El aprendizaje automático conocido como Machine learning hace posible supervisar de manera indirecta y continua una cantidad de datos de 10 a 20 veces superior a su capacidad actual.
Rockwell Automation tiene como objetivo la operacionalización del resultado teórico para mejorar el manejo del volumen de datos y ayudar a los expertos en esta área.
Entre las distintas ventajas que aporta el aprendizaje automático (Machine Learning) al sector industrial se destacan la optimización en la capacidad de producción, el control y monitorización del proceso productivo, mejora de la calidad, tanto del producto como del servicio al cliente e impacto en el mantenimiento preventivo y predictivo. Además, esta tecnología tiene el potencial de reducir los errores del sistema de suministro en un 50% y reducir los costos de administración hasta en un 40%, de acuerdo con un estudio desarrollado por McKinsey.
Rockwell Automation reconoce que el soporte de decisiones inteligentes, la supervisión y la orientación de la fabricación son esenciales para mantener la competitividad en el mundo de hoy. De esta manera, busca ofrecer 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, Consultor técnico de Rockwell Automation México.
El aprendizaje automático o Machine Learning 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 los procesos derivado de la transformación digital es evidente. Los resultados que hemos obtenido 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
Nuestro modelo tiene como objetivo la operacionalización del resultado teórico para mejorar la manera en que manejamos el volumen de datos y beneficiar a los expertos en este tema. Utilizar este proceso no requiere de preparación previa. Por ello ofrece 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.
Hoy en día, Rockwell Automation ofrece cuatro soluciones con distintos niveles de manipulación para una analítica más compleja, en favor de resolver un punto del proceso de aprendizaje automático que puede favorecer al implementar una estrategia de aprendizaje de máquina (machine Learning).
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.
Lo ayuda a identificar problemas y limpiar o eliminar valores irrelevantes antes de comenzar a buscar proyectos de análisis más avanzados. Además, incluye un potente y flexible plantilla de combinación de tiempo que 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. Su capacidad proviene de un motor de modelado diseñado para casos de uso relacionado con la detección de anomalías y el soft sensing. En ambos casos, los clientes pueden beneficiarse de la mejora del rendimiento de la calidad, el aumento de la utilización de los activos y el perfeccionamiento de los aprendizajes específicos para lograr la excelencia operativa.
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 detecion de anomalías, el mantenimiento predictivo, los KPI’s predictivos y la optimizacion de la energía.
Con la detección de anomalías, las aplicaciones se capacitan para identificar líneas o operaciones unitarias problemáticas, recibir alertas e identificar indicadores antes de que ocurran pérdidas significativas.
A través del mantenimiento predictivo, las empresas tienen más información para tomar decisiones inteligentes de priorización: al diferir los ciclos de mantenimiento innecesarios, evitar el costoso desgaste de los equipos y reducir las fallas no planificadas del equipo. Esto reduce significativamente el gasto de mantenimiento por unidad producida mediante la supervisión de equipos inteligentes y específicos.