La optimización continua de las operaciones de fabricación en torno a conceptos como OEE y lean manufacturing puede parecer obsoleta en la era de la Industria 4.0, IoT e IA.

Pero la realidad es que las nuevas herramientas digitales actuales no han eliminado la necesidad de estos conceptos probados de mejora de la fabricación, pero sí los han hecho más fáciles de implementar y escalar para ofrecer resultados más procesables.

Tal y como indica el portal tecnológico automationworld.com, un buen ejemplo de esto es cómo Bayer Crop Science está escalando sus procesos OEE y lean a nivel mundial con la ayuda de las soluciones de Siemens Opcenter Intelligence e Insights Hub.

David Kaltmayer, director de sistemas y productos de fabricación de Bayer Crop Science, explicó que la idea detrás de este proyecto OEE fue la constatación de que “las capacidades digitales de lean manufacturing proporcionan una nueva forma de extraer una mejora continua de los procesos existentes ampliando las prácticas lean tradicionales. Esto permite que las operaciones de fabricación aceleren la entrega de resultados de valor añadido al lugar indicado, la cadena de suministro, el cliente y la empresa”.

Bloques de construcción del proyecto

Brandon Johnson de Engineering Industries eXcellence, la empresa de consultoría y servicios de TI que ayudó a Bayer Crop Science en este proyecto, señaló que esta planificación OEE comenzó con una fábrica de Bayer Crop Science en Constantine, Michigan, con la idea de implementarlo en todos los lugares de cultivos en hileras de la empresa.

Comenzó instalando Siemens Opcenter Intelligence (software de análisis de datos con capacidades OEE integradas) en las instalaciones del lugar. Como indica Johnson, "Todos los datos que necesitábamos estaban disponibles. Sólo teníamos que conectarlo a un servidor OPC, recopilar los datos y realizar los cálculos de OEE".

La estructura básica de las tecnologías utilizadas por Bayer Crop Sciences para este proyecto comienza con la recopilación de datos de los equipos y su conexión a un servidor OPC. Desde aquí, OPC Connector lee datos del servidor OPC y los inserta en Siemens Insights Hub.

A medida que los datos ingresan a Insights Hub, Opcenter Intelligence incorpora y almacena los datos de Insights Hub para calcular los KPI (indicadores clave de rendimiento). Las pantallas del operador de Bayer Crop Sciences muestran los KPI con datos de Opcenter Intelligence e Insights Hub a través sus API. En 2021, Bayer Crop Sciences implementó este proyecto en 36 lugares para obtener acceso en tiempo real a datos de más de 400 líneas de procesamiento.

Resultados obtenidos hasta la fecha

Este proyecto ha proporcionado a Bayer Crop Science un modelo de tiempo alineado globalmente y algoritmos KPI en los sitios donde se ha implementado con opciones de idioma localizado y paneles y análisis comunes, según Kaltmayer. También proporcionó un medio para una gestión de cambios enfocada y creó una "comunidad OEE" en la empresa centrada en el cumplimiento del plan de red de la compañía y la seguridad de fabricación, añadió. Kaltmayer describió cuatro resultados clave de este proyecto:

-Ayudó a Bayer Crop Science a comprender las fuentes de pérdidas dentro de los cuellos de botella, así como el tiempo de inactividad, la velocidad y las pérdidas de calidad. Un resultado de esto compartido por Kaltmayer incluyó 6.5 millones de euros en ahorros de embalaje en las operaciones de cultivos en hileras de la compañía en Brasil.

-Una mayor conciencia general sobre los cuellos de botella operativos y las ineficiencias de los equipos ha llevado a una orientación más específica de los esfuerzos de mejora de procesos.

-Establecer objetivos operativos alineados con OnePSS (sistema de suministro de productos) de Bayer Crop Science a través de KPI en tiempo real y agregación de datos.

-Facilitar el viaje de transformación digital de Bayer Crop Sciences garantizando el éxito de las decisiones basadas en datos, habilitando una fábrica virtual y aumentando el almacén de datos de Crop Science de la empresa.

Desafíos resueltos y en curso

Al igual que con cualquier implementación de nueva tecnología, ya sea local o entregada a través de SaaS, habrá problemas de proceso que resolver para lograr el éxito. Este proyecto de Bayer Crop Science no es una excepción a esta realidad.

Johnson señaló que el primer desafío que enfrentó tuvo que ver con la gestión de los requisitos y expectativas globales a medida que el software se implementaba en múltiples sitios. La solución, dijo, implicó que Bayer organizara reuniones globales de OEE con las partes interesadas en cada región junto con la capacitación continua de los usuarios avanzados para investigar los problemas antes de derivarlos al soporte.

Otro desafío giró en torno a la recuperación de datos cuando se pierde la conectividad entre el servidor OPC e Insights Hub. En estos casos, la pregunta fue: ¿Cómo se recuperan los datos generados durante ese tiempo para evitar lagunas en el registro OEE? Según Johnson, la solución a esto implicó agregar un punto de integración a un historiador local. Esto cerró cualquier brecha con Insights Hub y Opcenter Intelligence. Aunque estos dos desafíos se han resuelto, Johnson dijo que otros dos en los que se está trabajando actualmente incluyen:

-Retención de datos: los equipos están evaluando cuánto tiempo se deben conservar los datos históricos, qué datos se deben conservar y de qué modo deben ser los datos archivados.

-Ampliar la entrada de datos manual en sitios de baja automatización. Aquí, Johnson señaló que el proyecto se implementó en Bayer Crop Sciences con una "fuerte automatización", pero todavía están trabajando para implementarlo en instalaciones consideradas sitios de "baja automatización".

Los planes de la compañía se centran ahora en expandir este proyecto a esos sitios de baja automatización, así como en revisar los paneles de control y las pantallas de interfaz de usuario más antiguos en todos estos lugares.