los procesos y del comportamiento de los fenómenos físicos para comprender no solo el qué, sino el por qué.
– desarrollo de la capacitación tecnológica de las personas a todos los niveles de la organización, hasta nivel de operario.
Entorno habitable
Eje
PE
RS
ON
AS
Eje
CO
NO
CIM
IEN
TO
11
Inteligencia tecnológica§ Por qué es necesario?
El gran desafío:
Es necesario un cambio cultural a todos los niveles de la organización.
Para lograrlo, es necesario transferir de manera escalonada y selectiva la mayor parte de la plantilla hacia el cuadrante “señalado”.
Ello se realiza en etapas:
1. Inmediato: reubicación de las personas en el cuadrante adecuado a su conducta actual.
2. Escalonado: articular su transferencia progresiva mediante retos tecnológicos avanzados.
La conducta de tipo “intrínseca” no es innata, se desarrolla.
Sólo en uno de los cuadrantes se añade valor diferencial en la nueva economía del conocimiento
Tareas
Algorítmicas(solución conocida)
Novedosas(solución desconocida)
Mot
ivac
ión
extr
ínse
caM
otiv
aci
ón in
trín
seca
Per
son
as -
Co
nd
cuta
s
Asusta
Aburre
1º
1º
2º
Desalineamiento entre las tareas y conductas actuales
12
Inteligencia tecnológica§ Por qué es necesario?
El profundo conocimiento tecnológico permite convertir en oportunidades las limitaciones actuales
Toma de decisiones en base a prueba-error o análisis del pasado.
Industrializaciones lentas y poco robustas.
Elevados costes para aseguramiento de lacalidad (defectivo controlado pero Cpk<6σ).
Elevado consumo energético y de recursos naturales (agua,…)
Infrautilización del potencial de las personas.
Documentación del know-how escasa, obsoleta o en cabeza de unos pocos.
Largos periodos de aprendizaje de nuevas incorporaciones.
Baja capacidad de innovación desde el proceso.
Sobremantenimiento para asegurar la fiabilidad.
Activos industriales evolucionando rápidamente y crecientes en complejidad.
Proceso de mejora maduro:OEE’s estancados.
Desarrollo de las personas a remolque de la tecnología.
Continuos alti-bajos en la implicación de las personas.
Márgenes reduciéndose.
Permite accionar las palancas adecuadas para evolucionar la situación actual.Como las siguientes, y muchas más…
13
Fábrica tecnológica y digital§ Nuestra propuesta
13
TI’s proactivas
■ En cualquier proceso industrial intervienen simultáneamente múltiples variables, que además pueden interrelacionarse entre sí, condicionando el resultado. Asimismo, estas variables pueden variar su valor a lo largo del tiempo.
■ Todos estos datos pueden capturarse automáticamente, pero ¿cómo convertir esta masa ingente de datos en conocimiento? Una parcela matemática, con ayuda de software resuelven este inconveniente.
■ El soporte activo de TI’s con inteligencia artificial permite modelizar los fundamentos físicos de los fenómenos que nos ocurren para su facilitar su interpretación y la adquisición de conocimiento que permita modificar las condiciones para mejorar los resultados.
■ Con un enfoque esencialmente proactivo; pronosticando comportamientos futuros, recomendando regulaciones para funcionamientos óptimos y gestionando por excepción, todo ello en tiempo real.
14
Manufacturing intelligence§ TICS Proactivas
Modelo integrado de sistemas, que permite implementar un modelo de gestión basado en el despliegue de inteligencia tecnológica.
15
Manufacturing intelligence§ TICS Proactivas
i MES
16
i MES§ Manufacturing intelligence
Fábrica Visual
Análisis y eventos de
mejora
Sist. de medida, KPIs y C. Mando
Reuniones Lean Mgmt
Gestión por excepción
Paneles visuales en planta, con información on line de la situación en curso y los principales indicadores, adecuados a las necesidades de gestión de cada usuario.
Libre definición de indicadores y presentación de los mismos en cuadros de mando vivos. Identificación precisa y objetiva de las pérdidas y alineamiento de acciones desde el indicador local al global agregado.
Utilidades de análisis de la información para la detección de tendencias y causas origen, que permitan identificar áreas de mejora y direccionar proyectos.
Modelo organizativo empujado por la información suministrada por captor, con entornos planificados de reunión que permitan implantar una cultura crítica que impulse la toma de acciones.
En base a la evolución de los indicadores y de la situación en planta, captor decide solicitar la atención del usuario para que intervenga cuando sea necesario.
17
i MES§ Manufacturing intelligence
CAPTOR3.
Soporte de forma coordinada los siguientes modelos de gestión concurrentes:
Gestión planificada: dando soporte con información fiable y procesada a los entornos de gestión definidos (reuniones de 5 minutos, reuniones de mejora...).
Gestión on line: permitiendo la creación de cuadros de mando y layouts “vivos” con la situación de variables y KPIs actualizada en tiempo real.
Gestión analítica: que permite la búsqueda de las causas origen y la evolución principal de diferentes indicadores, relacionados con otras informaciones de interés actuales y/o históricas.
Gestión por excepción: Una vez modelizadas las situaciones que queremos identificar en planta, es el propio sistema el que detecta los sucesos correspondientes, disparando una cadena de atención que avisa a los usuarios cuando su intervención es requerida.
Identificación valor vs. desperdicio
Despliegue Estratégico
Indicador O EE VL-6 O EE GMF I OEE FA NTÁSTICAS
VALOR ACTUAL 91% 88% 88%VALOR
O BJETIVO 95% 93% 92%
AHORRO 139.403 € 59.572 € 76.951 € Evento Proyecto
1 kaizen 1 kaiz en 6 kaizen 3 kaiz en 2 kaizen 2 kaiz en 2 kaiz en 2 kaizen 6 kaiz en 2 kaizen 0 kaiz en 0 kaiz en
PLAN Nº ACCIÓN IndicadorValor de PARTIDA
Índicede prioridad
Valor OB JETIVO Valor ACTUAL RESPONSABLE
Fecha Objetivo
Fecha Fin r eal
Grado Avance TIPO
M es inicio Mes Fin ENE FEB M AR AB R MAY JUN JUL AGO SEP OC T NO V DIC
2do+3er KAIZEN
SISTEPLANTHOYER 1 SMED HO YER Tiempo Cambio
Formato HO YER3,0% 10,00 1,5% J os e Antonio
RU IZ ◔ 2 4 4 2
4to KAIZEN SISTEPLANT
TODAS 3 WORKSHO P cambios planificación Cambios plani fic ac ión
0,1% 10,00 0,1% Pep GÓM EZ ◔ 3 7 7 3
HOYER 6 INVER SIÓN nueva formadora de cajas Hoyer Paros formadora HO YER
0,3% 10,00 0,1% Juan SINTES 2 3 3 2
HOYER 21 WS Anális is detalle microparos H OYER OEE HO YER 87,5% 10,00 89,0%J os e Antonio
RU IZ 2 3 3 2
VL-6 22 WS Anális is detalle microparos VL6 OEE VL-6 91,2% 10,00 95,0% Xav i AM AT 2 3 3 2
OEE G MF I 87,5% 93,0%
OEE GM F II 89,4% 93,0%O EE Ll MAN 90,0% 92,0%
OEE RUF Ll 86,0% 88,0%OEE
FAN TASTICAS88,0% 92,0%
OEE TRONC OM I 91,7% 94,0%
VL-6 7 SMED VL-6Tiempo Cambio
Form ato VL-6 1,0% 4,40 0,5%Xav i AM AT
J os ep POCO RULL
2 10 10 2
Tiempo Cambio For mato L l MAN
3,3% 1,7%
Tiempo Cambio Formato RU F L l
4,3% 2,2%
Tiempo Cambio Form ato GM F I
0,5% 0,3%
Tiempo Cambio Formato G MF II
0,3% 0,2%
VL-6 9 EQUIPO de TRABAJO mejora de robot Av ería robot VL-6 0,3% 3,40 0,2%Manel AGUILERACar los ANTOLÍN 3 1 2 3 3
HOYER - VL6 - TRO NCOM I
2 WORKSHO P Prov-Comp-Cal Paros Form adora 0,4% 3,10 0,2% Patric io GAR RIDO
3 3 4 3 3
CO CINAS 18 STAN DARD formatos/embalajes M .P. Salud LaboralBajas
- - 3 ,00 - - Xav i AM ATJose HONRU BIA
3 8 10 3 3 3
GM F I-GM F II 12WORKSHO P " mejorar" Credibilidad (reprogramación) Paros fr eezer 0,2% 2,90 0,0% Manel AGUILERA 1 3 4 1 1
Troncom I 15STAN DARIZA R arrancada(Control proceso) mermas m ix 0,4% 2,90 0,1% Pep GÓM EZ 2 9 9 2
HO YER-VL6-GM FI-GMFII-TRONCOM I-R UF
Ll-Ll MAN-5 Definición/standariz ación AutoMto Cumpl im ento
automantenimiento- - 2 ,40 100,0% Manel AGUILERA
Car los ANTOLÍN2 9 9 2
HOYER 4 WORKSHO P AM FE Definición de stocks repuestos
Tiem po avería 1,1% 2,35 0,7% Manel AGUILERACar los ANTOLÍN
2 9 9 2
Paros en freezer 0,1% 0,1%
Paros fa l ta de mix 0,1% 0,1%
2do+3er KAIZEN
SISTEPLANTTODAS 8 SMED montajes
Horas Hombre L im piezas 0,0% 1,70 0,0%
J os e Antonio RU IZ
Jose María PASTOR
2 5 7 2 2 2
E N E F EB M A R A BR M A Y J UN J UL A G O S EP O CT NO V DI C
2 ka iz en 1 k ai zen 1 ka iz en 1 k ai zen 1 ka ize n 2 kai ze n
1 ka iz en 1 ka ize n 1 k ai zen 1 ka iz en 1 kai ze n 1 k ai zen 1 ka ize n
1 ka iz en 1 kai ze n 2 ka ize n
1 ka iz en
1 ka iz en 1 ka ize n
1 k ai zen 1 ka iz en 1 ka iz en 1 ka ize n 1 ka ize n
1 k ai zen 1 ka iz en 1 ka ize n
1 ka ize n
1 k ai zen 1 ka ize n 1 kai ze n
1 k ai zen 1 ka iz en 1 kai ze n
1 kai ze n
1er KAIZEN SISTEPLANT
5to KAIZEN SISTEPLANT
C arl os A N T O LÍN
Jo se p PO C O R UL L
S an t os G A R CÍ A
P at r ic io G AR R I DO
Jo sé H O N R UB IA
Jo sé M a rí a P A ST O R
X av i A M AT
Jo se A nt on i o R UI Z
Pe p G Ó M E Z
M ane l A G U IL ER A
J uan SI N TE S
0,0 horas
0,0 horas
- €
0,0 horas
Fe ch a crea ci ón : 24/02/2010
R E S PO N SA B LE
Nº EVENTOS
92%
34.040 €
88%
49.775 €
8
Xav i AM AT 2
SEGUIMIENTO 2010
GM F I-GM F II 23 WS Anális is detalle microparos G MF I-II 10,00
89%
31.017 €
O EE G MF II
Do it
OEE HO YER
88%
N i ve l de sp l ie gue :
Fec ha ú l ti ma re vi si ón :
O EE Ll MANU AL
90%89%
93%
32.472 €
82
HH CA MBIOHH LIMPIEZAS
OBJETIVOS ESTRATÉGICOS
O EE TR ONCOM I
92%
94%
26.669 €
OEE RUF LLENADO RA
86%
0,0 horas
- €
2 5 5
Ll M AN - RUF Ll 24 WS Anális is detalle microparos Ll MAN -RU F Ll 10,00J os e Antonio
RU IZ 2
FANTASTICAS - Troncom I 25
WS Anális is detalle microparos FANTÁSTICAS-TR ONCOM I 10,00 Pep GÓM EZ 2 9 9 2
Ll M AN - RUF Ll 13 SMED LL. M ANUAL + RU F 4,10J os e Antonio
RU IZSantos G ARCÍA
2 9 9 2
GM F I-GM F II 11 SMED GM F I + GMF II 3,40 Xav i AM ATPep GOM EZ
2 6 6 2
VL-6 10 definición standard sistema de alimentación 1,90 Xav i AM AT 1 3 3 1
JAR
JG
JS
XA
JAR
XA
J AR
JG
XAJ P
J ARSG
XAJG
M ACA
MACA
PG PG
XAJH
XAJH
XAJ H
MA MA
JG
MACA
MACA
XA
J ARJ MP
JARJ MP
JARJMP
Sistema de gestión de la mejora continua
Sistema de Medida Paneles de Planta
Sistema de reuniones
Gestión de mejora
18
i MES§ Manufacturing intelligence
CAPTOR3. CAPTOR3.CAPTOR3.
19
Manufacturing intelligence§ TICS Proactivas
EAKM
20
“La biblioteca es ilimitada y periódica. Si un eterno viajero la atravesara en cualquier dirección, comprobaría al cabo de los siglos que los mismos volúmenes se repiten en el mismo desorden”
“Tenemos toda la información del mundo. Nuestro único problema es clasificarla”.
Jorge Luís Borges. La Biblioteca de Babel
21
EAKM: Enterprise assests knowledge management§ Manufacturing intelligence
EAKM
Optimización
Activos
Gestión del Conocimiento
RCM- Fiabilidad
Procedimientos
Diagnósticos de Averías
22
EAKM: Enterprise assests knowledge management§ Manufacturing intelligence
El objetivo es proporcionar una fiabilidad al 100% de las instalaciones y garantizar las condiciones estables de los ensayos.
Principales Capacidades• Gestión Íntegra del Ciclo de Vida de Activos bajo las ISO 55.000.• Orientado a la distribución del Conocimiento• Algunas características funcionales:
• Información arborescente y agrupaciones funcionales horizontales• Gestión del Mantenimiento Correctivo, Preventivo, Predictivo y de
Mejora Continua.• RCM: Reliability Centered Maintenance• Gestión y Distribución del Conocimiento• Sistema Experto de Diagnóstico de Averías• Gestión de Repuestos y Aprovisionamientos• Optimización del Mantenimiento, Stocks y Compras• Movilidad mediante Smartphones• Integración con SCADAS,• Integración con ERPs• Integración con sistemas MES y de Simulación• Gestión de Energía
23
EAKM: Enterprise assests knowledge management§ Manufacturing intelligence
H. San Pedro
H. General
C.A.R.P.A.
24
EAKM: Enterprise assests knowledge management§ Manufacturing intelligence
LÓGICA• Cada Activo se asocia a
sus Gamas y éstas con los Defectos-Causas que Inhiben, previenen....
• La aparición de Órdenes“correctivas” se compara e investiga “ciclos ocultos”(DCAs)
• La repetición de cada Defecto-Causa asociado con el Preventivo se controla.
UTILIDAD• Si la observación permite
“detectabilidad” el procedimiento es ok.
• Si el observador es poco riguroso queda patente
• Si la frecuencia o contenido pueden cambiarse queda evidente
25
Manufacturing intelligence§ TICS Proactivas
iTracker
26
iTracker: Mejora R/C y ciclos de mejora§ Manufacturing intelligence
Gestiona y difunde las actividades de mejora de toda la organización
§ Definición de objetivos de negocio – objetivos de mejora. Despliegue en cascada asegurando trazabilidad entre los indicadores locales y estratégicos
§ Recogida y direccionamiento ágil de iniciativas de la organización
§ Seguimiento y avance de acciones y su impacto en las KPIs. Visión gerencial de la iniciativa de mejora
§ Medición de su impacto en la cuenta de resultados
§ Gestión administrativa de grupos de mejora: actas, planes de trabajo, documentación, estándares de análisis,
§ Repertorio indexado de iniciativas, resultados, buenas prácticas, …
Objetivos de negocio
Gestión de mejora y eventos
Impacto en KPIs
27
iTracker: Mejora R/C y ciclos de mejora§ Manufacturing intelligence
28
Manufacturing intelligence§ TICS Proactivas
Eventrack
29
Eventrack: Eventos y gestión por excepción§ Manufacturing intelligence
• WFlow con rutina de atención• Mail, Aviso• Registro de valores• ……
• Evolución de KPIs (OEE 70%)• Valor de variables (T>140º)• Sucesos (control de calidad
fuera de norma)
• Intervención• Análisis• Idea de mejora
Atención Acción Suceso
Los equipos de gestión son recursos escasos.
El sistema de información traza las situaciones relevantes en planta, solicitando / registrando la situación acaecida.
30
Eventrack: Eventos y gestión por excepción§ Manufacturing intelligence
• OTs retrasadas• Finalización de Contratos o
Garantías• Solicitudes/OTs con antigüedad
mayor a ...• Etc.
• Generación de una nueva solicitud• Apertura de OT con Equipo bajo
contrato• Consumo de un Repuesto Crítico• Etc.
• X % sobre presupuesto de una entidad
• Tiempo de resp. medio > ...• Nº de OTs pendientes > …• Cumplimiento de Preventivo < ...
De verificación periódica Sobre Indicadores Variaciones de datos on line
Una vez definido el modelo del sistema se definen eventos para detectar situaciones específicas en la operación y avisar al gestor o registrar las condiciones.
Diferentes naturalezas de eventos…
31
Inteligencia tecnológica
Modelización y
Optimizaciòn
32
Modelización, optimización y experimentación§ Manufacturing intelligence
Modelos Detección
Experimentos
Utilidades
Despliegue en instalaciones
Ejecución Utilidades
Conectividad
Estados, variables, indicadores
Láminas, servicios, aplicaciones,
informes
Gestión de Retos de Mejora
Modelado Modos de Fallo
Regresión
Clasificación
Estadística
EcuacionesDiferenciales
Eventos
Control Estadístico
Utilidades Online
Monitorización
Detección Fallos
Adquisición Datos
Utilidades Supervisión
Análisis Co-variables / condicionantes modos de Fallo
Retos
Almacén Datos
Sesiones Análisis
Utilidades
Análisis no-estacionario
Predictivo
Análisis Residuos
Actuación
33
Modelización, optimización y experimentación§ Manufacturing intelligence
Ciclo de generación de conocimiento: Análisis del modeloPotencia de análisis
§ Muestra las dependencias en entornos de múltiples entradas y múltiples salidas.
§ Visualiza si la mejora de una variable de salida puede afectar a otras negativamente.
MIMO (Multiple Input Multiple Output)§ El efecto de
modificación de una variable de entrada puede no tener un impacto lineal en la salida.
§ Visualiza cómo varía la salida en función del valor concreto de cada variable de entrada.
Efectos principales
§ Representa el tiempo de reacción.
§ El efecto resultante de la actuación sobre determinadas variables puede ser progresivo, no manifestarse inmediatamente.
Retardos y efectos progresivos
§ Muestra el detalle de la dependencia entre dos variables.
§ Permite identificar efectos contrapuestos. Podría ser imposible incrementar dos variables de entrada simultáneamente.
Interacción detallada
Entrada1
Entra
da2
Sal
ida
Variables de entrada
Vari
able
s d
e sa
lida
Sal
ida
Entradas
Retardo (t)
Entrada
Salida
34
IoT y movilidad
35
Cómo empezar ??
30%
25%
50%
38%63%
33%
II. Ciclo de vida producto/proceso
III. Supply Chain
IV. Fábrica Inteligente
V. Fábrica Humana
VI. Fábrica Digital
I. Agilidadde los procesosde fabricación
La integración del plano Físico con el Lógico es clave para la sostenibilidad y diferenciación
Pla
no
Fís
ico
Pla
no
Ló
gic
o
.
Fábrica Digital
Agilidad procesos de fabricación
Ciclo de vida producto / proceso
Supply Chain
Fábrica Inteligente
Fábrica Humana
Gracias por su atención
Recommended