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

Pesaje: una aplicación práctica del Internet Industrial de las Cosas

El Internet Industrial de las Cosas (IIoT) tiene tantas posibilidades que puede ser difícil saber por dónde empezar. Los procesos de producción cotidianos, como el pesaje, pueden ser un buen lugar para comenzar a demostrar el valor de la digitalización.

Morrisey, gerente de producto en Siemens.
Matt Morrissey, gerente de producto de Siemens

Las operaciones de pesaje son un buen lugar para comenzar con el IIoT porque constituyen una buena manera de comprender mejor la tecnolog√≠a,  dice gerente de producto de Siemens.

Es f√°cil sentirse abrumado por todas las tecnolog√≠as digitales y los procesos de manejo de datos relacionados con la Internet Industrial de las Cosas (IIoT), desde la transmisi√≥n de datos a la nube hasta la determinaci√≥n de los par√°metros de an√°lisis de datos y la creaci√≥n de aplicaciones para acceder a los datos. Por m√°s dif√≠cil que parezca, los proveedores de tecnolog√≠a se han centrado cada vez m√°s en simplificar estos procesos para permitir que las empresas de todos los tama√Īos se beneficien de la tecnolog√≠a.

Matt Morrissey, gerente de producto de Siemens, sugiere que las operaciones de pesaje son un buen lugar para comenzar con IIoT porque es una buena manera de comprender mejor la tecnolog√≠a y sus posibilidades, y obtener importantes ahorros a trav√©s de la identificaci√≥n de problemas y la mejora de procesos.

El pesaje es una aplicaci√≥n directa de IIoT porque el peso de los materiales utilizados en los procesos de producci√≥n se controla mediante celdas de carga: sensores mec√°nicos b√°sicos que se desv√≠an ante cambios en la masa y producen una se√Īal el√©ctrica proporcional al cambio en la deflexi√≥n. Un controlador o integrador recopila esta se√Īal el√©ctrica y la convierte en una variable de proceso, que puede ser utilizada por el sistema de control para monitorear o administrar el proceso.

"Si queremos analizar estos datos y compararlos con las condiciones ambientales u otras variables del proceso como el nivel o la presi√≥n", dice Morrissey, "entonces podr√≠amos poder correlacionar los datos para buscar oportunidades para refinar nuestro proceso u obtener una eficiencia en el camino", a√Īade.

Para proporcionar un ejemplo del mundo real de c√≥mo puede funcionar esto, Morrissey apunta a las b√°sculas o pesas de banda o cinta, que se utilizan en m√ļltiples industrias para pesar material mientras se transporta de un punto a otro. A Morrissey le gusta usar pesas de banda como ejemplo para an√°lisis de datos de IIoT complejos pero accesibles, ya que existen muchos factores que pueden afectar la precisi√≥n en el pesaje de banda. Por ejemplo, los efectos de la temperatura en la tensi√≥n de la correa o la densidad del material debido al contenido de humedad, por nombrar solo un par.

Para ilustrar su ejemplo de este posible escenario Morrissey nos sugiere que imaginemos que tenemos tres transportadores equipados con b√°scula de cinta o correa, cada una de las cuales mueve una tonelada de materia prima por hora a la planta. ‚ÄúEso significa que entran tres toneladas de materia prima por hora‚ÄĚ, dice. ‚ÄúEn el otro extremo de la l√≠nea los productos terminados que salen de su planta se componen de solo dos toneladas y media por hora de material. Si entran tres toneladas, ¬Ņno deber√≠an salir tres toneladas? ¬ŅD√≥nde desapareci√≥ esa otra media tonelada por hora? Morrissey se√Īala que este escenario es un problema de producci√≥n com√ļn para muchos fabricantes. Es bastante f√°cil monitorear regularmente las lecturas de la pesa o b√°scula de banda o correa, dice, pero resolver problemas de precisi√≥n externos a la pesa de correa no es tan simple.

‚ÄúPor supuesto, puede tomar las lecturas de la b√°scula de banda y exportarlas a una hoja de c√°lculo, conectarse a Internet y observar las tendencias clim√°ticas de la temperatura y de la lluvia durante el √ļltimo mes, registrar esos datos junto con las lecturas de la b√°scula de banda y luego registrar manualmente datos para buscar tendencias o impactos cuando la temperatura o la lluvia suben o bajan‚ÄĚ, dice Morrissey. "Pero este tipo de an√°lisis y extracci√≥n de datos puede llevar horas, dependiendo del nivel de detalle, y es posible que no sea posible obtener algunos de estos datos en funci√≥n del registro de datos disponible", agrega.

Para explicar cómo este tipo de análisis se maneja fácilmente con un enfoque IIoT, Morrissey dice que primero debe considerar que su báscula de cinta o banda está conectada a un integrador que está a su vez conectado a un controlador lógico programable (PLC). El PLC controla y supervisa toda la planta.

El PLC toma los puntos de datos de la banda, junto con las entradas de otros dispositivos relacionados con la producción, y los asigna a los bloques de datos. "Hasta ahora esta es una configuración bastante estándar en las industrias de procesos", dice. "Pero ahora puede tomar esa información en el PLC y conectarla a la nube", agrega.

Siemens ofrece el MindConnect IoT2040 y el MindConnect Nano para manejar este tipo de transmisi√≥n de datos de PLC a la nube. Morrissey se√Īala que ambos productos cuentan con seguridad integral para que no se pueda acceder a la informaci√≥n desde la web sin la validaci√≥n y el cifrado adecuados.

"Para nuestra aplicaci√≥n de ejemplo de b√°scula o pesa de banda, utilicemos MindConnect IoT2040 como nuestra soluci√≥n de acceso y conectemos nuestro PLC a trav√©s de Ethernet", dice. ‚ÄúAhora tenemos una forma de llevar nuestros datos a Internet, y desde all√≠ podemos recopilar y monitorear esos datos en Mindsphere (la plataforma de Siemens basada en la nube para recopilar y analizar datos).

Con los datos en la nube, el siguiente paso es crear una aplicación. "Al igual que las aplicaciones que usa todos los días en su teléfono o tableta para realizar funciones o actividades específicas, se puede crear una aplicación en Mindsphere para recopilar datos de tendencias o gráficos y proporcionar una representación visual de los mismos para identificar fácilmente problemas u oportunidades", dice Morrisey. "Nuestra aplicación en este ejemplo tomará los resultados de flujo, carga, velocidad y total de nuestra báscula de la banda y los comparará con la salida total de nuestro proceso terminado", agrega.

Al utilizar estos datos, afirma Morrissey, ahora es posible ver fácilmente si existe una relación entre el contenido de humedad de la materia prima o el cambio de temperatura en comparación con la precisión de nuestra escala de la banda en la entrada del proceso, en comparación con la salida. Al revisar estos parámetros será posible entender el porqué de la media tonelada faltante de material.

"Con Mindsphere, ahora se tiene un conjunto de herramientas que puede comparar el material entrante contra el saliente e integrar factores externos a su equipo (lluvia, temperatura, etc.), en un esfuerzo por arrojar algo de luz sobre la precisión y la eficiencia general de su proceso", dice Morrissey. “Todo esto se puede mostrar directamente desde los sensores y se puede ver en Mindsphere en línea. Y dado que estos datos ahora están en la nube, es posible acceder a ellos en cualquier parte del mundo, por lo que su infraestructura global ahora está con usted donde sea que esté y cuando la necesite ", concluye.

Pesas de cinta o banda de Siemens.Las pesas de cinta o banda de Siemens mostradas con el integrador de Siemens Milltronics BW500.