Internet de las Cosas y Big Data en el mantenimiento · la Gestión de Activos y Mantenimiento 50...

transcript

Internet de las Cosas y Big Data en el mantenimiento y gestión de activos. 9 DE MAYO DE 2018

JoséLuisVillaRamírez.HugoSantiagoAguirreMayorga.LuisCarlosTrujilloArboleda.

Contenido. 1.  CentrosdeExcelenciayApropiación,CEAs2.  Industria4.03.  InternetdelasCosas4.  BigData5.  IoTyBigDataenelmantenimientoylagestióndeactivos

6.  Casos

Líderestecnológicos

EmpresasAncla

Universidades

1. Centros de Excelencia y Apropiación.

Líderestecnológicos

EmpresasAncla

Universidades

Fortalezas Generación de diseño electrónico propio, escalabilidad y flexibilidad.

Orientado a soluciones integrales.

Estrategia de generación de productos y plataformas de servicios.

Amplia red de soporte de los integrantes del Centro.

2. Industria 4.0

ChristophRoseratAllAboutLean.com

Industria 4.0  “INDUSTRIE 4.0 connects embedded system productiontechnologies and smart production processes to pave theway to a new technological age which will radicallytransform industry and production value chains andbusinessmodels.” —GermanyTradeandInvest

Objetivo: creación de valor a partir de la información

Tomardecisiones

CrearnuevosProductos,Servicioso

funcionalidades

Sensar

AgregarDatos

Analizar

Las tecnologías de Industria 4.0

3. Internet de las Cosas

Definiciones.

“3.1.9 Internet of things (IoT): A globalinfrastructure for the information societyenabling advanced services by interconnecting(physical and virtual) things based on existingand evolving, interoperable information andcommunicationtechnologies.”

UniónInternacionaldeTelecomunicacionesITU-TY.2060(2012)

“Wedefine“theInternetofThings”assensorsandactuatorsconnectedbynetworkstocomputingsystems.Thesesystemscanmonitorormanagethehealthandactionsofconnectedobjectsandmachines.Connectedsensorscanalsomonitorthenaturalworld,people,andanimals.”

MckinseyGlobalInstituteReportIoT(2015)

Potencial del IoT.

Hogar.

v Seguridaddelacasayseguridadpersonal(porejemploniñosenpiscina).

v Gestióndecalefacción/aireacondicionado/iluminación.

v Medicióndeconsumodeserviciospúblicos.

v Dispositivosautónomos.

v Diseñobasadoenpatronesdeutilización.v Analíticadepreventa.

Oficina.

v Seguridaddeedificiosyoficinas.

v Gestióndecalefacción/aireacondicionado/iluminación.

v Productividadysaludorganizacional.v Rediseñoconbaseenanalítica.

Retail.

v Pagoautomático.

v Trazabilidaddecompradores.

v Promocionespersonalizadasentiemporeal.

v Optimizacióndeespacioyubicacióndeproducto.

v Inventarioautomatizado,incluyendoelproductoenestantería.

Factorías. (Fábricas, data center, granjas, hospitales)

v Monitoreodeprocesos.

v Gestióndeactivos.v Mantenimientopredictivo.

v Optimizacióndelacadenadesuministros.

v Seguridadlaboral.

Worksites (Oil&gas, minería, construcción).

v Gestióndeoperaciones.

v Gestióndeactivos(equiposmóviles).

v Mantenimientopredictivo.

v Productividaddetrabajadores.v Seguridadlaboral.

Ciudades.

v Distribuciónenergíaeléctrica(SmartGrid).

v Deteccióndefugasdeagua.v Gestióndetráficoygestióndetransporte.v Monitoreoambiental.

v Monitoreoyprevencióndelcrimen.

Outside (transporte, contenedores, mercancía).

v Navegaciónconectada.

v Trazabilidaddebienes.v Mantenimientopredictivo.

v Productividaddetrabajadores.v Seguridadlaboral.

Salud.

v Monitoreoytratamientodepacientesconenfermedadescrónicasyenáreasrurales.

v Mejoramientodecondicionesdesaludcomoactividadfísicaysueño.

v Seguridadlaboral.

Vehículos.

v Mejorasenseguridadyconfiabilidad.

v Mantenimientopredictivo.

v Modelosdepreciodesegurosporuso.

v Optimizacióndeoperacióndeflotas.

Arquitectura de una solución de IoT.

NodoIoT

Comunicación

NodoIoT

Comunicación

NodoIoT

Comunicación

NodoIoT

Comunicación

Nube 1.Visualización 2.Analíticadedatos

5.Sensado 6.Acción/Decisión

3.Conectividad 4.Cobertura

FUNCIONES

1. Visualización2.Analíticadedatos

3.Conectividad

4.Sensando

5.Acción/decisión

NodoIoT

Comunicación

AzuredeMicrosof,AmazonWebServices,…

Operadorescelulares,SigFox,LoRa

NodoIoT

Comunicación

DESAFIOS

1.  Interoperabilidad2.Escalabilidad

3.Cobertura

4.Escalabilidad

5.Autonomía,interoperabilidad,seguridad,complejidad

6.Escalabilidad

Internet de las Cosas en la Industria

UtilizaciónEficienciaConsistenciaContinuidadConfiabilidad

ConectividadDatosAnalíticaOptimización

Agilidad y VelocidadFlexibilidadReducción de costoVisión ComercialSeguridad

Arquitectura de Internet de las Cosas en la Industria

Sensores PLC

SCADADCS

GatewayIoTIndustrial

Almacenamiento Procesamiento visualización

ERP/MES

Instrumentaciónycontrol

Integración

InteligenciaClientes

4. Big Data.

Definición Big Data  Bigdata(Volumen,Variedad,Velocidad)Esuntérminoquedescribeelgranvolumendedatos–estructuradosynoestructurados–quetienenlasorganizacionesactualmente.

Habilidadparahacerusoeinterpretarlosgrandesvolúmenesdedatosdeunavariedaddefuentes(redessociales,procesos,sistemasempresariales,dispositivos).“Turnbigdataintovalue”.

Loimportantenoeselgranvolumendedatos,sinoloquehacenlasorganizacionesconlosdatos.

Big data: Volumen, Velocidad, Variedad

36Fuente:TeradataInc.2014

Definición Analítica

Eselprocesodetransformacióndedatosendescubrimientos(insights)paratomarmejoresdecisiones.

Fuente:CammJ.,etal.EssentialsofBusinessAnalytics.CengageLearning.2015

Analítica

Redessociales

ETL DataWarehouse

Infraestructuradedatos

Visualizaciónydashboards

MineríadeDatosytexto

Mineríadeprocesos

•  Reportes•  KPIs•  Dashboards•  Cuadrosdemando

•  Riesgos•  Deteccióndefraude•  Segmentaciónclientes•  Predicciones

•  Descubrimientoprocesos•  Análisisdeconformidad•  Monitoreodeprocesos•  PrediccionesFuente:Aguirre,Santiago.Cursoanálisisdedatos.PontificiaUniversidadJaveriana,2018

Analítica

Caso estudio minería de procesos - compras

Unidades

SecretariaFacultadoUnidad

Proveedor

Solicitud AprobaciónSolicitud

Pedido AprobaciónPedido

EnvíoPedidoProveedorProveedor

SolicitudAprobada

SolicitudNecesidad

Suministros/Junta

Pedido

RecepciónBien

PedidoAprob

Tiempos A B C D E

2500SolicitudesdecompraanualesPresupuesto50millonesUSD

Análisis de tiempo de ciclo y volumen

2452Anuales

<50%30días

Ruta mas frecuente (Happy path)

Demoras y reprocesos

Aplicación: Caso proceso compras Cuellos de botella

Usuariosmayoresdemorasaprobación

Aplicación: Caso proceso compras Productividad del personal

Comprasnacionales

Importaciones

Dashboard Minería de Procesos

5. IoT y Big Data en el mantenimiento y la gestión de activos

SnappyData.io

Definición  Lastécnicasdemantenimientopredictivo(PdM)estándiseñadasparaayudaradeterminarlacondicióndelequipoenservicioafindepredecircuándosedeberealizarelmantenimiento.

Losant.com

Monitoreo de Condición  Monitoreodecondiciones(o,coloquialmente,CM)eselprocesodemonitoreodeunparámetrodecondiciónenlamaquinaria(vibración,temperatura,etc.),paraidentificaruncambiosignificativoqueesindicativodeunafallaendesarrollo.

Modelo de Internet de las Cosas y Big Data en la Gestión de Activos y Mantenimiento

Fallasquesequierenevitar

DeteccióndeunaFallaIncipiente

Prediccióndela

ConsecuenciasProbables

Prediccióndeltiempodelafallafuncional

Accióncorrectiva

recomendada

Accióncorrectivatomada

SandyDunn,BigData,PredictiveAnalyticsandMaintenance-Assetivity

Fallasquesequierenevitar

Prediccióndela

Accióncorrectiva

recomendada

•  Lafallaquedebeevitarseesuneventodefallaespecíficoconunacausadefalla asociada (modo de falla), para un elemento de equipo específico (oclasedeequipo)

•  Típicamente estas fallas se identifican siguiendo alguna versión de lametodologíadeAnálisisdemodosyefectosdefalla(FMEA)

•  Tenga en cuenta que no todos los modos de falla pueden predecirseutilizandotécnicasdemantenimientopredictivo

Prediccióndela

Accióncorrectiva

recomendada

•  Requiererecolectaryanalizardatosprovenientesdelactivo•  Lastécnicasdeanálisismascomunesson:

•  Técnicasderegresión•  TécnicasdeMachineLearning

•  Requieretenerdatosdefallasparaanalizar

Prediccióndela

ConsecuenciasProbables Prediccióndel

tiempodelafallafuncional

Accióncorrectiva

recomendada

•  Unavezquecomprendequeunafalladelequiposeencuentraen sus primeras etapas de desarrollo, pronosticar la posibleconsecuencia es importante para garantizar que se tome ladecisióncorrectaconrespectoacómoproceder

•  Estas consecuencias deben actualizarse a medida que loshistóricosdelactivoseactualizan

Accióncorrectiva

recomendada

Accióncorrectiva

recomendada

•  Determinarlamedidacorrectivamásapropiadaquedebetomarse•  Utilizar lamejor informaciónquetenemoscomoresultadode

Big Data, Predictive Analytics y los modelos asociados paratomar una decisión mucho más informada con respecto alcursodeacciónmásapropiado

•  Una vez se ha determinado que una falla va a suceder y secuenta con la informacióndequéhacerdebemos asegurarnosquelasaccionesapropiadasserealicen

•  Si nuestros modelos nos dicen que debe tomarse una accióncorrectivaantesdeunafechaespecífica,estosereflejaráenlasfechas de vencimiento para la orden de trabajo en nuestrosistemadeGestióndeMantenimiento.

Retos de la implementación exitosa Organizacionales SuficienciadeModelos/DatosConfianzaenlaInformación FaltadeDatosCosto Calidad/IntegridaddelosDatosEstablecimientodebeneficiosdelprogramademantenimientopredictivo

VolumendelosDatos

Conflictosdeprioridadesentredepartamentos(TIyOperaciones)

UsabilidaddelosModelos

Recursos:serequiereunconjuntoespecíficodehabilidades

ComplejidaddelosModelos

Implementación/Integración:impactoenelprocesoylaculturaorganizacional

SeguridaddelosDatos

Ruta de Implementación

Escogerunpardeactivosclavesenelproceso

Definirlasfallasquesequierendetectarapartirdelhistóricodefallasdelactivo

ImplementarlosnodosdemediciónIoTyGenerarloshistóricos

Diseñaryvalidarlosmodelospredictivos

AprenderyRetroalimentarelproceso

Casos  

Caso Práctico: Subestaciones eléctricas en manejo de refrigerados – El Problema

Caso Práctico: Subestaciones eléctricas en manejo de refrigerados – Arquitectura de la solución

Caso Práctico: Subestaciones eléctricas en manejo de refrigerados – La prueba de concepto

SIEMENSSENTRONPAC3200 RASPBERRYPI2MODELB

MODBUSTCP

ALERTASENTELEGRAM

ANDROIDAPP

Caso Práctico: Subestaciones eléctricas en manejo de refrigerados – La prueba de concepto

Internet de las Cosas y Big Data en el mantenimiento · la Gestión de Activos y Mantenimiento 50...

Documents