TRANSFERENCIA DE CONOCIMIENTO A LA INDUSTRIA. MANTENIMIENTO, PdM, SENSORES, NUEVAS TEC 33 AÑOS DE SERVICIO I+D A PRODUCTOS Y SERVICIOS

Transcripción

1 ORGANIZADO POR:

2 03 TRANSFERENCIA DE CONOCIMIENTO A LA INDUSTRIA 02 MANTENIMIENTO, PdM, SENSORES, NUEVAS TEC AÑOS DE SERVICIO I+D A PRODUCTOS Y SERVICIOS

3 Jorge Alarcón Subdirector de Servicios Tecnológicos IK4-TEKNIKER BIG DATA, Predictive Analytics & IIoT. El impacto de los nuevos paradigmas en el mantenimiento ORGANIZADO POR:

4 Evolución o Revolución? Cuál es el efecto de este paradigma en el Mantenimiento? Parte 01 El momento tecnológico en el que nos encontramos Parte 02 La revolución de los Datos Parte 03 Hacia dónde se dirige el Mantenimiento? Parte 04 Casos de estudio y Conclusiones Porqué los datos son tan importantes ahora? Avances importantes y casos de estudio

5 Parte 01 El momento tecnológico en el que nos encontramos 8 km/hora 16 km/hora 128 km/hora 1,074x10 6 km/hora metros 528 metros 1 km 17x10 6 km 1er Minuto 3er Minuto 5to Minuto 28vo Minuto

6 Parte 01 El momento tecnológico en el que nos encontramos BIG DATA Almacenamiento de grandes cantidades de datos y los procedimientos utilizados para encontrar patrones repetitivos dentro de esos datos VELOCIDAD VOLUMEN VARIEDAD Milésimas de segundo Teras, Peta bytes De información Datos estruc- Turados y no estructurados

7 Parte 01 El momento tecnológico en el que nos encontramos W W W5/d W5/d H1N1 01 Nuevo virus de gripe CNC / local USA 02 Dos semanas de retraso Datos transformados en información Buscar correlaciones entre la frecuencia de las búsquedas de información (síntomas) y la propagación de la gripe en el tiempo y espacio. Google millones de términos de búsqueda Resultados 04 En tiempo real

8 Parte 01 El momento tecnológico en el que nos encontramos PREDICTIVE ANALYTICS Aplicación De técnicas estadísticas Software Nueva forma de ver los datos Predicciones De eventos futuros con un % de suceso Patrones Acontecimientos repetitivos Correlaciones Probabilidad de ocurrencia No explica la causa Representa una alerta

9 Parte 01 El momento tecnológico en el que nos encontramos 90% Convertir Información en Decisión 75% 60% 27% 60% 85% Pedidos Trazabilidad de todos los pedidos, todos los dias, todas sus tiendas Información Otra información, clima, ciudad, horario, edad, día, semana, eventos cercanos Algoritmos Predictive Analytics le ha permitido probar y desarrollar una serie de algortimos con un % de eficiencia Decisión Reducción de gastos derivados de stock, proveedores y maquinaria Qué va pedir un cliente Cuándo va a regresar

10 Parte 01 El momento tecnológico en el que nos encontramos IIoT Industrial Internet of Things Vapor 2 Transporte y Producción Electricidad 4 Producción en masa Procesador 6 Innovación tecnológica 4ta Revolución Industrial

11 Parte 01 El momento tecnológico en el que nos encontramos Reducción tasa de Fallos 34% Sensores Máquinas y tuberías Síntomas De las máquinas Prevenir Fallos Beneficios Económicos Datos En tiempo real Comunicación De las máquinas

12 Evolución o Revolución? Cuál es el efecto de este paradigma en el Mantenimiento? Parte 01 El momento tecnológico en el que nos encontramos Parte 02 La revolución de los Datos Parte 03 Hacia dónde se dirige el Mantenimiento? Parte 04 Casos de estudio y Conclusiones Porqué los datos son tan importantes ahora? Avances importantes y casos de estudio

13 Parte 02 La revolución de los datos D El Petróleo del futuro FUENTE DE ENERGÍA INVERSIÓN INFRAESTRUCTURA MANTENIMIENTO

14 Parte 02 La revolución de los datos Transformar los Datos en Decisiones Este es el verdadero valor de los Datos! TRANSFORMACION Algoritmos, programas CARGAR Visualizar EXTRAER Fuentes diversas

15 Parte 02 La revolución de los datos St. Louis Missouri 17 tipos de Sensores en los motores de autobuses (trabajaban de manera aislada) 1,5 Terabytes por día Momento óptimo de Mantenimiento 25% Beneficio 80,000 km 320,000 a 400,000 Km 0 9/21/14 9/28/14 10/5/14 10/12/14 10/19/14

16 Evolución o Revolución? Cuál es el efecto de este paradigma en el Mantenimiento? Parte 01 El momento tecnológico en el que nos encontramos Parte 02 La revolución de los Datos Parte 03 Hacia dónde se dirige el Mantenimiento? Parte 04 Casos de estudio y Conclusiones Porqué los datos son tan importantes ahora? Avances importantes y casos de estudio

17 Parte 03 El efecto en el Mantenimiento Ciclo de vida Innovación, crecimiento, madurez, decrecimiento Latencia, poca innovación, estancamiento Nuevo Impulso tecnológico, diferenciación W. Wright 40 minutos / 40 km 03 Hélice Segunda Guerra Mundial Spitfire, Zero, P-51 Reacción Diciembre segundos 04 Estancamiento

18 Parte 03 El efecto en el Mantenimiento DATOS Nuevo Impulso? RCM Nowlan & Heap ASSET MANAGEMENT Fuente de valor Incremento Productividad Minimizar Paradas no programadas PREDICTIVO Mantenimiento PdM Maximizar La inversión PREVENTIVO 2da Guerra Mundial REDUCIR Inventario

19 Evolución o Revolución? Cuál es el efecto de este paradigma en el Mantenimiento? Parte 01 El momento tecnológico en el que nos encontramos Parte 02 La revolución de los Datos Parte 03 Hacia dónde se dirige el Mantenimiento? Parte 04 Casos de Estudio y Conclusiones Porqué los datos son tan importantes ahora? Avances importantes y ejemplos

20 Parte 04 Casos de estudio y Conclusiones Cliente Aerogeneración 2,400 Turbinas Eólicas Datos de Operación 10 minutales Datos de Predictivo 5 tecnologías diferentes

21 Parte 04 Casos de estudio y Conclusiones Cuándo hago Mantenimiento? Cada tecnología de manera independiente Falsos Positivos Los resultados cruzados no eran ciertos Coordinación de acciones posteriores Tareas repetitivas, sin asignar Datos no integrados 7 herramientas de visualización

22 Parte 04 Casos de estudio y Conclusiones Informes Análisis de Aceite Fotos (Videoscopía) 8,324 48, Files de Vibraciones Temperatura Excel Files 118 0,97 Tb

23 Parte 04 Casos de estudio y Conclusiones Análisis global El 90% de la información analizada Detección temprana de fallos Mejora en la detección de fallos 18% 90% 03 Prognóstico de fallos Algoritmos de prognóstico Reducción Inventario Mejora en presupuestos 3% 35% 04

24 Parte 04 Casos de estudio y Conclusiones CAMBIO Ha comenzado DATOS Parte del cambio Tarde o temprano Parte de algo global Es un proceso GUIA Datos y Expertos IoT Horizon 2020 Requiere una infraestructura No lo haga solo No todo es tan lindo 04 ACTIVO Know-how VISION Es un proceso 03

25 GRACIAS! ORGANIZADO POR:

26 Jorge Alarcón B. Subdirector de Servicios Tecnológicos IK4-TEKNIKER SI TIENES PREGUNTAS O COMENTARIOS No dudes en acercarte! / jorge.alarcon@tekniker.es ORGANIZADO POR: