Mejora del rendimiento de la línea de producción

Subreto 1: ¿Cómo podríamos anticipar paradas no planificadas por averías o pequeñas paradas imprevistas durante la producción y optimizar el rendimiento operativo en tiempo real?  

 Las paradas no programadas por averías o ralentizaciones imprevistas (micro paros) penalizan el OEE. Necesitamos analizar las causas y anticipar fallos mecánicos o técnicos antes de que ocurran, traduciendo datos históricos en alertas predictivas para así reducir el tiempo de inactividad (downtime).  

Subreto 2: ¿Cómo podríamos detectar en tiempo real los cuellos de botella en producción y recomendar acciones al operador para maximizar el OEE con los activos existentes?  

Detectar cuellos de botella en tiempo real y generar recomendaciones automáticas que optimicen y maximicen nuestra capacidad de producción con los activos existentes. Buscamos un incremento % en el OEE (overall equipment effectiveness).  

La fábrica de Burgos dispone de una infraestructura de producción profundamente conectada, pionera en el grupo, donde cada máquina integrada en las líneas de producción genera y almacena grandes volúmenes de datos en bases históricas.

Actualmente, contamos con esta materia prima digital, pero el valor reside en nuestra capacidad para transformarla. Buscamos evolucionar de un modelo de gestión reactivo a uno proactivo con un objetivo claro: aumentar la producción y la eficiencia operativa (OEE) de la red de fabricación global de L'Oréal, aprovechando las tecnologías de vanguardia para exprimir al máximo los activos que ya tenemos, sin necesidad de adquirir nueva maquinaria.  

Actualmente, nuestras líneas de producción generan un alto volumen de datos que no están siendo activados en el "punto de dolor" real: la intervención del operador.

El rendimiento de las líneas de acondicionamiento se ve penalizado por micro-paros, que son difíciles de gestionar por un único operador por línea. La falta de una herramienta de diagnóstico inmediato impide que el personal de planta pueda reaccionar con la rapidez necesaria para evitar que estas pequeñas paradas impacten en el OEE global.  

Stack tecnológico y datos disponibles  

• Plataforma IOT. Gracias a ella la fábrica de Burgos cuenta con todos los datos del funcionamiento de la línea a analizar, interconectando las bases de datos IT del sistema MES y del gestor de rendimientos con los datos OT obtenidos de los PLC, autómatas y HMI de las máquinas que componen la línea.  

• Sistema MES. Provee datos sobre la orden de acondicionamiento (planificación, producto, lote, unidades a producir y características del producto que se acondicionará) y del gestor de rendimientos datos sobre la productividad de la línea (estado actual e histórico declarado por el operador, cadencia de la línea, tiempos en avería o cálculo acumulado de micro-paros)  

• Modelización estándar Pack-ML. Se obtienen datos de funcionamiento de cada una de las máquinas que componen la línea (estados, parada y motivo, cadencia individual, alarmas de funcionamiento, avisos de reaprovisionamiento, avisos de finalización de tareas).

  
  
Con la unión de todos estos datos y una correcta modelización el sistema es capaz de exportar esta información de forma modelizada para que un algoritmo sea capaz de identificar causas raíz de estas pequeñas paradas, hacer que las máquinas individuales funcionen mejor interconectadas y que el operador pueda anticiparse a las necesidades de la línea de forma predictiva.  

La entidad seleccionada podrá desarrollar un caso de uso real con el acompañamiento del promotor del reto, accediendo además a financiación para el piloto, hasta 225.509,15 € (IVA incluido), a repartir entre las soluciones de los ocho retos. Se tendrá en cuenta la complejidad del desarrollo de la solución para la asignación de recursos.

El proceso incluye apoyo técnico y estratégico, mentorías adaptadas a las necesidades y seguimiento en la implementación. Además, las soluciones recibirán visibilidad a través de los canales del programa así como en eventos específicos como Demo Days.

Toda la información se encuentra detallada en las bases de la convocatoria de DesafIA Madrid. Accede a través de este link.