Cómo resolver problemas de macrodatos paso a paso

Los fabricantes que desean explotar todo el potencial de sus plantas están cada vez más interesados en cómo los ‘big data’ pueden ayudarles a crear eficiencia operativa. Los ‘big data’, definidos como grupos de datos extremadamente grandes y complejos, brindan una serie de oportunidades a las organizaciones, no solo para implementar estrategias de mantenimiento predictivo, pero también para identificar problemas, cuellos de botella y áreas de bajo rendimiento. La información procesable que los ‘big data’ proporcionan a los responsables y ejecutivos permite que estos implementen nuevos procesos y prácticas de trabajo para aumentar la seguridad, mejorar la eficiencia de la producción, reducir el tiempo de inactividad y reducir los costes operativos.

Sin embargo, estos conjuntos de datos grandes y complicados, que se acumulan a un ritmo increíblemente rápido, requieren la implementación de tecnologías modernas y avanzadas para recopilar los datos, realizar el análisis y luego, proporcionar información útil y que se pueda utilizar. Aquí es donde entra en juego el Internet industrial de las cosas (IIoT, por sus siglas en inglés). EL IIoT utiliza una amplia gama de dispositivos, existentes y nuevos, de monitorización, de tecnología de sensores, equipos, maquinaria, procesos y líneas de producción, conectados a través de una variedad de redes de comunicación de datos a un software de procesamiento y análisis informático de alto rendimiento para interpretar y seguidamente presentar estos datos.

Aplicar la tecnología para procesar y analizar los ‘big data’ puede resultar un gran problema si las empresas intentan abordar todos sus aspectos de una sola vez. Demasiadas organizaciones están tratando los ‘big data’ mediante proyectos a gran escala inasequibles y poco prácticos. En algunos casos, se dedican meses o años de planificación y gastos a estos proyectos solo para terminar en generar frustraciones. Un mejor enfoque puede ser comenzar por elementos de menor envergadura y concentrarse en problemas conocidos con parámetros definidos, lo que podría describirse como ‘microdatos’ o ‘little data’. Centrar el enfoque en un activo específico reduce la complejidad y simplifica la búsqueda de una solución. En la mayoría de las industrias, esto significa comenzar a nivel de máquina o de línea de producción, y una de las principales tecnologías para crear valor a partir de estos microdatos es la tecnología EDGE. Los datos producidos por los dispositivos de campo son analizados por un controlador ubicado en el campo para generar información. Esta información se puede proporcionar al personal adecuado, cerca del origen, para permitir una acción rápida e informada.

EDGE Computing

La computación EDGE es esencialmente un paradigma de computación distribuida que acerca el procesamiento de la computación y el almacenamiento de datos en el sitio donde se necesita, para mejorar los tiempos de respuesta y ahorrar ancho de banda.

A medida que los dispositivos se vuelven más inteligentes, producen más análisis para generar información sobre el estado y el rendimiento de los equipos. La tecnología de computación EDGE hace esto en la propia fuente de datos o cerca de ella en lugar de depender de la nube y de la potencia informática de los centros de datos. Con los controladores EDGE más recientes, el procesamiento integrado acerca esta información a la planta al mismo tiempo que amplía su disponibilidad a través de la nube. Si alguna vez ha pensado en el IIoT y la computación EDGE como conceptos para abordar en el futuro, piénselo mejor: la computación EDGE, basada una tecnología de control EDGE eficiente, convierte el IIoT en realidad, hoy mismo, para cualquier planta y empresa. Fácil de integrar en una planta ya existente sin tener que empezar de cero, la computación EDGE permite que los fabricantes aprovechen las ventajas del IIoT, resuelvan problemas claves de manera simple y asequible y, seguidamente, amplíen su alcance.

Ventajas

Los OEM y otros fabricantes pueden utilizar la computación EDGE para evaluar las averías de los equipos y eliminar problemas habituales. La tecnología puede utilizarse para proporcionar información sobre el rendimiento de las máquinas a los equipos de desarrollo con el fin de ayudarles a optimizar futuros productos. Se puede usar para responder preguntas del tipo:

• ¿Cómo se utiliza realmente la maquinaria?
• ¿Qué problemas de calidad hay?
• ¿Se pueden reducir los costes sin repercutir en el rendimiento?

Se pueden hacer comparaciones entre máquinas, procesos y toda la planta, así como entre materias primas, en términos de rendimiento, calidad y rechazo. Se puede realizar un seguimiento del uso de la maquinaria, así como del uso de energía, las puestas en marcha y los cambios para ayudar a optimizar el rendimiento y garantizar el cumplimiento de los requisitos medioambientales y de seguridad.

Los controladores EDGE más recientes, como el controlador CPL 410 de la familia PACSystems RX3i de Emerson, ofrecen control determinista y no determinista en un solo dispositivo compacto. Estos dispositivos tienen, en la práctica, ‘los dos lados del cerebro’, siendo el lado izquierdo donde se recopilan los datos de los sensores inteligentes y donde se proporciona un control determinista en tiempo real. El lado derecho, mientras tanto, tiene una pila de software que se ejecuta en Linux y se encarga de brindar procesamiento y análisis de datos, paneles de control, registro de datos y monitorización y diagnóstico remotos.

Imagine una sola unidad de control, técnicamente un PC industrial con arquitectura multinúcleo y, a continuación, sepárela en dos cerebros. El lado izquierdo realiza las funciones típicas de un controlador, incluida la lectura de entradas, la ejecución de lógica en tiempo real y la escritura de salidas. Todo esto tiene lugar en el entorno de programación típico de un PLC, con una red de E/S, posibilidad de redundancia entre controladores y conexión con HMI, SCADA y DCS. Además, el lado izquierdo también es capaz de evitar que las funciones de control se vean afectadas por cualquier problema que pueda experimentar el lado derecho.

El lado derecho, un sistema operativo abierto basado en Linux, tiene la capacidad de administrar localmente múltiples bucles y rutinas, recopilar datos e interactuar con programas estándar del sector informático, desarrollados en Python o Java. También cuenta con un servidor web y protocolos seguros de comunicación a la nube como MQTT. Sobre todo, tiene la capacidad de procesar localmente, mediante algoritmos, una gran cantidad de datos disponibles en el controlador, así como la posibilidad de optimización externa. Por primera vez en la automatización, dos mundos están realmente conectados e interactuando: los datos del lado izquierdo proporcionan la base para el procesamiento en el lado derecho. Los algoritmos de optimización automática, que podrían estar conectados a una nube, producen resultados que también sirven para optimizar en mayor medida la parte de control del lado izquierdo. El intercambio de datos entre PLC y SCADA, la ejecución de rutinas de optimización y el uso de resultados de cálculo para mejorar los parámetros de control ya eran posibles, pero con los controladores EDGE más recientes esto se puede hacer más frecuentemente y con mucha más rapidez para mejorar la lógica de control de la máquina o el proceso en sí.

Detección anticipada de anomalías

Una aplicación típica es la detección de anomalías a nivel local. Esto requiere datos históricos de una base de datos, como InfluxDB o SQL Lite, y un algoritmo de aprendizaje automático creado en Python u otras herramientas como Prometheus. Se selecciona y se limpia una muestra de datos determinada, eliminando todos los valores atípicos y, a continuación, se procede a la inducción de conocimientos en el programa de aprendizaje automático (Machine Learning, ML, por sus siglas en inglés). Luego se puede aplicar este conjunto de datos de prueba y finalmente, también los datos en tiempo real de la máquina y los instrumentos pertinentes. En caso de que se produzca una anomalía, el algoritmo de ML puede detectarla, registrarla o generar una alarma para el operador de un equipo. Esto ayuda a identificar complicaciones antes de que se conviertan en problemas reales, y permite programar un paro de la máquina o un cierre de la operación, pedir las piezas necesarias o minimizar el tiempo de inactividad, reduciendo finalmente el impacto en los costes.

Conclusión

La necesidad de una transformación digital es ahora mucho más evidente, ya que los responsables de negocios pueden ver la rentabilidad de las inversiones brindadas por el IIoT y respaldada por la computación EDGE. El IIoT permite que las empresas accedan a los datos previamente aislados que resultan críticos para la mejora operativa, los analicen y los historicen. Los controladores EDGE aportan una forma asequible y manejable de llevar el IIoT al pie de la máquina para permitir que las organizaciones comiencen a resolver los problemas de los ‘big data’ paso a paso. Ahora que la computación es más rápida y barata que nunca y cuenta con dispositivos de menor tamaño, que la transferencia de datos se ha generalizado y que se han reducido los costes, es fácil implementar proyectos de microdatos, así de esta forma convertir en realidad objetivos críticos como puede ser la monitorización remota.

www.emerson.com/es-es/automation/control-and-safety-systems/programmable-automation-control-systems/EDGE-devices-software

Jean Aley,

Sales Team Leader,

West Europe & Nordic countries, Emerson

págs. 54 a 55.