Máximo provecho del aprendizaje automático para el desempeño industrial
Se logra supervisar de manera indirecta y continua una cantidad de datos de 10 a 20 veces superior de su capacidad actual.
El soporte de decisiones inteligentes, la supervisión y la orientación de la fabricación son esenciales para mantenerse vigentes en el mundo actual. Por ello, es fundamental estar preparados para enfrentar estos desafíos, información y técnicas que solo nos pueden brindar empresas y asesores con alta experiencia industrial.
Es ideal, encontrar una empresa que ofrece un valor único mediante el desarrollo y la implementación acelerada y aumentada de aplicaciones de aprendizaje automático específicas. Al obtener datos y crear modelos operacionales que combinen los conocimientos sobre procesos de su equipo de trabajo con la ciencia de datos, será posible supervisar de manera indirecta y continua una cantidad de datos de 10 a 20 veces superior a su capacidad actual.
“El aprendizaje automático utiliza los datos que tienen para verificar patrones útiles dentro de los mismos en favor de crear un modelo que aprenda el comportamiento a futuro y en consecuencia se puedan tomar decisiones previo a que algo suceda”, explica Héctor Jiménez, technical consultant de Rockwell Automation México.
El aprendizaje automático o aprendizaje de máquina favorece el análisis de la información que ya se conoce y se apoya en el expertis de las personas que forman parte de la organización.
El valor que se puede aplicar a sus procesos derivado de la transformación digital es evidente. Los resultados obtenidos por Rockwell Automation a través de datos de clientes como CIMData, Aberdeen Group, Gartner Group, IDC y PTC son: 50% de reducción del tiempo improductivo no planificado; 90% de mejora en la calidad en la primera pasada; 97% de disminución de defectos ascendentes y 40% de reducción del costo de mantenimiento.
Simplificando el aprendizaje automático
El modelo que presenta la empresa internacional Rockwell Automation, tiene como objetivo la operacionalización del resultado teórico para mejorar la manera en que manejamos el volumen de datos y beneficiar a los expertos. Utilizar este proceso no requiere de preparación previa. Por ello, muestra una facilidad de uso dirigida a los ingenieros de planta, así como paquetes de herramientas visuales integradas y una visualización gráfica en tiempo de ejecución.
“Sabemos que los expetos del proceso están en todas las partes de la organización y en consecuencia debemos darles herramientas que puedan utilizar con facilidad y que tomen como provecho esa experiencia”, puntualizó Jiménez.
Actualmente, Rockwell Automation presenta cuatro soluciones con distintos niveles de manipulación para una analítica más compleja, en favor de resolver un punto del proceso de conocimiento automático que puede favorecer al implementar una estrategia de aprendizaje de máquina.
FT Analytics Data Explorer
Data Explorer permite a los usuarios interactuar gráficamente con sus datos existentes para utilizar mejor el conocimiento dentro de su proceso o sistema. Ayuda a identificar problemas y limpiar o eliminar valores irrelevantes. Permite al usuario establecer reglas y calcular factores de confianza para datos interpolados.
FT Analytics LogixAI
Este módulo para controladores ControlLogix® se incorpora directamente en un chasis de control y transmite datos del controlador a través del backplane para construir modelos predictivos. Los clientes pueden beneficiarse con la mejora del rendimiento de la calidad, el aumento de la utilización de los activos y el perfeccionamiento de los aprendizajes.
FT Analytics Augmented Modeler
FactoryTalk® Analytics ™ Augmented Modeler proporciona un flujo de trabajo completo y visualmente interactivo para que los ingenieros de planta desarrollen con éxito soluciones de aprendizaje automático específicas. La efectividad en el análisis de datos se relaciona con la detección de anomalías, el mantenimiento predictivo, los KPI’s predictivos y la optimizacion de la energía.
A través del mantenimiento predictivo, tiene la información para tomar decisiones inteligentes de priorización: difiera los ciclos de mantenimiento innecesarios, evite el costoso desgaste de los equipos y reduzca las fallas o paradas no planificadas del equipo. Esto reduce significativamente el gasto de mantenimiento por unidad producida mediante la supervisión de equipos inteligentes y específicos.
Equipo Prensa
Portal Innova
