Introducción
En nuestro artículo “Monitorizacion industrial: Big data en la industria 4.0” definimos qué es big data industrial, analizamos sus características y explicamos los patrones clásicos y modernos de uso de datos industriales. Gracias a esto, pudimos crear un esquema que ilustra perfectamente cómo interactúan todos y cada uno de los sistemas de monitorización, cuyo fin último es lograr la automatizacion para la industria.
En la presente entrada estudiaremos la relación de la automatizacion para la industria con los sistemas descritos en el anterior artículo. Es por ello por lo que precisaremos el significado de este término, describiremos en qué consiste y analizaremos los componentes que entran en juego en el mismo y cómo lo hacen.
De este modo, podremos construir un esquema abarcador y claro del proceso de automatizacion para la industria, lo que servirá para poner en valor los beneficios de la automatización para la transformación de los negocios tradicionales en industrias 4.0.
Data science & big data analytics
Así pues, para hablar de automatizacion para la industria deberemos, en primer lugar, partir del tema que tratamos en la anterior entrada: el big data en la industria 4.0.
Mencionamos, con respecto a este, que la posibilidad de obtener y procesar macrodatos era lo que propiciaba que la industria 4.0 integrase todos los activos industriales tradicionales en un sistema inteligente que permita una gestión global y combinada de los mismos, pero también insistimos en que esto implicaba la monitorización y el análisis de esta información. Sin este paso resulta inviable la optimización y automatización de los procesos productivos.
En esta dirección se encaminan los avances del data science & data analytics. Ambas disciplinas desarrollan su actividad en torno al big data y aplican recursos analíticos y matemáticos, por lo que la diferencia entre el data science & data analytics no siempre ha estado clara a lo largo de su evolución histórica. Sin embargo, actualmente se considera que la divergencia entre data science & data analytics radica en su enfoque Data science, según esta perspectiva, es la rama que se dirige a obtener valor a partir del big data industrial, es decir, a estudiar la información que se deriva del análisis del big data de una compañía. Este fin requiere que los expertos en la materia (data scientists) desarrollen e implementen métodos estadísticos, sistemas de machine learning y herramientas de visualización de la información.
Por otra parte, data analytics es una de las posibles aplicaciones de data science. En concreto, el analista tiene por misión el identificar patrones en la información arrojada por las diversas fuentes de datos que estén al alcance de la empresa para, gracias a estos, justificar la toma de decisiones.
Consecuentemente, la diferencia entre data science & data analytics es que la primera tiene un ámbito de actuación mucho más amplio y teórico, mientras que la segunda es una disciplina aplicada que se circunscribe a la mejora de la capacidad operativa de las organizaciones a través de la ideación y aplicación de soluciones basadas en los macrodatos.
Big data vs iot
Como es posible comprobar, ambas disciplinas utilizan el big data y el Internet of things (IoT) para lograr sus objetivos, por lo que estos términos suelen aparecer en los mismos artículos y webs, lo que facilita que haya muchas personas que los confundan. Por este motivo, seguidamente planteamos un esquema de big data vs iot que os ayudará a eliminar cualquier duda al respecto.
Big data:
- Son grandes volúmenes de información procedentes de diferentes fuentes y cuyo tamaño imposibilita procesarlos utilizando técnicas tradicionales.
- Normalmente se aplica a los datos derivados de la actividad humana.
- El término no hace referencia al procesamiento de la información, sino al conjunto de los datos obtenidos.
- Su extracción permite profundizar en el conocimiento sobre el funcionamiento de la industria, por lo que ayuda a tomar mejores decisiones, a optimizar procesos, a identificar fallos, etc…
IoT:
- Consiste en la interconexión de los equipos que participan en la producción a través de internet con el objetivo de medir múltiples variables y guardar y compartir información.
- Se aplica a la información generada por máquinas.
- El término hace referencia a la obtención, estudio y procesamiento de flujos de datos en tiempo real y de forma interconectada.
- Permite crear un ecosistema interconectado de inteligencia que ayuda a conocer las instalaciones en tiempo real y a actuar eficazmente sobre las necesidades más acuciantes del proceso productivo.
Gracias a esta información podemos comprender que en realidad no hay un big data vs iot (puesto que no son excluyentes entre sí), sino que son dos términos que describen realidades totalmente distintas, aunque interconectadas.
Automatizacion para la industria
Una vez aclarada la diferencia entre data science & data analytics y hecha la comparación big data vs iot, ya podemos hablar de la automatización para la industria y de los beneficios de la automatización en este sector. Al final del presente documento, además, construiremos un esquema en el que plasmaremos la relación entre los procesos de automatización y los de monitorización para aclarar el funcionamiento de la industria 4.0.
Como mencionamos, el big data en la industria no aporta ninguna ventaja competitiva si no se procesa para obtener información detallada sobre los procesos involucrados en la producción y, de la misma manera, este análisis no implica ningún avance si no se actúa en consecuencia.
Este “actuar en consecuencia” puede abarcar un rango sumamente amplio de acciones, pero una de las más importantes para el desarrollo del sector es la automatización industrial.
Automatizacion para la industria: definición, niveles y tipos
Este concepto es sumamente genérico y, de hecho, puede aplicarse también a la recolección automatizada de información. Por ello, en el presente artículo entenderemos la automatizacion para la industria como la supervisión, control y uso de equipamientos electromecánicos, electrohidráulicos, computarizados y electroneumáticos para llevar a cabo tareas más o menos repetitivas de forma automática.
Estas tareas o procesos pueden encontrarse en cualquiera de los ámbitos de actividad de una empresa, por lo que la automatización para la industria cuenta con 3 niveles jerárquicos.
Pese a todo, como venimos insistiendo desde Gradhoc, cada empresa tiene unas características que la hacen única y, por consiguiente, la solución que se adopte en cada caso debe estar diseñada a medida y debe ejecutarse prestando especial atención a sus particularidades.
Por este mismo motivo, no todas las organizaciones industriales aplican el mismo sistema de automatizacion para la industria, lo que nos permite diferenciar los siguientes tipos.
Automatizacion para la industria: desafíos y tecnología
Al comienzo de este artículo aseguramos que la automatizacion es un paso indispensable para garantizar la competitividad del tejido industrial; sin embargo, toda la información que ponemos a vuestra disposición no estará completa si no añadimos una breve descripción de las dificultades a las que se va a enfrentar cualquier empresa que quiera acometer esta transformación. De hecho, si no se tienen en cuenta, el plan de adopción tendrá muchas más posibilidades de fallar o, como mínimo, de no cumplir con los objetivos planteados.
Es por esto por lo que, en una primera instancia, hay que concienciar a las ejecutivas de que la implementación de los sistemas de automatizacion para la industria es una apuesta a largo plazo y costosa. Tanto si se opta por diseñar una infraestructura nueva como si se prefiere renovar la existente, la inversión inicial en recursos materiales, económicos y humanos será sustancial. Además, esta no se recuperará en un plazo corto de tiempo y su rentabilidad se debe medir utilizando parámetros que vayan más allá del puramente financiero.
Consecuentemente, la estrategia también debe abarcar más aspectos. Una automatización eficiente es mucho más que planificar procesos e instalar sensores y autómatas, ya que el conjunto de la organización debe estar implicada en su adopción. Así pues, una estrategia inteligente, además de basada en un análisis abarcador, debe estar acompañada y potenciada por un cambio de mindset.
Finalmente, se deben contemplar otros elementos como los prejuicios y los problemas sociolaborales. En otras de nuestras entradas ya hemos señalado lo difícil que puede llegar a ser convencer a la dirección de una empresa de la necesidad de incorporar los últimos avances tecnológicos a la actividad industrial. En el caso de las herramientas de automatización, no solo nos encontraremos con esta reticencia, sino que también se debe tener en cuenta que estos recursos no serán percibidos positivamente por la plantilla, ya que su aplicación implicará la pérdida de cientos de miles de puestos de trabajo. Por tanto, es imprescindible que el tejido industrial y los organismos públicos afronten este cambio de paradigma a través de una perspectiva social y valiéndose de la formación continua.
Pese a todos estos problemas y reticencias, lo cierto es que la automatizacion para la industria ha evolucionado sin parar a lo largo de los siglos y, gracias a los avances tecnológicos actuales, su aplicación en cualquier empresa ya no es un futurible, sino una realidad palpable. Entre estas herramientas tecnológicas podríamos destacar:
- Robots colaborativos: son autómatas que apoyan al equipo humano en el desarrollo de trabajos incómodos o repetitivos. Estas herramientas ofrecen una gran flexibilidad porque se pueden programar fácilmente, mientras que los más avanzados se reconfiguran instantáneamente para ajustarse a las necesidades de producción del momento e incluyen sistemas de autodiagnóstico.
- Mecanismos de control distribuido: tradicionalmente, los sistemas de control estaban centralizados; no obstante, hoy en día existe la posibilidad de repartirlos por las instalaciones según las necesidades de monitorización.
- Controlador lógico programable: son sistemas programables que actúan en tiempo real supervisando y controlando el equipo que interviene en el proceso productivo.
- Redes neuronales artificiales: tal y como indica su nombre, el objetivo de estos sistemas informáticos y matemáticos es crear una serie de conexiones para actuar de forma orgánica y rápida ante las necesidades de la producción. Su uso principal es el procesamiento de big data para establecer patrones.
- Interfaz: es la mediadora, la que posibilita la comunicación máquina-humano. Entre estos intermediarios también podríamos incluir los mecanismos de extracción y control de datos como los SCADA, de los que ya hablamos en nuestro artículo “Monitorización industrial: Big data en la industria 4.0”.
- Otras: sensores, redes 5G, software y hardware que contribuya al desarrollo del IoT y del cloud computing, etc.
Beneficios de la automatizacion
Una correcta planificación, una implementación consensuada y la utilización de las herramientas tecnológicas adecuadas permitirá a la ejecutiva de la empresa sacar el máximo provecho a los beneficios de la automatizacion para la industria.
En concreto, los beneficios de la automatizacion más valorados por los expertos son los siguientes.
- Incremento de la calidad y de la cantidad. La automatización de la cadena de producción implica, en la mayoría de los casos, eliminar el factor humano de los procesos más repetitivos, lo que permite reasignar esta fuerza de trabajo a labores de mayor valor como el control de calidad. De este modo, se evitan los fallos producidos por la falta de precisión y de uniformidad a la vez que se aumenta la rapidez.
- Mejora de la eficiencia. Otro de los principales beneficios de la automatizacion es que las herramientas de supervisión y control posibilitan dedicar solo los recursos (humanos y materiales) estrictamente necesarios a cada uno de los procesos. Así mismo, habrá elementos de la actividad (como la logística o la gestión de stock) que se podrán optimizar.
- Reforzar la adaptabilidad. Tal y como vimos, muchas industrias deben hacer frente a cambios sumamente repentinos en la producción (por la temporada, por la demanda, etc.). La automatizacion para la industria se puede aplicar en mayor o en menor medida en todos los niveles de actividad, lo que incrementa la capacidad reactiva de la empresa.
- Aumento de la seguridad. Desde el punto de vista de la PRL, la aplicación de tecnología en el entorno de trabajo ha ayudado, en muchos casos, a preservar la seguridad de la plantilla. Entre los usos de la automatización para aumentar la seguridad podríamos mencionar la instalación de sensores y alarmas que adviertan de peligros inminentes o la sustitución del personal por autómatas en las actividades más peligrosas o que supongan un mayor desgaste físico.
- Mayor conocimiento de la planta industrial. La obtención de datos en tiempo real y su procesamiento automatizado de forma remota contribuye a que los supervisores puedan actuar basándose en criterios objetivos gracias al conocimiento profundo del funcionamiento del proceso productivo.
Esquema de la automatizacion para la industria
Ahora que ya hemos explicado en qué consiste y hemos mencionado alguno de los beneficios de la automatizacion, vamos a crear un esquema que dé cuenta de su funcionamiento.
