La industria tiene hoy la obligación de transformarse y convertirse en organizaciones “Data Driven” para mantener su competitividad en el mercado. En las áreas de mantenimiento y operaciones, muchas han hecho inversiones considerables en conectividad, procesamiento y analítica de datos, pero pocos han logrado tener resultados tangibles ante estas iniciativas. Pasar de la analítica a la acción no es una tarea fácil y requiere de las personas correctas, las habilidades adecuadas, tecnología aplicada y una cultura del dato consciente que permita lograr implementaciones y resultados exitosos. En este articulo profundizaremos en el aspecto tecnológico. La meta, en varias ocasiones, es encontrar las condiciones operativas óptimas para aprovechar de forma eficiente los recursos energéticos. ¿Pero cómo lograrlo usando la analítica de forma correcta?
El primer paso siempre será confiar en los datos. Limpiar los datos desde la fuente y tener algoritmos (ver Analytics Health Check) que permitan identificar en todo momento los datos anómalos es clave a la hora de hacer analítica. Esta también es la mejor manera de empezar a convencer, no solo a los gerentes sino también a los ingenieros que operan y mantienen los equipos industriales, que la analítica traerá beneficios. Durante estos primeros pasos se identificarán básculas desbalanceadas, instrumentación descalibrada, procesos de registro inadecuados, entre otras oportunidades de mejora.
Como segundo paso, y teniendo en cuenta la o las pregunta(s) de negocio que deseamos responder, por ejemplo, ¿estoy operando en la condición óptima?, iniciaran los primeros análisis, validaciones de hipótesis y creación de primeros modelos analíticos predictivos. Cada resultado deberá ser compartido con los gerentes e interesados en el proceso buscando aprobaciones y con el objetivo de generar mayor confianza y entendimiento sobre los algoritmos. En este momento es crucial contar con objetos analíticos que permitan visibilizar la operación antes y después de las recomendaciones en términos de cuantificación $ de resultados en las eficiencias obtenidas. De igual manera, los modelos analíticos AI deberán ser dinámicos e ir recomendando movimientos para retornar a una operación / configuración óptima y sobre todo dejar claros los impactos monetarios y ambientales de no seguir la recomendación. Utilizar la tecnología de este modo garantizará una mejor adopción y por ende los resultados esperados.
Por último, llevar una trazabilidad constante de los resultados permitirá capturar los beneficios de la analítica y servirá ya no para generar confianza sino sentir orgullo por los resultados obtenidos luego de un proceso dinámico, demostrativo e incluyente.
Ahora bien, ¿cómo mantener las eficiencias y los ahorros en el tiempo? Este será un siguiente articulo en el que detallaremos los desafíos y soluciones a esta realidad.
Autor: Oscar Hoyos Vásquez – CEO en Uptime Analytics
