No te pierdas el evento líder en la industria. ¡REGÍSTRATE AQUÍ!
Registro abierto, no te pierdas el evento líder en la industria. ¡REGÍSTRATE AQUÍ!

Cómo la analítica de autoservicio ayuda a la mejora continua

Los ejemplos de estudios de casos de DSM Dyneema y Hunstman Corp. ilustran cómo proporcionar a todos herramientas de análisis fáciles de usar puede mejorar drásticamente la producción y las operaciones comerciales.

Screen Shot 2022 09 15 At 10 50 07

Toda la actividad en torno a la Industria 4.0, el Internet Industrial de las Cosas y la transformación digital se trata, en última instancia, de una sola cosa: analizar grandes cantidades de datos para mejorar la producción y las operaciones comerciales en general. Y aunque la mayoría de las discusiones sobre Big Data y análisis de datos se centran en superar los obstáculos asociados con la agregación y el análisis de datos de operaciones, otro desafío consiste en hacer que los análisis resultantes sean accesibles y comprensibles para los trabajadores y la gerencia sin necesidad de científicos de datos. El análisis de autoservicio (SSA) está diseñado para ayudarles a las empresas a superar este desafío.


Según la firma de consultoría e investigación tecnológica Gartner: El análisis de autoservicio es una forma de inteligencia comercial (BI) en la que los profesionales de la línea de negocios están habilitados y alentados a realizar consultas y generar informes por su cuenta, con soporte nominal de TI. El análisis de autoservicio a menudo se caracteriza por herramientas de BI fáciles de usar con capacidades analíticas básicas y un modelo de datos subyacente que se ha simplificado o reducido para facilitar la comprensión y el acceso directo a los datos”.


Aplicación de SSA para la mejora continua


Lean Six Sigma es un método común empleado por las empresas de procesamiento y manufactura industrial para la mejora continua. Quizás el mayor desafío para lograr el éxito con Lean Six Sigma es lograr que todos en la empresa participen activamente en los programas de mejora continua.

Nick Petrosyan, gerente de éxito del cliente de TrendMiner.Nick Petrosyan, gerente de éxito del cliente de TrendMiner.
“La mayoría de las empresas tienen varios proyectos en curso, pero por lo general solo hay un puñado de miembros del equipo capacitados que son lo suficientemente competentes en los métodos estadísticos requeridos para proyectos de mejora”, dice Nick Petrosyan, gerente de éxito del cliente en TrendMiner (un proveedor de autoservicio basado en la web con tecnología analítica). “Con pocos expertos en este campo, los cuellos de botella surgen rápidamente. Además, muchos proyectos tienen como objetivo abordar los problemas de rendimiento de la producción, que requieren el aporte de expertos en activos y procesos ocupados. Como los expertos en mejora continua necesitan confiar en los expertos en la materia (SME) para la elaboración de las complejidades del proceso, muchos proyectos quedan sin terminar o no se abordan debido a la disponibilidad limitada de estas SME para el análisis profundo”.


Petrosyan dice que estos problemas pueden abordarse cuando las pymes completan el trabajo previo y pueden analizar los datos de producción por sí mismas y contribuir a los proyectos de mejora centrales o incluso reducir la cantidad de proyectos al encontrar mejoras por su cuenta.“Permitir que los especialistas en procesos y activos contribuyan a estos proyectos aumenta drásticamente las mejoras operativas necesarias para cumplir con los objetivos organizacionales esperados”, dice. “Al aprovechar por completo los datos de series temporales capturados y utilizar de manera más eficiente la experiencia operativa de los expertos en procesos, las empresas establecen una piedra angular para maximizar la mejora continua de la organización”.A continuación, se presentan dos ejemplos de estudios de caso proporcionados por TrendMiner que muestran cómo se utiliza la tecnología SSA para ayudar con los programas industriales de mejora continua.


Huntsman Corp.


Huntsman Corporation, un fabricante mundial de productos químicos especializados ha estado utilizando el análisis de datos de series temporales como un aspecto clave de su transformación digital.Petroysan señala que los datos operativos de Hunstman se mantuvieron en silos, lo que se sumó al desafío de la empresa de mejorar la excelencia operativa. Con SSA, Huntsman pudo superar este desafío.“Durante años, una planta continua de isocianato de Huntsman había estado recopilando y almacenando datos de análisis de laboratorio creados fuera de línea y de procesos diarios en una base de datos histórica”, explica Petroysan.

Planta de polioles de poliéster aromático de Huntsman Taiwán.Planta de polioles de poliéster aromático de Huntsman Taiwán.Foto cortesía de Huntsman

“En 2016, los equipos de la empresa utilizaron análisis de autoservicio para construir sensores suaves basados ​​en las condiciones de operación para predecir la calidad del producto para ciertos isocianatos. Los expertos en procesos utilizaron estos sensores para realizar microajustes en los puntos de ajuste del proceso para minimizar de forma proactiva los niveles de impurezas. Por ejemplo, uno de los monitores predijo niveles de cloruro hidrolizable fuera de especificación en el producto final. Al ajustar las condiciones de presión de vacío, se aseguró la calidad del producto. Además, se instalaron monitores para enviar alertas tempranas a los operadores para que no carguen los camiones, evitando así que el material fuera de especificación se envíe a un cliente”.


Con la ayuda de la SSA, los expertos en procesos de Huntsman establecieron un control de calidad las 24 horas del día, los 7 días de la semana, en comparación con el control de calidad con análisis de laboratorio que antes solo estaba disponible durante las horas de trabajo regulares de los días laborables.


“Con los camiones que se envían los siete días de la semana, los sensores blandos eliminaron el 75 % de los costosos casos de transporte fuera de especificación que ocurrían los fines de semana”, dice Petroysan. “Como resultado, se logró un impacto positivo significativo en el tiempo de entrega, ya que se eliminaron las horas de espera innecesarias para el producto dentro de las especificaciones, y el tiempo de entrega promedio se redujo en varias horas. Finalmente, la información adicional sobre la calidad del producto también redujo la demanda de recursos de laboratorio, ya que la cantidad de situaciones inciertas para este producto específico se redujo hasta en un 10 %.


DSM Dyneema


Dyneema es un polietileno de ultra alto peso molecular inventado y fabricado por DSM Dyneema, que afirma “es la fibra más fuerte del mundo”.Petrosyan dice que DSM Dyneema se enfoca en el uso de Six Sigma y el ciclo DMAIC (definir, medir, analizar, mejorar, controlar) como su "enfoque de referencia para proyectos de mejora". La empresa se había fijado el objetivo de aumentar la cantidad de proyectos Six Sigma, con una duración promedio de proyecto Six Sigma de 5 a 6 meses.

Los cables ligeros fabricados con DyneemaXBO igualan o superan el rendimiento de flexión del cable de acero especial.Los cables ligeros fabricados con DyneemaXBO igualan o superan el rendimiento de flexión del cable de acero especial.Foto cortesía de Dyneema


“Al asignar las funcionalidades de análisis industrial de autoservicio a las diferentes fases del ciclo DMAIC, quedó claro que la herramienta podría aplicarse a la mayoría de las fases y reducir considerablemente el tiempo necesario para completar cada fase”, dice Petroysan. “En un primer caso de prueba, las fases de definición y medición se completaron con análisis industrial de autoservicio en dos tardes, en lugar de dos semanas”.