Las líneas generan grandes volúmenes de datos que no se aprovechan en el punto crítico: la intervención del operador.

Los micro-paros (pequeñas paradas imprevistas) penalizan significativamente el OEE, un solo operador por línea no puede gestionar eficazmente estos micro-paros.

Falta una herramienta de diagnóstico inmediato para reaccionar con la rapidez necesaria.

Este es un claro proyecto de predictivo.

EMI Suite dispone de todas las herramientas para resolver este reto (Fast Monitoring, Visual Tracking, Easy GMAO, Emily y EMI Pulse). Nos centraremos en anticipar paradas no planificadas mediante análisis predictivo de datos históricos para reducir el tiempo de inactividad (downtime).

Arquitectura de datos y captura

La base es construir un data lake (fast Monitoring): vibraciones, temperatura, consumo eléctrico, presión, ciclos, RPM, corrientes de motor. A esto se suman los datos históricos de GMAO (órdenes de trabajo, averías, repuestos) y los logs de paradas. La calidad del histórico es crítica: sin al menos 6-12 meses de datos etiquetados con modos de fallo, los modelos predictivos rinden poco.

Capa analítica por niveles de madurez

Lo recomendable es escalonar la sofisticación en Fast Monitoring.

• Nivel 1 — Detección por umbrales dinámicos: reglas estadísticas (control SPC, desviaciones sobre baseline móvil). Rápido de desplegar, gana confianza del operario.
• Nivel 2 — Detección de anomalías no supervisada: Isolation Forest, Autoencoders o One-Class SVM sobre ventanas temporales. Detecta comportamientos "raros" sin necesidad de etiquetas de fallo.
• Nivel 3 — Predicción de RUL (Remaining Useful Life): modelos supervisados (LSTM, Random Forest, XGBoost, o Survival Analysis) que estiman tiempo restante hasta fallo. Requieren histórico etiquetado.
• Nivel 4 — Análisis causal de microparos: clustering de eventos cortos (<5 min) para identificar patrones recurrentes que el operario suele pasar por alto pero que acumulan gran impacto en OEE.

Las alertas predictivas se canalizan vía Push Notifications (APNs/FCM) al técnico de mantenimiento responsable, con priorización según criticidad y RUL estimado. El módulo Andon recibe el evento predictivo antes de que se materialice la parada, y Emily puede contextualizar: "El motor M-204 muestra patrón de desgaste de rodamiento similar al fallo del 12/03. RUL estimado: 72-96h. ¿Quieres ver el histórico o generar OT?". El hilo de incidente vinculado en mensajería permite coordinar al equipo sin salir de la app.

EMI Suite dispone de todas las herramientas para resolver este reto (Fast Monitoring, Visual Tracking, Easy GMAO, Emily y EMI Pulse)