¬°Hub de contenido!
Acceso a contenido educativo gratis.
Comience a aprender

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 transformaci√≥n digital se trata, en √ļltima instancia, de una sola cosa: analizar grandes cantidades de datos para mejorar la producci√≥n y las operaciones comerciales en general. Y aunque la mayor√≠a de las discusiones sobre Big Data y an√°lisis de datos se centran en superar los obst√°culos asociados con la agregaci√≥n y el an√°lisis de datos de operaciones, otro desaf√≠o consiste en hacer que los an√°lisis resultantes sean accesibles y comprensibles para los trabajadores y la gerencia sin necesidad de cient√≠ficos de datos. El an√°lisis de autoservicio (SSA) est√° dise√Īado para ayudarles a las empresas a superar este desaf√≠o.


Seg√ļn la firma de consultor√≠a e investigaci√≥n tecnol√≥gica Gartner: El an√°lisis de autoservicio es una forma de inteligencia comercial (BI) en la que los profesionales de la l√≠nea de negocios est√°n habilitados y alentados a realizar consultas y generar informes por su cuenta, con soporte nominal de TI. El an√°lisis de autoservicio a menudo se caracteriza por herramientas de BI f√°ciles de usar con capacidades anal√≠ticas b√°sicas y un modelo de datos subyacente que se ha simplificado o reducido para facilitar la comprensi√≥n y el acceso directo a los datos‚ÄĚ.


Aplicación de SSA para la mejora continua


Lean Six Sigma es un m√©todo com√ļn empleado por las empresas de procesamiento y manufactura industrial para la mejora continua. Quiz√°s el mayor desaf√≠o para lograr el √©xito 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.
‚ÄúLa mayor√≠a de las empresas tienen varios proyectos en curso, pero por lo general solo hay un pu√Īado de miembros del equipo capacitados que son lo suficientemente competentes en los m√©todos estad√≠sticos requeridos para proyectos de mejora‚ÄĚ, dice Nick Petrosyan, gerente de √©xito del cliente en TrendMiner (un proveedor de autoservicio basado en la web con tecnolog√≠a anal√≠tica). ‚ÄúCon pocos expertos en este campo, los cuellos de botella surgen r√°pidamente. Adem√°s, muchos proyectos tienen como objetivo abordar los problemas de rendimiento de la producci√≥n, 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 elaboraci√≥n de las complejidades del proceso, muchos proyectos quedan sin terminar o no se abordan debido a la disponibilidad limitada de estas SME para el an√°lisis profundo‚ÄĚ.


Petrosyan dice que estos problemas pueden abordarse cuando las pymes completan el trabajo previo y pueden analizar los datos de producci√≥n por s√≠ mismas y contribuir a los proyectos de mejora centrales o incluso reducir la cantidad de proyectos al encontrar mejoras por su cuenta.‚ÄúPermitir que los especialistas en procesos y activos contribuyan a estos proyectos aumenta dr√°sticamente las mejoras operativas necesarias para cumplir con los objetivos organizacionales esperados‚ÄĚ, dice. ‚ÄúAl aprovechar por completo los datos de series temporales capturados y utilizar de manera m√°s eficiente la experiencia operativa de los expertos en procesos, las empresas establecen una piedra angular para maximizar la mejora continua de la organizaci√≥n‚ÄĚ.A continuaci√≥n, se presentan dos ejemplos de estudios de caso proporcionados por TrendMiner que muestran c√≥mo se utiliza la tecnolog√≠a SSA para ayudar con los programas industriales de mejora continua.


Huntsman Corp.


Huntsman Corporation, un fabricante mundial de productos qu√≠micos especializados ha estado utilizando el an√°lisis de datos de series temporales como un aspecto clave de su transformaci√≥n digital.Petroysan se√Īala que los datos operativos de Hunstman se mantuvieron en silos, lo que se sum√≥ al desaf√≠o de la empresa de mejorar la excelencia operativa. Con SSA, Huntsman pudo superar este desaf√≠o.‚ÄúDurante a√Īos, una planta continua de isocianato de Huntsman hab√≠a estado recopilando y almacenando datos de an√°lisis de laboratorio creados fuera de l√≠nea y de procesos diarios en una base de datos hist√≥rica‚ÄĚ, explica Petroysan.

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

‚ÄúEn 2016, los equipos de la empresa utilizaron an√°lisis de autoservicio para construir sensores suaves basados ‚Äč‚Äčen las condiciones de operaci√≥n 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 especificaci√≥n en el producto final. Al ajustar las condiciones de presi√≥n de vac√≠o, se asegur√≥ la calidad del producto. Adem√°s, se instalaron monitores para enviar alertas tempranas a los operadores para que no carguen los camiones, evitando as√≠ que el material fuera de especificaci√≥n se env√≠e a un cliente‚ÄĚ.


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.


‚ÄúCon los camiones que se env√≠an los siete d√≠as de la semana, los sensores blandos eliminaron el 75 % de los costosos casos de transporte fuera de especificaci√≥n que ocurr√≠an los fines de semana‚ÄĚ, dice Petroysan. ‚ÄúComo resultado, se logr√≥ 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 informaci√≥n adicional sobre la calidad del producto tambi√©n redujo la demanda de recursos de laboratorio, ya que la cantidad de situaciones inciertas para este producto espec√≠fico 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 ‚Äúes la fibra m√°s fuerte del mundo‚ÄĚ.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 hab√≠a fijado el objetivo de aumentar la cantidad de proyectos Six Sigma, con una duraci√≥n 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


‚ÄúAl asignar las funcionalidades de an√°lisis industrial de autoservicio a las diferentes fases del ciclo DMAIC, qued√≥ claro que la herramienta podr√≠a aplicarse a la mayor√≠a de las fases y reducir considerablemente el tiempo necesario para completar cada fase‚ÄĚ, dice Petroysan. ‚ÄúEn un primer caso de prueba, las fases de definici√≥n y medici√≥n se completaron con an√°lisis industrial de autoservicio en dos tardes, en lugar de dos semanas‚ÄĚ.