El sector automotriz es dinámico y sus requisitos son cada vez más exigentes. Para satisfacer estas demandas de mercado y competencias tecnológicas, los procesos productivos se vuelven más rigurosos y exigentes, tanto en términos de diseños y tolerancias de productos como en la implementación de nuevas tecnologías y métodos automatizados y robóticos para la fabricación. Además, se requiere una gestión eficiente, cumplimiento y adherencia en el cumplimiento de los procesos y la documentación necesarios para un control adecuado de la producción, con una mayor cantidad de información y datos masivos de la fábrica.
Esta situación desafiante implica una nueva estrategia de gestión en las plantas productivas. Es prácticamente imposible mantener una gestión adecuada de la factoría sin una evaluación continua y no discreta de los procesos de la empresa.
¿Qué diferencia existe entre los procesos continuos y discreto?
Los procesos de gestión discreta implican la recopilación de datos dentro de un intervalo de tiempo específico para su evaluación. Estos datos se seleccionan según la urgencia y la importancia del momento, con el fin de obtener información relevante para la toma de decisiones. En ocasiones, estos datos se obtienen tras ser recopilados de diversas fuentes y analizados previamente, lo que genera un tiempo de latencia para obtener el estado de los resultados. Esta evaluación, posterior al evento, puede conducir a decisiones en las que ya no se puede intervenir. Este enfoque discreto, basado en un intervalo de tiempo definido, está estrechamente ligado a la respuesta requerida, que solo incorpora una cantidad limitada de variables y datos dentro de ese marco temporal, lo que puede generar sesgos significativos en los resultados y, como consecuencia, decisiones erróneas. Esta restricción en la ventana de datos puede cambiar en la siguiente o posterior ventana o intervalo de tiempo analizado, lo que resulta en discrepancias entre varias ventanas o intervalos, lo que da lugar a un caos en la toma de decisiones, una situación que se debe evitar.
Los procesos de gestión continua se describen como la recopilación de datos en una ventana de tiempo continua, es decir, una evaluación constante de datos que se lleva a cabo sin límite de tiempo. Esta evaluación frecuente, que incluye una gran cantidad de variables y datos recopilados y resguardados, se integra y evalúa para proporcionar resultados más precisos sobre el comportamiento de los sistemas o procesos que se desea conocer mediante herramientas de Inteligencia Artificial. Este modelo de IA continua implica la implementación de nuevas metodologías para evaluar una gran cantidad de datos y así tomar decisiones más precisas. Tiene la ventaja competitiva de evaluar más información en tiempo continuo que solamente una ventana en el tiempo discreto.
De acuerdo con la experiencia de los expertos de Admexus en implementar Divirtualigente como estructura y metodología en tiempo real y continuo con IA, los resultados obtenidos han sido significativos. Una línea de producción automatizada con esta implementación no solo puede observar los resultados de OEE en tiempo real sin la necesidad de generar documentos en papel, sino también transparentar todos las variables visibles e invisibles para determinar una gestión continua y establecer modelos de pronósticos como: determinar un potencial y posible defecto del producto, tendencias en las tolerancias críticas, evaluaciones de habilidades por cada estación y máquina operativa, determinación de micro paros, posibles fallas de componentes, parámetros inadecuados en los ajustes de máquina, defectos de diseño y otros sucesos que se pueden visualizar o sacar a la luz antes de que se conviertan en problemas reales. Es decir, esta metodología tiene la capacidad de obtener una gran cantidad de datos y evaluarlos en modelos de inteligencia artificial para analizar el estado actual y pronosticar tendencias en todas las actividades de una estación de trabajo, línea de producción o dentro de la planta, y esto es lo interesante de Divirtualigente.
