Macrodatos, análisis, Internet de las cosas… Son términos que escuchamos mucho en la actualidad, y señalan grandes cambios en el horizonte, especialmente para aquellos de nosotros que estamos involucrados en la industria del etanol. Y con todo lo que se dice acerca de cómo la Internet de las cosas impulsará la próxima revolución industrial, o cómo los macrodatos cambiarán los procesos de producción, algunos de nosotros en la industria podríamos sentir que no estamos listos para estos cambios.

Sin duda, así me sentí cuando oí estos términos por primera vez, pero cuando investigué lo que significaban, me di cuenta de que en su mayor parte, no son nada nuevo. Por ejemplo, tomemos los macrodatos: simplemente es un término para describir los grandes volúmenes de datos recopilados a diario, generalmente por las empresas. ¿Y el análisis? Es solo una manera elegante de describir lo que hacen las empresas con los datos: un buen análisis puede ayudar a las empresas a tomar mejores decisiones y a mejorar su funcionamiento. La planta de etanol promedio recopila grandes cantidades de datos diariamente en todos sus procesos; luego, los analiza para solucionar problemas y optimizar los procesos. Por lo tanto, los macrodatos y el análisis son cosas que ya hacemos.

Grandes volúmenes de datos

Para tener una idea del volumen de datos que recopilan y analizan las plantas de etanol cada día, pase el ratón por encima de los íconos del siguiente diagrama de flujo del proceso de producción de etanol. Y esto ni siquiera es el panorama completo de los grandes volúmenes de datos que recopila la mayoría de las plantas, ya que este diagrama simplificado no muestra todos los pasos del proceso, ni todos los conjuntos de datos que se recopilan en cada paso.

 

process-step-spanish

process-step-spanish

Obviamente, extraer y comprender todos estos datos no es algo que se pueda hacer sin algún tipo de sistema automatizado, por lo que los sistemas de control distribuido son un estándar en las plantas de etanol, como lo son en otros procesos de fabricación y plantas. En estos sistemas, todos los datos recopilados en todos los pasos del proceso mostrados anteriormente se ingresan en un equipo de supervisión central. Hasta aquí, todo bien. Sin embargo, cuando se tienen en cuenta los enormes volúmenes de datos que se ingresan continuamente en el equipo central, así como los datos que se ingresan en el laboratorio de la planta, se obtiene una idea de lo difícil que es identificar y comprender los datos importantes; datos que ayudarán a una planta a solucionar problemas y optimizar con eficacia.

Instantáneas en lugar del panorama general

Dado que la mayoría de las plantas simplemente no tienen el tiempo ni la capacidad de analizar y comprender todos los datos que capturan y registran, adoptan la mejor opción que sigue. Apuntan a analizar y comprender algunos de los datos a partir de muestras de datos, e intentan generar el «panorama completo» más exacto posible a partir de esas muestras. El problema con este enfoque es que las muestras proporcionan una instantánea de un lapso muy corto, y es realmente cuestión de suerte si realmente reflejan lo que está sucediendo continuamente. Para evitar parte de las conjeturas, las plantas toman tantas muestras como pueden, y toman decisiones basadas en los resultados promedio del conjunto de datos de las muestras. Todas las plantas de etanol han automatizado este proceso en cierta medida con computadoras que trazan gráficos con el tiempo para mostrar tendencias, pero aún no es un proceso óptimo.

Resolución de problemas y optimización

Tomemos la resolución de problemas de mal funcionamiento de los equipos como ejemplo: trabajar sin seguir las tendencias significa que la mayoría de las plantas descubre que hay un problema únicamente después de que el equipo se avería o, si tienen suerte, cuando está a punto de averiarse, lo que lleva a interrupciones y paradas costosas. Con un sistema que permitiera a las plantas «ver» y analizar los datos en tiempo real a medida que fluyen desde toda la planta, estos tipos de problemas se podrían detectar con mucha anticipación y evitarse. Otro ejemplo es la optimización a través de indicadores clave de rendimiento (KPI). La mayoría de las plantas usa algún tipo de sistema de calificación diario para medir sus KPI, y tengo experiencia personal sobre el valor de estos sistemas gracias al tiempo que me desempeñé como director de operaciones en una planta de más de 100 millones de galones/año en los Estados Unidos. La implementación de un sistema mejor ayudó a mi equipo a llevar una planta que ya era de alto desempeño al siguiente nivel. Pero mejorar estos sistemas requiere mucho tiempo y recursos, lo que significa que muchas plantas no se benefician de ellos tanto como podrían.

Seguimiento y análisis rápidos y en tiempo real

Y es aquí donde todos los comentarios sobre los macrodatos que escuchamos en la actualidad se vuelven relevantes para las plantas de etanol. Los macrodatos pueden no ser ninguna novedad para nosotros y otras plantas y procesos de fabricación, pero está ocurriendo una revolución en las herramientas disponibles para analizarlos en estos sectores. El software moderno de análisis de plantas en tiempo real identifica y sigue datos relacionados con sus KPI de manera rápida, en tiempo real y a lo largo de conjuntos de datos mucho más grandes. Los algoritmos transforman los enormes volúmenes de datos contenidos en los flujos de datos de planta/proceso continuos en análisis relevantes de datos críticos y visualizan estos datos en paneles de control para permitir una comprensión inmediata. Al permitir que las plantas vean y comprendan los patrones y significados de todo el flujo de datos en tiempo real, el software apoya la toma de decisiones rápidas y bien sustentadas. Las plantas pueden solucionar problemas de manera preventiva para evitarlos en lugar de reaccionar una vez que ocurren, y pueden reconocer los factores que impulsan su desempeño y desarrollar mejoras continuas de procesos en consecuencia.

En el próximo artículo de esta serie, mis colegas Laurie Duval y Rachel Burton, quienes también forman parte del equipo de servicio técnico de biocombustibles de Novozymes en América del Norte, darán ejemplos concretos de cómo el análisis avanzado puede ayudar a las plantas a aumentar los rendimientos y a optimizar la dosificación de enzimas. Y en el artículo final ofreceremos ideas sobre el potencial de la Internet industrial de las cosas para mejorar la eficiencia de la producción y facilitar la toma de decisiones mejores y más rápidas.

Print Friendly, PDF & Email

Frank Moore

Después de 35 años en los segmentos de procesamiento y desarrollo empresarial de la industria del etanol, ahora trabajo como consultor de planta de Novozymes aportando mi grano de arena para ayudar a nuestros clientes a alcanzar el siguiente nivel de eficiencia.