Las primeras computadoras se instalaron en una planta petroquímica y una central térmica en 1957, marcando el comienzo de la convergencia de la operación de planta y la informática. Si bien las primeras computadoras tuvieron algunos problemas en cuanto a robustez y tiempo real, tales problemas se resolvieron mejorando el hardware y el software. Poco tiempo después, las computadoras de proceso conquistaron la operación de planta allá por los años ’60. Y en los años ’70 hace su ingreso el microprocesador, que llevó al desarrollo del DCS para operación de planta, que luego se desparramó por toda la industria.

La inteligencia artificial (IA) también nació en los años ’50, pero recién logró una buena aceptación durante el segundo boom de IA allá por los años ’80. La investigación apuntaba a sistemas expertos, con fuertes intentos de introducir IA en la operación de planta. Pero las computadoras de esa época eran demasiado primitivas en términos de cálculo, capacidad de memoria y transmisión.

Por su parte, los algoritmos eran embrionarios y sólo servían en aplicaciones restringidas. Al no obtenerse resultados satisfactorios, comenzó el así llamado ‘invierno de IA’ a fines de los años ’80 y que duró bastante tiempo.

Gracias al desarrollo de las tecnologías de Big Data y aprendizaje profundo, en 2010 se inicia el tercer boom de IA. En marzo de 2016, AlphaGo, un programa de computadora escrito para jugar Go, vence al mejor jugador humano del mundo, captando la atención de todos. Este rápido desarrollo se logró gracias al progreso de hardware y algoritmos.

La escala de integración de semiconductores se fue acelerando de acuerdo con la Ley de Moore, mientras los precios iban disminuyendo constantemente.

 

Productos de Yokogawa habilitados para inteligencia artificial. Incluyen registradores sin papel SMARTDAC+ y software de recolección de datos, junto a la plataforma de computación de borde e-RT3 Plus. El uso de IA permite detectar problemas en una etapa temprana y mejorar la productividad.

 

Los dispositivos de almacenamiento también se volvían más accesibles. Hace 35 años, los discos duros costaban 90.000 dólares por gigabyte, pero hoy en día el precio unitario se desplomó a sólo 0,02 dólares, lo que se traduce en la capacidad de almacenar enormes volúmenes de datos.

Las velocidades de procesamiento de la CPU también mejoraron considerablemente: el iPhone de hoy en día es al menos 1.000 veces más rápido que la supercomputadora Cray-2 de 1985.

Por su parte, los algoritmos se volvieron más sofisticados, incluso más rápido que el hardware.

Gracias a todos estos avances y mejoras, los algoritmos pueden manejar ahora tareas previamente inabordables aun cuando la estructura básica haya cambiado poco en muchos años. Hoy en día, la capacidad de IA supera a la de los seres humanos en algunas áreas.

En operación de planta, Big Data e IA despertaron un gran interés. En este campo se han logrado resultados impresionantes, que incluyen reconocimiento de imágenes para inspección visual de productos, diagnóstico para determinar el estado, diagnóstico de tendencias para detectar signos de anormalidad y predicción de variables de calidad que no se pueden medir online.

Inicialmente, la informática se usaba en un lazo abierto que sólo mostraba los resultados a los operadores humanos, pero ahora se la usa cada vez más en lazo cerrado. La informática en operación de planta ha ingresado en una nueva fase.

Pero a medida que el uso de IA se iba expandiendo en muchas áreas, surgieron algunos desafíos.

El primero es un problema inherente a IA: la ausencia de explicación. En segmentación y análisis de regresión, IA primero aprende las variables explicativas y también las variables objetivo como datos de entrenamiento y crea un modelo. Cuando se dan nuevos datos (variables explicativas), IA utiliza este modelo para retornar las correspondientes variables objetivo. Por lo general, IA no explica cómo llegó a esta conclusión. Por supuesto que no se necesitan razones detalladas, pero normalmente los operadores humanos no aceptan una respuesta si no están convencidos.

Esto es muy válido en cuanto a operación de planta. Incluso si IA recomienda la operación óptima, los operadores humanos no siguen ciegamente la recomendación a menos que se la presente con razones claras. Los investigadores de IA tomaron muy en serio este aspecto y están trabajando en una IA explicable, pero faltan todavía resultados satisfactorios.

El segundo desafío es la escasez de datos. Si bien parecería que hay grandes cantidades de datos operativos que se acumulan y están disponibles en una planta, la realidad es que las plantas de proceso operan en estado estacionario y los datos operativos fluctúan dentro de un rango angosto, de modo que los datos almacenados no siempre reflejan las distintas condiciones de operación.

Las muestras de entrenamiento correspondientes a situaciones anormales son esenciales a la hora de construir un sistema de detección y diagnóstico de fallas pero todavía no están disponibles. Más aún, algunas variables importantes rara vez se miden ya que la mayoría de las variables medidas son para control, no para mantenimiento. Además, muchos datos, tales como los relacionados con la calidad de producto, son muestreados por los operadores humanos durante un número limitado de chequeos. En consecuencia, los datos clave son sorprendentemente escasos.

Una solución es utilizar modelos físicos y simuladores, que pueden generar datos incluso en dominios donde no se habían obtenido datos, lo que permite la implementación de los métodos ya existentes de IA.

Otra solución es recurrir a la tecnología IA. Hoy en día, el modelado con datos escasos y el aprendizaje de transferencia están siendo activamente estudiados para superar la escasez de datos.

  El tercer desafío es cómo asegurarse de disponer de gente experta. Incluso los especialistas en informática no pueden hacer un uso completo de los datos a menos que tengan un amplio conocimiento de ingeniería. Sólo se podrán obtener resultados útiles cuando aquellos familiarizados con el proceso puedan aprender acerca de IA y recién entonces abordar los problemas reales. En unas primeras etapas, aquellos que conocen bien la planta podrán distinguir entre lo que se puede y lo que no se puede hacer, para encarar luego el proceso.

Si bien han pasado casi 60 años desde el momento en que la operación de planta y la informática comenzaron a mezclarse, fue difícil combinar informática (IT) y tecnología operativa (OT), ya que han evolucionado de manera independiente. Gracias al desarrollo de IIoT, ahora es más fácil reunir ambas tecnologías para conformar sistemas ciberfísicos (CPS). El rol de la informática será cada vez más importante a medida que avance IA.

Basada en IIoT, la transformación digital irrumpirá en la operación de planta. Resolver los tres desafíos ya mencionados será indispensable para concretar esta transformación.

A medida que se amplíe el uso de IA e IIoT en operación de planta, el rol de los operadores humanos irá cambiando. No se convertirán en redundantes; por el contrario, se volverán aún más necesarios. Por lo tanto, será clave desarrollar recursos humanos con amplios conocimientos y habilidades tanto en operación de planta como en informática para abrir el camino hacia una nueva era y resolver los distintos desafíos.

 

Preparado en base a una presentación de Yoshiyuki Yamashita, profesor de la Escuela de Graduados de Ingeniería de la Universidad de Tokyo.

Transformación digital: ¿De arriba hacia abajo o de abajo hacia arriba?

 

La transformación digital (DX para abreviar) es un tema muy candente hoy en día. En términos generales, se la puede definir como la práctica de aplicar nuevas tecnologías digitales en pos de lograr mejoras de negocio, tales como transformar o automatizar procesos de trabajo con tecnología, por ejemplo robots y dispositivos conectados móviles, utilizar analítica para promover mejores decisiones o recurrir a inteligencia artificial tratando de reemplazar interacciones humanas.

DX puede beneficiar prácticamente cualquier proceso de negocio, desde prácticas de contratación hasta investigación de mercado, y también decisiones de planificación y programación.

En manufactura, la aplicación más importante de DX está en mejorar la operación núcleo del negocio: el proceso de manufactura real. Muchos tienen programas DX enfocados en las métricas de producción de planta, tales como seguridad, rentabilidad del producto, calidad, confiabilidad de planta y sustentabilidad. Teniendo en cuenta que los ingresos de estas empresas provienen de lo que producen, se justifica plenamente tener este criterio.

De modo que, si bien el propósito de DX es simple, hay preguntas inquietantes que pueden bloquear este tipo de iniciativa. ¿Dónde empezar? ¿Cómo saber si se está teniendo éxito? ¿Quién debería ser el responsable? Es aquí donde aparecen dos enfoques diferentes a la hora de encarar la transformación digital.

 

De arriba hacia abajo

Al hablar de tecnologías digitales en red, las empresas suelen pensar en el departamento de informática para liderar los programas de DX, algunas veces con la ayuda de los departamentos de ingeniería e investigación y desarrollo. Toda esa gente se encargará de buscar y probar soluciones o arquitecturas aplicables, con la expectativa de conseguir resultados de negocio positivos a partir de las funciones que utilizan las tecnologías seleccionadas.

Las empresas suelen apuntar a iniciativas como tecnologías de nube, analítica o implementación estandarizada de alguna otra infraestructura digital mientras se aseguran que seguirán las prácticas de ciberseguridad en toda la empresa. Dentro de este contexto, en los últimos años han aparecido plataformas de software de ‘analítica de empresa’ o ‘IoT de empresa’.

Es posible que las empresas tengan una idea amplia de las aplicaciones que implementan, pero no siempre conocen los casos específicos de utilización. Esto es lo que se denomina concepto ‘de arriba hacia abajo’.

 

De abajo hacia arriba

Está claro que lo principal es la unidad operativa, o sea la planta de manufactura. Es allí donde realmente está la acción. Estas instalaciones suelen ser la fuente de valor de una empresa y tienen su propia gestión, presupuesto y prioridades.

Para cumplir con los objetivos, el departamento de operaciones de una planta a cargo de los proyectos de transformación digital suele tomar decisiones acerca de inversiones y asignación de recursos en base estrictamente a los objetivos del sitio, tales como seguridad de personal, salud de equipos, tiempo de producción, productividad y contención de costos.

Nadie conoce mejor si un nuevo proceso de trabajo o un cambio en la producción resulta práctico y cuál será el impacto real en el negocio que el personal de operaciones de estas instalaciones. También conocen cuáles son los problemas inmediatos que convendría resolver e iniciar ellos mismos proyectos DX para resolverlos. Esto es lo que se denomina concepto ‘de abajo hacia arriba’.

 

Mezcla de enfoques para DX

Entonces, ¿cuál es el enfoque que produce los mejores resultados? Ha adivinado… la respuesta pasa por una combinación de los dos conceptos ya mencionados.

La gente a nivel de instalación se mueve rápido. Puede cuantificar fácilmente el retorno de la inversión de un proyecto DX, ya que conoce su impacto en el negocio y cómo vincularlo con los sistemas digitales específicos a la instalación. También tiene la experticia de dominio para responder a los problemas de manufactura, ya que conocen en detalle cómo trabajan sus equipos y procesos, algo que los científicos de datos y los gurús de la tecnología DX no necesariamente tienen que conocer.

A medida que se incorporan nuevas tecnologías digitales, es importante asegurarse de que los operadores de una instalación están dispuestos a cambiar y adoptar las nuevas herramientas digitales o prácticas de trabajo que aporta el proyecto DX.

Se pueden tener todas las mejoras tecnológicas posibles a su alcance, pero no pasa nada a menos que la gente de la instalación quiera implementar la ‘nueva manera digital’.

Sin embargo, a nivel de instalación, es probable que no se sepa cómo reproducir un programa digital exitoso de una planta en múltiples plantas o encontrar usos a nivel de empresa para sus datos, y es casi seguro que no tienen los fondos para hacerlo. Además, muchas veces no se sienten tan confortables con las tecnologías avanzadas, tales como las que servirían para mover datos desde sus propias instalaciones a la nube.

El gran riesgo es que haya un conjunto de soluciones específicas a una instalación con altos costos de soporte que el resto de la organización no pueda aprovechar.

Los programas liderados por la empresa normalmente prestan gran atención a una amplia aplicabilidad y estandarización de una arquitectura o solución. Las organizaciones informáticas responden ofreciendo datos ampliamente disponibles y reutilizables. Pero a veces no conocen los tipos de datos y conexiones específicos que se necesitan para una determinada aplicación, lo que puede generar ‘lagunas de datos’ que son difíciles de usar. Carecen de la necesaria experticia de dominio, lo que puede llevar a una pérdida de funcionalidades críticas o entrega de aplicaciones sin resultados. Y sin un trabajo duro para lograr la aceptación de los proyectos a nivel de personal de las instalaciones, se corre el riesgo de que todo sea en vano si nadie lo implementa o ‘cierra el lazo’.

Según Peter Zornio, la transformación digital sólo sirve si hay una fuerte conexión entre los equipos digitales de una empresa para impulsar la visión y las operaciones de planta a nivel de campo en pos de resolver problemas específicos y mensurables.

Una de las mejores formas de conseguirlo es establecer un equipo DX encargado de reunir a los responsables en informática, tecnología operativa (OT), ingeniería y negocio a nivel de empresa y de planta con el fin de priorizar los problemas que quieran resolver y luego implementar proyectos piloto. Es importante encontrar personas en las instalaciones capaces de liderar estos proyectos y compartir sus experiencias con otras instalaciones.

El secreto está en descubrir cómo escalar esas soluciones en la empresa y evitar un ‘purgatorio piloto’. Si no se hace, ambos grupos quizás tengan ilusiones de progreso cuando en realidad, tan sólo se están generando más silos con soluciones de implementación limitada.

Es por eso que lo importante es combinar el conocimiento de negocio y operaciones del personal de planta con los conocimientos tecnológicos y de soporte a nivel informático e ingeniería para conformar un equipo sólido destinado a lograr la transformación digital.

 

Preparado en base a una charla con Peter Zornio, CTO de Emerson Automation Solutions.

Vivimos en la era digital, pero ¿qué es la transformación digital? y ¿estamos listos para abordarla?

 

La digitalización de la vida afecta nuestro comportamiento de todos los días. Por ejemplo, los bots de atención al cliente hacen que el servicio sea más rápido y más eficiente. La inteligencia artificial ha avanzado tanto que un bot puede resolver por sí mismo muchos problemas.

Además, teniendo en cuenta que la inteligencia artificial siempre aprende, cada vez puede manejar más situaciones. No es perfecta, pero hasta ahora es útil en el servicio al cliente.

Por supuesto, es preocupante que las personas pierdan empleos a causa de estas máquinas, pero no es nuevo. Ha estado ocurriendo desde el comienzo de la Era Industrial. Pero, al mismo tiempo, estas máquinas van creando nuevos trabajos, que claramente necesitan más habilidades pero que permiten ganar más dinero que antes.

La transformación digital está en auge en todas las industrias y está claro que las ventajas que aporta en las aplicaciones industriales superan las desventajas. Sin embargo, cada vez que aparece una nueva tendencia, mucha gente se pregunta si está lista para abordarla. Veamos el contexto…

 

¿Qué es la transformación digital?

Es difícil encontrar una respuesta sencilla a esta pregunta ya que la transformación digital puede significar muchas cosas diferentes. Quizás convenga definirla como "el proceso de agregar tecnología digital a una aplicación para mejorar su operación y sumar valor". Sí, quizás parezca todavía un poco difícil, pero veamos un ejemplo.

Para chequear un dispositivo de campo, hay que ir al campo y conectar un comunicador de campo al dispositivo para averiguar qué está pasando. Si dispone de una tecnología digital que soporte monitoreo de salud, podrá tener todos esos datos en su mano.

Ahora bien, conectando el campo a la nube usando un dispositivo de borde, es posible conseguir directamente todos esos datos y acceder a los datos del dispositivo de campo sin necesidad de ir al campo. Es muy diferente, ¿no es cierto?

 

Digitización, digitalización y transformación digital

  • Digitización – Es el proceso de convertir información no digital, por ejemplo texto, sonido, señales, etc., en código binario. Puede cambiar una señal analógica a digital utilizando alguno de los protocolos disponibles en el mercado. Este proceso también se puede describir como digitalización.
  • Digitalización – Es la adopción de la tecnología digital para mejorar un modelo de negocio. Aporta beneficios al usuario final con datos relevantes del proceso en tiempo real.
  • Transformación digital – Se refiere al uso de tecnologías digitales para modificar procesos en la cadena de valor de una organización. También se conoce como DT o DX.

 

¿Qué es la transformación digital?
Desde el campo hasta Netilion Services de Endress+Hauser.

 

¿Cómo se ingresa a una transformación digital?

La respuesta a esta pregunta es fácil: comience con poco. Una de las características más importante de las soluciones digitales es su escalabilidad.

Un servicio digital como Netilion permite comenzar de a poco y luego ir escalando. Por ejemplo, con Netilion Analytics, se puede probar el servicio de forma gratuita en hasta 15 dispositivos. Una vez comprobado cómo funciona el servicio, puede escalarlo desde una configuración fuera de línea a una versión digital utilizando dispositivos de borde. La versión Plus de Netilion Analytics puede operar con 400 activos en la nube.

 

Servicios de transformación digital

La transformación digital resuelve problemas usando soluciones basadas en la nube. A continuación se detallan algunas de las opciones SaaS (Solution-as-a-Service) para iniciar la transformación digital en una planta:

  • Netilion Analytics – Registra, organiza y conecta dispositivos para obtener más control sobre un proceso.
  • Netilion Health – Chequea el estado de dispositivos de campo conectados a la nube a través de dispositivos de borde. También puede acceder a diagnósticos históricos, remedios y acciones.
  • Netilion Library – Almacena información de dispositivos de campo, tales como manuales, certificaciones, reportes e imágenes.
  • Netilion Smart Systems – Permite usar estas soluciones compactas para ver datos donde sea que se encuentren.
  • Netilion Connect – API (Application Progra­mmable Interface) que integra datos de un ecosistema Netilion en otra solución.

4 tecnologías que liderarán la transformación digital en la industria de manufactura

 

Estamos viviendo una época muy emocionante. La tecnología está cambiando y evolucionando casi más rápido de lo que podemos seguirla, y se hace presente en casi todos los aspectos de la vida. En manufactura, son cuatro las tecnologías principales que nos van llevando a la era digital.

 

1 - Comunicación 5G

Casi todos tenemos datos wireless 4G o 4G LTE en nuestros teléfonos y otros dispositivos inteligentes. Para la mayoría de las aplicaciones personales, esta Internet wireless es suficientemente rápida, pero esto no impide que las empresas wireless intenten ampliar aún más el alcance.

La tecnología 5G está cada vez más cerca y significa carga y transmisión más rápidas en teléfonos inteligentes, además de tener aplicaciones aún más estimulantes en la industria de manufactura.

Cuando esté lista, esta tecnología se convertirá en la clave de la revolución de IIoT. Cabe señalar que IoT se basa en dispositivos conectados y apunta a aumentar la eficiencia operativa en todos los ámbitos. La introducción de la tecnología wireless 5G eliminará la necesidad de tener esos dispositivos conectados mediante el uso de cables Ethernet. Una vez conectada, la comunicación 5G podrá mantener los equipos funcionando sin problemas, monitorear el estado de cada máquina y alertar al operador si se detecta un problema, muchas veces antes de que se convierta en un problema real.

Esta tecnología también tendrá aplicaciones en los campos de robótica y realidad aumentada.

 

2 - Visión artificial

Por lo general, no se espera que las máquinas tengan visión, pero un nuevo software quizás pueda modificar este concepto. La visión de máquina o artificial es un término relativamente nuevo en la industria de manufactura, aun cuando el concepto existiera desde principios de los años 80. En esencia, esta tecnología utiliza hardware y software basado en imágenes para su aplicación en inspecciones automáticas, procesamiento y control. También se puede aplicar en robótica, donde permitirá que las máquinas se guíen por sí mismas.

A medida que avance esta tecnología, las aplicaciones de visión artificial irán creciendo. En las industrias que utilizan robótica, tales como manufactura, aeroespacial y automotriz, por nombrar sólo algunas, la visión artificial podría reducir o eliminar la necesidad de supervisión humana. De esta forma, las máquinas podrán inspeccionarse e incluso mantenerse o repararse por sí mismas sin necesidad de intervención humana.

 

3 - Analítica de datos

Las industrias modernas generan una gran cantidad de datos, desde información de ventas hasta datos demográficos de clientes e intervalos de reparación de equipos. Suele llevar mucho tiempo clasificar toda esta información, por lo que muchas empresas recurren a analítica de datos.

Configurando un servidor programado con software de machine learning, las empresas pueden clasificar las enormes cantidades de datos que recolectan diariamente. Encontrar patrones en estos datos sirve para predecir las reparaciones necesarias, cambios en las ventas y otras variables que pueden optimizar la eficiencia, mejorar el uso de energía e incluso minimizar las paradas.

La analítica de datos requiere una gran inversión. Significa comprar nuevo hardware para manejar el software analítico y quizás sea necesaria la asistencia de un profesional para aprender cómo usarlo de manera eficiente. Sin embargo, una vez instalado el sistema, será posible aprovechar al máximo la información que ya se recolecta.

 

4 - Tecnologías M2M

Las máquinas en la industria de manufactura del pasado requerían supervisión humana para que funcionen correctamente. Si las máquinas pudieran comunicarse una con otra, quizás pueda quedar eliminada la necesidad de esa supervisión.

Es allí donde entra en juego el monitoreo remoto M2M (machine-to-machine). Esta tecnología permite que los equipos se monitoreen a sí mismos y a otras piezas similares en forma remota, lo que ofrece una gran variedad de aplicaciones potenciales.

La tecnología M2M puede rastrear activos e inventario mediante el uso de tags Wi-Fi o RFID. Los tags de los equipos permiten seguir sus movimientos en tiempo real, lo que facilita el seguimiento de equipos costosos o definir cuándo realizar compras para mantener su inventario disponible. Si están programados correctamente, estos sistemas incluso podrán preparar pedidos, en base a parámetros predeterminados, cuando los niveles disponibles bajen demasiado.

 

Conclusión

La mayoría de estas tecnologías están todavía en su infancia, pero seguirán con su desarrollo en los próximos años, reformulando claramente la industria de manufactura.

Cómo sacar el mayor provecho de la transformación digital en refinerías

 

Está claro que hay un problema de falta de personal en las refinerías petroleras. Para mantener la competitividad en una industria que tanto depende de la tecnología, los refinadores entienden la necesidad de transformar sus operaciones implementando una variedad de innovaciones digitales. Eso no representa un gran problema; la dificultad yace en cómo integrar esos cambios en el ambiente de trabajo, considerando el impacto que pueden tener en su organización a largo plazo.

Puede parecer intrincado, pero para trazar el camino hacia una performanceTop Cuartil es necesario acoplar la tecnología con las estrategias de personal en los objetivos de la organización. Para ello, es crucial llevar experiencia al ambiente de trabajo y optimizar sus actividades, posibilitando el acceso a información en tiempo real.

 

El problema de falta de personal

Aunque buena parte de los puestos que requieren menos habilidades son reemplazados por avances en automatización, se registra una gran demanda de trabajo calificado en el sector refinador. Hay 2,4 millones de posiciones vacantes por la falta de habilidades en el mercado de trabajo de la industria manufacturera de Estados Unidos, según un estudio realizado por Deloitte y Manufacturing Institute en noviembre de 2018.

Una generación de expertos se retira y las tareas a realizar, relegadas por la automatización, se vuelven cada vez más complejas. Los refinadores demandan personal con experiencia en computación y programación y, especialmente, que posean un pensamiento crítico para resolver problemas con conocimiento de refinería. 

Sin embargo, la falta de habilidades en el personal no puede explicarse sólo por la cantidad de trabajadores que ingresan en la edad de retiro. Hay un gran obstáculo de tiempo: se requiere hasta siete años para que sus reemplazos logren hacer su trabajo de forma independiente y competente.

Muchos refinadores fallan en reconocer la importancia de que sus métodos de entrenamiento y procedimientos en las tareas evolucionen a la par de la tecnología. Invertir en preparación y en el personal se recompensa al obtener mayores beneficios de las nuevas tecnologías. Si no fuera así, podría perderse la oportunidad de maximizar el valor invertido en automatización.

 

Gestión de cambios

La renovación puede ser dificultosa en una industria como la refinería, que se ha apoyado en los mismos procesos de trabajo durante décadas. Un cambio en la gestión es un gran obstáculo en el camino hacia la transformación digital, pero es un aspecto crucial para lograrla.

Si bien es fácil para la gestión decretar una nueva normativa, implementarla correctamente en todos los niveles de la organización suele encontrar resistencia. Es un panorama difuso en el que hay que tener en cuenta los factores psicológicos, entre otros. Esto podría mejorar cuando la nueva generación de nativos digitales ingrese en el entorno de trabajo, pero es un problema inminente.

Otro problema más en la industria es atraer a los líderes del futuro. Los aspirantes, aunque bien preparados, no suelen ver a la refinería como una carrera gratificante. Sin embargo, puede serlo al volcar sus habilidades de ingeniería y programación en un trabajo pujante.

Es importante que la industria cambie su reputación de ambiente anticuado y promueva efectivamente sus emocionantes aspectos de alta tecnología.

 

El camino a seguir

Un análisis de las industrias con una performance Top Cuartil realizado por Emerson, detectó las capacidades que se necesitan para ayudar a los trabajadores a lograr la transformación digital:

  • Automatizar los flujos de trabajo eliminando las tareas repetitivas y racionalizando operaciones de rutina;
  • Mejorar el soporte de las decisiones en base a datos estadísticos y experticia existente;
  • Aumentar la movilidad garantizando un acceso seguro a información y experticia en el momento que sea necesario en las actividades que desarrollan;
  • Implementar gestión de cambios acelerando la adopción de las mejores prácticas operacionales;
  • Preparar al personal promoviendo la adquisición de conocimiento y experiencia en menos tiempo.

Para poner en marcha estas mejores prácticas, es importante identificar qué conocimientos necesitan reforzarse y formular un plan detallado para habilitar un entorno de trabajo digital. Esto se consigue permitiéndole al personal acceder a los conocimientos necesarios para tomar mejores decisiones a partir de los datos obtenidos.

Entrenar y brindar experiencia práctica a los aspirantes es tan importante como el cambio en la gestión. Por un lado, es preciso que los trabajadores tengan experiencia de primera mano con versiones a escala de procesos reales y simulaciones de planta, lo que fomenta sus habilidades para resolver problemas en condiciones de seguridad.

Por el otro, el cambio en la gestión debe lograrse con estrategias, herramientas y expertos, todo lo cual capacita a la hora de redefinir e implementar nuevos procedimientos basados en la importancia de los activos de una refinería.

Es un cambio cultural que debe promoverse desde la industria. El sector manufacturero y los proveedores de tecnología deben comprometerse con institutos de educación superior. Será redituable, ya que creará una inyección de trabajadores preparados que hará crecer la industria.

El proceso de transformación digital no puede entenderse por partes. Es un largo proceso que debe ser acompañado desde las organizaciones. Estamos atravesando un cambio que requiere que todos los niveles en la industria se capaciten para trabajar con más eficiencia. Es un cambio cultural grande, pero la digitalización ya llegó, y está esperando que saquemos su mayor provecho.

 

Preparado por Luciano Carugo en base a una presentación de Peter Zornio, CTO de Emerson Automation Solutions.

Las plantas que han tenido éxito en la transformación digital no han seguido el camino que pensaron en un primer momento. Lo han logrado mejorándolo…

 

Un posible falso comienzo

Se considera que un proceso de transformación digital debería comenzar a dar resultados dentro de los tres primeros meses; caso contrario, quedará trabado. Al respecto, cabe señalar que la implementación de una ‘plataforma de software’ adicional por sobre un historizador y sistema ERP podría tardar años y, por lo tanto, también llevaría años ver los resultados de la inversión. En consecuencia, colocar una plataforma o ‘lago de datos’ por sobre otras no sirve demasiado.

No deje que la transformación digital (Industrie 4.0) se convierta en otra capa de ‘plataforma de software’ por sobre las demás capas. Al respecto, las plantas exitosas usan su historizador existente como plataforma, simplemente extendiéndolo con una base de datos para datos de confiabilidad, tales como espectros de vibración, acerca del desempeño de los activos. Estas plantas pueden comenzar de inmediato, conectando digitalmente sensores en apps de software según necesidad para resolver los problemas de a uno por vez, con un rápido retorno de la inversión. Al respecto, utilizan una infraestructura común basada en estándares como WirelessHART, fieldbus Foun­da­tion y OPC-UA para albergar un amplio espectro de aplicaciones con una DOI (Digital Operational Infraestruc­ture) común.

Las soluciones de ahorro de energía tienen un efecto inmediato.

En cambio, las soluciones de confiabilidad comienzan pronosticando fallas de inmediato, pero quizás tarden en mostrar reducciones de costo y paradas a consecuencia de un menor número de fallas sorpresivas.

Las soluciones para el proceso de producción permiten conocer de inmediato la situación, pero puede pasar algún tiempo antes de que se reduzca el número de productos fuera de especificación, o que se vea claramente una reducción del costo de traslados y materia prima.

También insume tiempo ver el efecto de las soluciones de seguridad reduciendo la cantidad de incidentes.

Las soluciones en estos cuatro dominios conforman la columna vertebral de la transformación digital en cuanto a excelencia operativa y un desempeño de top cuartil. Muchas otras soluciones, tales como tablets y teléfonos inteligentes, drones y rastreadores, donde los ahorros son más difíciles de cuantificar, no deberían ocupar el centro de la tarea de digitalización.

Algunas plantas inician la transformación digital (Industrie 4.0) con los proyectos equivocados, donde la diferencia entre la anterior y la nueva forma de trabajar quizás no sea tan marcada. Por ejemplo, rastreadores, drones, tablets y teléfonos inteligentes no siempre son los mejores ejemplos de transformación digital, ya que todavía necesitan un ser humano para operarlos. Un humano debe controlar el rastreador o el dron. Un humano debe portar el tablet o teléfono inteligente, inspeccionar y tipear datos en el dispositivo, que sigue siendo manual y no completamente automático.

Hay soluciones de transformación digital que son completamente automáticas: usar un sensor permanente para automatizar la recolección de datos, la comunicación de datos digital y el software para interpretar automáticamente los datos. Es por esta razón que conviene poner los drones y los robots en la última parte de una hoja de ruta de la transformación digital.

Los dashboards y la Realidad Aumentada (AR) son displays para los humanos, conformando el último paso en la cadena datos-información-conocimiento-sabiduría. Antes de generar un dashboard o una superposición de AR, se requiere una analítica  adecuada para conseguir la información en el dashboard o en un dispositivo de realidad aumentada. Y antes de que pueda obtener una analítica confiable, necesita datos útiles. En consecuencia, las plantas deben comenzar con sensores. De lo contrario, los dashboards, desktops, tablets o teléfonos inteligentes no tendrán la información útil y confiable que el personal necesita para hacer mejor su trabajo y no servirán para nada.

Las plantas que han tenido éxito en su transformación digital comenzaron con sensores fieldbus o wireless conectados digitalmente a la red digital.

Algunos especialistas proponen "analizar 10 años de datos durante 3 meses para ver qué correlaciones se pueden encontrar y qué información se puede descubrir". Este criterio, que no involucra a los usuarios finales de una planta, tiene el riesgo de derivar la digitalización hacia problemas que no existen. En este caso, si una solución no resuelve un problema real y no consigue hacer más fácil el trabajo de las personas, no se utiliza, que modo que está la posibilidad de que las soluciones caigan en desuso y la transformación se detenga.

En cambio, las plantas que han tenido éxito en la transformación digital usan otro concepto. El personal de planta conoce cuáles son los problemas que lo aquejan: interrupciones, consumo de tiempo y recursos. En consecuencia, hay que comenzar por resolver estos problemas, lo que facilitará las tareas de las personas y garantizará el uso de las nuevas herramientas digitales.

 

Objetivo: Tener éxito en la transformación digital

 

Métricas de transformación digital

La transformación digital suele justificarse en base al retorno de la inversión, lo cual permite confirmar el éxito o no de la iniciativa. Se deben cotejar el ‘antes’ y el ‘después’ en ítems como costo de mantenimiento, paradas, costo de energía, incidentes, producción, etc.

Hay que dedicar tiempo para pensar en cómo medir y demostrar los ahorros y otras mejoras. ¿Hay disponible un costo de referencia u otras métricas obtenidos de la forma actual de operación?

La reducción del consumo de energía, gracias al monitoreo de trampas de vapor e intercambiadores de calor, es fácil de confirmar midiendo el consumo de servicios públicos por tonelada de producto producido o procesado para ver la diferencia real. De hecho, la misma medición del consumo de servicios públicos por área y por unidad para la gestión de energía ISO 50001 suele ser parte de la transformación digital.

La reducción de las pérdidas de material, como resultado del monitoreo de válvulas de alivio, es fácil de confirmar a partir del balance de masa entre materia prima y producto, o se la puede ver directamente como una reducción de la combustión de antorcha por tonelada de producto producido o procesado midiendo el caudal de gas de antorcha. 

Por su parte, la reducción del número de fallas sorpresivas en equipos a consecuencia del monitoreo de condiciones se puede ver a partir de los registros de mantenimiento. La posibilidad de evitar costos se puede estimar en base al menor número de incidentes y al costo normal de reparación. También se pueden rastrear las paradas no programadas y el costo asociado de esas paradas.

Los incidentes de seguridad se pueden rastrear utilizando los registros de HS&E (Salud, Seguridad y Medio Ambiente) en cuanto a monitoreo de válvulas, monitoreo de duchas de seguridad, detección de fugas, etc.

Por lo general, se suelen registrar métricas de producción, tales como cantidad de productos fuera de especificación, que sirven para demostrar una reducción.

Un menor costo operativo, por ejemplo en transporte, se puede ver a partir de los registros financieros.

En cambio, los resultados de desplegar tablets y teléfonos inteligentes con la infraestructura de soporte asociada podrían ser difíciles de medir.

 

Sostener la transformación digital

Obtener información acerca de los desafíos de una planta que se busca resolver a través de la transformación digital en todos los departamentos operativos es una buena práctica. Sin embargo, cabe recordar que, a la hora de formar un equipo digital ad-hoc temporario conformado con personal de distintos departamentos para un programa de transformación digital, con el tiempo ese personal tendrá que volver a su trabajo habitual. Sin embargo, no hay que olvidarse que la transformación digital es para siempre, por lo que la transformación digital necesita un responsable a largo plazo en cuanto a automatización y mejora continua.

 

La transformación digital no es un proyecto, es un estilo de vida.

 

 

Para llevar a cabo la iniciativa digital debe haber personal de I&C para la infraestructura operativa digital (DOI según sus siglas en inglés), que es la parte principal, y personal de informática para la parte correspondiente al sistema ERP.

El personal de I&C trabaja con departamentos operativos, tales como mantenimiento, confiabilidad, integridad, producción, calidad, HS&E, y proceso/energía, para impulsar proyectos de transformación digital en cada dominio.

Si el personal de planta no modifica sus maneras tradicionales de trabajar, es porque las nuevas herramientas digitales no le sirven. Si las nuevas herramientas digitales le sirven, las usarán y no aceptarán volver a lo anterior.

Las plantas que han tenido éxito en la transformación digital fueron desplegando herramientas que realmente sirven, son fáciles de usar y con poco esfuerzo. Por ejemplo, automatizar la recolección manual de datos mediante la implementación de sensores de modo que el personal no tenga que ir al campo con testers portátiles o leer medidores.

Una vez desplegados los sensores y mostrados los datos, o la información obtenida a partir de los datos, el personal ya no tendrá que salir a buscarlos. Al respecto, si los datos se muestran sólo en una sala de control, el problema no queda resuelto y esos datos no se utilizarán, trabando su adopción.

 

Objetivo: Tener éxito en la transformación digital

 

De manera similar, si se intenta realizar la analítica de equipos usando sólo datos de proceso existentes, no se podrán conseguir alertas tempranas y resultados confiables. El personal pronto desconfiará de la solución y volverá a su antigua manera de trabajar.

Por lo tanto, las plantas deberán recurrir a un sensado directo en los equipos para lograr una analítica más predictiva y confiable a fin de garantizar su uso continuado. Los ingenieros de planta sabrán cuáles son los sensores necesarios, que también se podrán encontrar en documentos como FMEA, árbol de fallas o matriz de fallas.

La transformación digital es una necesidad. Sin embargo, para que el cambio sea sustentable, es necesario que abarque todos los aspectos. No se puede agregar la carga de ingresar datos en una tablet en el piso de planta a un administrativo a fin de elaborar un dashboard. Los datos deben ser recolectados automáticamente de modo que no haya ingreso manual de datos y que beneficie tanto al personal administrativo como al personal del piso de planta.

El personal volverá a sus viejas costumbres si la solución no les sirve, y tal vez incluso se resigne si se convierte en una carga. Un software personalizado que no puede ofrecer todas las funciones requeridas y una interface amigable con el usuario por el alto costo de realizar iteraciones de cambios y agregados, puede llegar a ser algo muy frustrante.

Una analítica que da resultados impredecibles al no poder verificar el modelo elaborado con machine
learning
y no tener los sensores adecuados, se traduce en una solución sin éxito que hace que el personal regrese a sus antiguas maneras de trabajar. Si las herramientas no son útiles o son demasiado difíciles de usar, no se utilizarán.

En cambio, las plantas que han tenido éxito en la transformación digital usan un software predefinido con analítica basada en primeros principios (1P) sólidos y FMEA, y sensores directos.

 

Todos quieren la información, nadie quiere ingresar los datos.

 

La cultura de la transformación digital

La transformación digital comienza apuntando a excelencia operativa, lo que involucra a todos los departamentos operacionales de una planta. El resultado es un reporte con soluciones altamente procesables para los problemas reales de la planta. La mayoría de estas soluciones ya han sido probadas y testeadas en otras plantas similares, por lo que no implica largos períodos de desarrollo, testeo y prueba de conceptos. Las soluciones probadas pueden implementarse de inmediato y ver los retornos rápidamente. Luego, las soluciones podrán escalarse a través de la planta.

Incluso la infraestructura es escalable a nivel de unidad, área y a toda la planta y no se requiere una infraestructura masiva. Con unos pocos éxitos cuantificables, por ejemplo reducción de pérdidas de vapor y gases de antorcha del producto, se podrán implementar entonces aplicaciones en las cuales es más difícil cuantificar los beneficios. Pero siempre está la posibilidad de que aparezcan nuevas soluciones…

Aparte de destapar problemas que se pueden resolver a través de la transformación digital, también se le puede enseñar al personal a pensar de una nueva manera para resolver problemas. En el futuro, se podrá innovar con sensores y software como solución digital a la hora de encontrar problemas en las operaciones. Cuando el personal de la planta pueda pensar de esta manera digital, es cuando se sabe que su cultura ha cambiado.

 

Sin replicación de datos

Si la transformación digital se inicia embarcándose en la implementación de una ‘plataforma de software única’ o ‘lago de datos’, es posible que se tarde meses o años y millones de dólares antes de desplegar la primera solución de uso real para ver la diferencia. Hay un riesgo de que la transformación digital se detenga y quede abandonada antes de que se complete.

En cambio, las plantas que han tenido éxito en la transformación digital utilizan su historizador de proceso existente y lo amplían con un historizador de confiabilidad. De esta manera, los datos no se replican en lugares adicionales. Una arquitectura distribuida significa no tener que replicar datos provenientes de varias bases de datos de sistema en una base de datos central de una ‘plataforma de software única’, sino usar OPC-UA como ‘plataforma virtual’ para acceder a datos directamente desde cada base de datos fuente sin replicación. En definitiva, una moderna arquitectura de datos distribuida.

 

Objetivo: Tener éxito en la transformación digital

 

Superar la resistencia

Algunos proveedores proponen cambios en la infraestructura informática, tales como agregar otra ‘plataforma de software única’ por encima de ERP, lo cual puede resultar difícil ya que estas plataformas cuestan millones de dólares, se demoran años en implementarse y duplican la funcionalidad del historizador existente, sumando poca o ninguna funcionalidad nueva. Más aún, aumentaría el costo y la carga de soporte informático.

Puesto que la mayoría de las plantas ya tienen una plataforma de software y su historizador, en los cuales han invertido mucho dinero, no quieren tener que soportar otro más. Y teniendo en cuenta que un tal proyecto requiere mucho personal y bastante dinero, las plantas disponen de muy poco personal técnico y se enfrentan a exigencias imprevistas en los presupuestos.

Las plantas que han tenido éxito en la transformación digital usan su historizador existente como plataforma para evitar problemas en la infraestructura informática. De esta manera, las plantas también podrán evitar conflictos con los requerimientos de soporte ya existentes, utilizando lo que ya tienen para trasladar las soluciones digitales a producción con un acceso escalable a los datos desde toda la empresa.

 

Soluciones predefinidas sin programación personalizada

Esto quizás parezca contradictorio al principio, pero una vez que se lo analice, se podrá comprender la lógica: las soluciones personalizadas quizás dejen de servir. Cuando un integrador de sistemas escribe apps de software personalizadas, es algo nuevo y no probado, por lo que invariablemente habrá deficiencias de funcionalidad ya que el integrador y los usuarios de la planta no pueden pensar y especificar todas las características requeridas y deseadas de antemano.

En consecuencia, la planta gastará muchos meses, y tal vez años, programando y testeando múltiples versiones del software antes de llegar al adecuado. Se pueden esperar deficiencias en la exactitud de predicción analítica de un nuevo algoritmo o modelo al no estar perfeccionado, ya que se requieren pruebas en plantas reales y en distintas condiciones operativas para eliminar falsos positivos y no dejar de detectar problemas en desarrollo.

Por último, las deficiencias en la facilidad de uso suelen ser comunes en un software personalizado ya que, por no haber sido usado anteriormente, no hay realimentación de anteriores usuarios sobre el producto. Por lo tanto, lo personalizado no suele ser mejor que un software predefinido listo para usar.

 

Nadie intentará escribir un procesador propio de textos ‘mejor’, ya que un software predefinido es más económico, más fácil y con abundantes características.

 

Las plantas que han tenido éxito en la transformación digital utilizan un software predefinido con un registro de seguimiento probado. Perfeccionado a través del tiempo, con todas las funciones y un algoritmo ajustado e intuitivo. De esta manera, no hay necesidad de contratar programadores.

Cabe señalar que incluso sin una programación de software personalizada, es posible aplicar una metodología "ágil" en el desarrollo de soluciones de transformación digital, por ejemplo desplegar y testear otra app de analítica, agregar un sensor si es necesario, cambiar ajustes por defecto, etc. Es posible implementar una configuración básica temprano y luego ir mejorándola continuamente. Las opciones de configuración en el software ofrecen flexibilidad para responder rápidamente a pedidos de cambios.

 

Acceso a datos sin tropiezos

Las APIs (Application Program­ming Interfaces) propietarias y los servicios web asociados con una ‘plataforma de software única’ explican las razones por las que tales proyectos se frenan. Es necesario programar un driver personalizado para cada fuente de datos y cada app, y luego mantener ese driver de software con actualizaciones constantes durante la vida útil del sistema. No es una manera práctica de tener acceso a datos, ya que hay demasiada dependencia del integrador.

En cambio, las plantas que han tenido éxito en la transformación digital utilizan OPC-UA estándar para acceder a datos.

 

Datos correctos para la transformación digital

Otra razón para explicar la falta de éxito podría ser la dependencia de datos existentes sin haber incorporado los sensores necesarios para medir directamente los indicadores principales en las áreas problemáticas. No se pueden resolver problemas de los equipos utilizando tan sólo los datos de proceso que tiene una planta, ya que esos datos no son un indicador confiable de los problemas de los equipos.

Las plantas que han tenido éxito en la transformación digital usan sensado directo para obtener datos confiables. Gracias a la nueva manera digital de trabajar en una planta, con una metodología ágil de alto nivel para la resolución de problemas, los datos se enriquecen constantemente incorporando sensores para el sensado directo de las variables necesarias en cada aplicación. La manera más práctica de hacerlo es usar sensores conectados en red digitalmente, wireless o fieldbus, preferiblemente no intrusivos.

 

Facilidad de uso en la transformación digital

Según un informa de McKinsey de octubre de 2018, “el esfuerzo y la experticia requeridos para desarrollar modelos exactos de machine learning más la tarea de limpiar y clasificar por primera vez años de registros de mantenimiento de texto libre realizados por distintas personas y escritos de diferentes maneras hacen que el algoritmo de machine learning sea difícil de definir”.

La eficacia de tales sistemas puede verse afectada por registros de mantenimiento incompletos o inexactos, ya que, a la hora de entrenar el algoritmo, se podría establecer una correlación incorrecta o perder un patrón que lleve a alarmas molestas o a la ausencia de alarmas, aun cuando ocurran síntomas de falla.

Puesto que el machine learning se basa en una ciencia de datos, quizás sea necesario contratar científicos de datos para configurar y mantener el sistema, lo que se suma al costo.

En cambio, las plantas que han tenido éxito en la transformación digital instalan sensores directos y analítica basada en primeros principios (1P) y FMEA. A la hora de utilizar ciencia de datos, es importante que el algoritmo resultante sea verificable como un ‘chequeo de validez’ para estar seguros de que la variable utilizada y las reglas tienen sentido.

Según McKinsey, el hecho más interesante es que, en muchos casos, ni siquiera se necesita analítica, sino tan sólo un sensor y un umbral de alarma. Si bien el entrenamiento es importante, igual de importante es la facilidad de uso. Los ingenieros de confiabilidad, los técnicos de mantenimiento y demás personal de operaciones no son programadores ni científicos de datos, por lo que es clave implementar un software fácil de usar con una analítica basada en la familiar y verificable 1P + FMEA con una interface de usuario simple que no requiere un entrenamiento excesivo.

Muchas veces hay cierta preocupación por el tema de talentos y competencias; en caso de soluciones complejas, sería un problema, pero, con un software adecuado, el personal de planta podrá aprender fácilmente.

 

Flujo de trabajo digital

Una vez que la analítica predice un problema en algún equipo, por ejemplo una falla en los cojinetes de una bomba, se deben tomar medidas. Es posible que los ingenieros de mantenimiento no estén delante de sus computadoras todo el tiempo, de modo que, para que la analítica (diagnóstico) sirva, es necesario enviar notificaciones a su teléfono inteligente donde sea que se encuentren, y una orden de trabajo emitida al sistema CMMS/ERP. Luego se envía una orden de trabajo que el técnico de mantenimiento en el campo recibe en su tablet a través de la interface de navegador web de CMMS/ERP.

Hoy en día, todo este trabajo se puede realizar digitalmente con los nuevos SOPs (Standard Operating Procedures) digitales. En consecuencia, la analítica predictiva de equipos en el nivel 3 (L3) debe estar conectada al sistema CMMS o ERP en el nivel 4 (L4) de la arquitectura de empresa ISA95/modelo de referencia de Purdue.

No hay necesidad de juntar los departamentos de informática e I&C (OT) para integrar la analítica con CMMS/ERP, sólo es necesario que colaboren. Y esto se simplifica cuando la integración entre la infraestructura DOI y el sistema ERP se realiza mediante un software estándar en lugar de recurrir a una programación personalizada. Es decir, la informática e I&C se encuentran en el nivel 3.5. Juntar los departamentos de informática e I&C contra su voluntad no es una buena idea.

 

Objetivo: Tener éxito en la transformación digital

 

IIoT en nube o a nivel local/borde

La nube no es un requerimiento para la transformación digital. La integración en la nube requiere conexión a la Internet, lo que, a su vez, requiere la contratación de expertos en ciberseguridad si quiere conectar el sistema de control de procesos central. Los estudios de seguridad requeridos y el endurecimiento de la arquitectura de red que se necesitan en estos casos podrían tardar meses en completarse. En consecuencia, conectar el sistema central de control del proceso a la nube puede no ser una buena manera de iniciar la transformación digital, ya que implicaría mucho tiempo antes de que se vean los resultados.

La mayoría de las plantas no utilizan la nube para la transformación digital. El 99% de las plantas realizan la transformación digital a nivel local dentro del perímetro de la planta, sin conexión de Internet a la nube, lo que permite iniciar la transformación digital muy rápidamente y ver los resultados muy poco tiempo después.

Para ciertas aplicaciones de IIoT, la conexión a la nube se puede simplificar no conectando el sistema central de control de proceso a la nube. Es decir, la infraestructura DOI para monitoreo y optimización (M+O) es completamente independiente.

Este concepto no es posible en todas las aplicaciones de IIoT, pero sí en algunas, ya que hay muchas aplicaciones que no requieren ningún dato de proceso. Por ejemplo:

τ Vibración de equipos rotativos (compresor, turbina, bomba, ventilador/soplador, torre de enfriamiento, intercambiador de calor enfriado por aire, etc.)

τ Corrosión

τ Erosión

τ Trampas de vapor

τ Válvulas de alivio de presión

En estos casos, los sensores adicionales pueden ser conectados digitalmente a la red a través de un gateway de borde y a la nube sin pasar por el control de proceso central (CPC), sin ninguna conexión de datos con el DCS o historizador.

En otras palabras, puesto que la DOI es independiente del CPC, no agrega ningún riesgo de seguridad al CPC aun cuando el DOI esté conectado a la nube.

 

Objetivo: Tener éxito en la transformación digital

 

Protocolos de digitalización

Los ingenieros de control, los técnicos de instrumentos y otras personas de una organización no están capacitados en protocolos de middleware orientados a mensajes, tales como MQTT, AMQP, CoAP y XMPP, que no son familiares en el entorno de planta. Las herramientas que utilizan estas personas en una planta, tales como comunicadores de campo portátiles, laptops con módems, interfaces y software IDM (Intelligent Device Management), no soportan estos protocolos.

Más aún, esos protocolos no ofrecen interoperabilidad semántica, por lo que no hay una herramienta única capaz de soportar dispositivos que utilizan dichos protocolos de múltiples proveedores. En consecuencia, el usuario tendrá que lidiar con una gran cantidad de herramientas, una para cada proveedor, lo cual no es factible en una planta.

Las plantas que han tenido éxito en la transformación digital suele usar protocolos conocidos, tales como WirelessHART, Modbus/RTU, fieldbus Foundation y PROFIBUS-DP, y su versión IP: HART-IP, Modbus/TCP, FF-HSE y PROFINET-IO. Estos son protocolos estándar que el personal de planta ya conoce.

Una planta ya cuenta con herramientas, tales como comunicadores portátiles de campo, laptops con módems, interfaces y un software IDM (Intelligent Device Management), para estos protocolos. De esta forma, la organización ya está familiarizada con estos protocolos, teniendo en cuenta que (excepto Modbus) proporcionan interoperabilidad semántica, por lo que es posible usar una única herramienta para dispositivos de múltiples proveedores.

Al respecto, hay un concepto equivocado de que la conexión a la nube requiere MQTT o AMQP, que no es cierto. La versión IP de los protocolos de fieldbus puede correr a través de la Internet directamente en la nube. No hay necesidad de conversión a MQTT o AMQP.

Más aún, la conversión a MQTT o AMQP significa perder metadatos valiosos e interoperabilidad semántica. Como regla, no convertir protocolos hasta el final de la cadena.

 

Objetivo: Tener éxito en la transformación digital

 

Preparado en base a una presentación de Jonas Berge, Senior Director, Applied Technology en Emerson Automation Solutions.

La necesidad de una hoja de ruta para la transformación digital 

 

Conseguir una performance Top Quartile significa un gran número de oportunidades de negocio. “Las mejoras están en cuatro áreas principales: seguridad, confiabilidad, producción y emisiones, incluyendo eficiencia energética", señaló Peter Zornio, CTO de Emerson Automation Solutions. "Si se logran, podremos imaginar un mundo ideal, un nirvana digital sin lesiones, sin paradas, una producción optimizada y sostenibilidad con una fuerza laboral transformada digitalmente.”

"Extrapolar la tecnología en transformaciones ideales es la parte divertida, pero ¿cómo llegar allí?" Según Zornio, "se necesita una hoja de ruta a partir de donde nos encontramos hoy en día."

"Es posible identificar iniciativas específicas en cada categoría. Por ejemplo, en seguridad, el nirvana digital sería cero lesiones y cero incidentes", comentó Zornio. Otras iniciativas podrían ser la posibilidad de excluir actividades peligrosas de los empleados, monitorear constantemente la salud de trabajadores y planta, e incorporar prevención y respuesta automatizadas a amenazas cibernéticas y físicas.

"Pero, ¿qué hay que hacer? Es necesario conformar un marco que permita construir una hoja de ruta para la transformación digital,” agregó Zornio. "Comenzar por un balance de las capacidades disponibles en seguridad, confiabilidad, productividad y energía, apuntaladas por su organización y tecnología."

Como ocurre en todos los casos, los usuarios se ven fuertes en algunos aspectos y necesitan mejorar en otros. Muchas empresas son fuertes en el área de producción, ya que es allí donde han invertido, en control avanzado de procesos, en un modelo digital completo, etc. Pero hay grandes oportunidades también en otras áreas. "La eficacia de una organización suele ser una de las áreas de debilidad, donde interviene colaboración, intercambio de datos y la capacidad de usar servicios remotos".

Al respecto, Emerson ha identificado pasos específicos y tecnologías para cada aspecto en particular. "Tenemos más de 140 prácticas de mejora del valor (VIP según sus siglas en inglés), o sea cosas muy específicas que se pueden hacer y que sabemos por experiencia que entregan valor," explicó Zornio.

En cuanto a la transformación digital, no es la primera vez que la industria exige colaboración entre IT y OT. En la década de los ‘90, los sistemas abiertos llegaron al control de procesos. "Y allí trabajaron cada una por separado en pos de estabilidad por unos 10 años,” explicó Zornio. "Ahora, de nuevo, es muy importante que puedan trabajar juntos."

OT conoce el ‘qué’,  IT conoce el ‘cómo’, explicó Zornio. “Vienen de distintas formas de ver el negocio: el día a día versus la tecnología.” Por ejemplo, si se requiere monitoreo de válvulas de alivio de presión, OT querrá saber qué válvulas, qué sensores y cómo llevar los datos al sistema. "Es posible que ni siquiera hablen con IT hasta el final, cuando se darán cuenta de que necesitan obtener información de los sistemas de nivel superior", dijo Zornio. "OT se queja por la lentitud de IT en hacer las cosas y no entender la importancia de hacerlo. La forma correcta es involucrar a IT desde el comienzo ya que, hoy en día, nada se puede hacer sin IT.”

Trazar el camino hacia el futuro

 

El futuro ya está con nosotros. La transformación digital en la industria de refinería es un hecho y una oportunidad para obtener más rentabilidad. Saber aprovechar las nuevas tecnologías significa poder producir con más eficiencia y alcanzar la performance del Primer Cuartil.

Si bien muchos líderes en la industria han aceptado esta transformación, aún hay algunos refinadores que tienen dudas sobre cómo abordarla. Se generan preguntas sobre por dónde empezar, cómo cuantificar el impacto esperado en el negocio o siquiera qué define una transformación digital.

Un estudio realizado recientemente por Emerson ilustra esta incertidumbre. Se entrevistó a varios líderes a cargo de la transformación digital en sus compañías. El 98% de ellos estuvo de acuerdo en que, para tener éxito, es crucial trazar un plan de acción. Sin embargo, tan sólo el 20% realmente había elaborado un plan.

El camino hacia la transformación digital puede presentar varios obstáculos si no está bien planificado. Para alcanzarlo es importante, en primera instancia, tener una estrategia de negocio clara y enfocada para hacer la inversión. Además, abordar una metodología que permita seguir la transformación a un ritmo razonable, utilizando una estrategia que incluya tanto a las personas como a las prácticas de trabajo. Por último, es crucial contar con una plataforma tecnológica flexible que concede la capacidad de empezar la transformación desde cualquier punto.

Detectar en qué etapa de madurez digital está la organización es determinante a la hora de encarar una estrategia. Por ejemplo, en cuanto al área de confiabilidad, existen varios niveles de madurez digital. El primer nivel es un caso donde hay pocos equipos de diagnóstico, si es que hay siquiera. Las prácticas de mantenimiento son retroactivas: se interviene una vez que el accidente ya ha ocurrido. 

En un nivel mayor se encuentran las organizaciones que invierten en herramientas de diagnóstico, pero cuya información sólo se puede obtener mediante indagación manual. Esto conduce a una rutina en la que se inspecciona equipos periódicamente, aunque no presenten fallas.

Cuando una organización alcanza el nivel más alto de madurez digital, se abandonan estas prácticas ineficientes. Es preciso evolucionar a un monitoreo basado en condiciones, con una visibilidad en tiempo real del estado de los equipos. Se incrementa la eficacia y la eficiencia: el personal de mantenimiento sólo se enfocará en componentes que necesiten su atención. El mantenimiento predictivo deja atrás a los chequeos periódicos que desperdiciaban hasta dos tercios de su tiempo con equipos que no necesitaban inspección.

Para alcanzar el máximo potencial en confiabilidad, debe apuntarse a una performance de Primer Cuartil desde el principio.  El monitoreo basado en condiciones detecta fallas en equipos antes de que sucedan. La acción preventiva elimina el miedo a una falla de los equipos y el impacto a la producción que conlleva. Establecer una cultura de confiabilidad se traduce en una rentabilidad por décadas y maximiza la producción.

Hay que tener en cuenta que cada camino hacia la transformación digital es distinto. Es necesario un plan personalizado que permita comenzar desde diferentes lugares, detectando en qué etapa de madurez digital está cada operación. La transformación digital es bastante predecible: sólo hay que comprender dónde se está y a dónde se necesita ir. El futuro está al final del camino hacia la transformación digital.

 

Preparado por Luciano Carugo en base a una presentación del Ing. Marcelo Carugo, vicepresidente de Global Refining and Chemical Industries, Emerson Automation Solutions.

Impulsada por la creciente importancia de factores como IoT, analítica de Big Data y la nube, asistimos a una transformación digital que lleva a la convergencia de las tecnologías de información, operacionales y de ingeniería (IT, OT y ET) dentro de un marco de operaciones no supervisadas, controladas en forma remota y a nivel de empresa. Para beneficiarse de un procesamiento de transacción casi en tiempo real y otras capacidades ya bien establecidas en el mundo de IT, se observa un creciente esfuerzo en alcanzar niveles óptimos de integración y convergencia con el mundo de OT.

A medida que los ciclos de producción y entrega se acortan y se requiere una mayor flexibilidad, la posibilidad de compartir datos en tiempo real relacionados con capacidad y condiciones operacionales y usarlos en la planificación y previsión de la producción y en el mantenimiento, se convierte en un factor crítico a la hora de mejorar los resultados de una empresa.

Una plataforma moderna y abierta de SCADA debería poder acortar las brechas entre los mundos de IT y OT aprovechando la arquitectura OPC UA, los futuros estándares IoT e interfaces abiertas de bases de datos. De esta manera, simplificando operaciones, automatizando actividades y ampliando los conocimientos de los usuarios, se reduce el OPEX (OPerating EXpenditure).

FAST/TOOLS R10.04, como parte de la familia OpreX de sistemas de control y seguridad de Yokogawa, es una solución SCADA altamente flexible y escalable que se puede usar en un gran número de implementaciones, desde aplicaciones inteligentes habilitadas por IoT hasta operaciones integradas a nivel de empresa, abarcando múltiples sitios y subsistemas.

El nuevo software soporta el ecosistema digital con modelos de información que simplifican y amplían la integración de subsistemas con el sistema integrado de control de producción CENTUM VP.

 

Convergencia de IT, OT y ET.

 

Para mejora la integración con CENTUM VP, se dispone de una herramienta de integración de gráficos, que soporta interfaces y protocolos estándar en la industria, a lo que se suma el soporte de controladores iQ-R MELSEC de Mitsubishi y del protocolo FINS de Omron.

Para facilitar la incorporación de FAST/TOOLS en la infraestructura IT existente, los servicios de autenticación y autorización se pueden manejar ahora como un proceso centralizado para todos los usuarios del sistema.

De esta forma, las actividades de log-on/off podrán ser visualizados en una sola ventana, lo que mejora las tareas de auditoría y gestión.

Además, cuando se usa un AD (Active Directory) para la función de mapeo SSO (Single Sign On), los usuarios con perfiles en múltiples dominios de AD podrán tener un perfil de usuario mezclado en FAST/TOOLS de acuerdo con los credenciales de autenticación y autorización.

También ha sido mejorado el proceso de encriptación para lograr una comunicación más segura entre servidor y clientes.

El editor gráfico de FAST/TOOLS es capaz de generar displays nativos según el estándar HTML5 para aplicaciones basadas en PC con abundante información y aplicaciones de teléfonos inteligentes y tablets. Un editor gráfico ampliado simplifica la tarea de crear pantallas capaces de brindar exactamente los datos que requieren los operadores.

Cómo será la refinería del futuro?

 

Tratar de predecir cómo serán los mercados de refinación del mundo en 2029 es algo imposible. Lo único cierto que se podrá decir es que todo es incierto. Y no es un juego de palabras… Vehículos eléctricos, combustibles alternativos, inteligencia artificial, una mayor volatilidad del mercado, incertidumbre política y estándares de vida más elevados en todo el mundo son tan sólo algunas de las tendencias que definirán la industria de refinación en los años por venir. A nosotros nos queda tan sólo especular sobre el impacto que producirá tal velocidad de cambio sin precedentes en los próximos 10 años.

Puesto que no podemos predecir el futuro, los refinadores tendrán que prepararse para enfrentar lo desconocido.

Dentro de este contexto, para iniciar la búsqueda de posibles pronósticos, es importante apuntar a tres objetivos básicos a nivel de operaciones y también a nivel de negocio:

  • Agilidad – La refinería del futuro conmutará rápidamente entre distintos combustibles y productos petroquímicos para aprovechar la demanda y las oportunidades del mercado.
  • Confiabilidad – Las refinerías top en 2029 operarán virtualmente sin paradas.
  • Inteligencia compartida – Las refinerías exitosas del futuro automatizarán y simplificarán procesos, tratando de compartir experiencia, conocimientos y toma de decisiones a través de múltiples instalaciones.

Una vez conquistadas estas tres áreas, la refinería de 2027 estará lista para todos los desafíos (y oportunidades) que puedan plantear los avances tecnológicos, los cambios del mercado y los eventos del mundo.

 

Agilidad

Es probable que nada en los próximos 10 años separe más los ganadores de los perdedores que la búsqueda de agilidad en el negocio.

En el futuro, las refinerías top estarán preparadas para aprovechar las oportunidades tan pronto ocurran, no semanas o meses más tarde. La demanda del mercado es lo que determinará los niveles de materia prima y producto en tiempo real una vez que los líderes del negocio dispongan de un análisis integrado de los datos, desde la fuente de crudo hasta el bombeo de gas y todo lo que hay en el medio. Los inventarios justo a tiempo serán la nueva norma siempre y cuando los gerentes tengan acceso a los datos de la cadena de suministro online.

Alcanzar estos objetivos permitirá abordar un buen número de nuevos desafíos. Uno de estos desafíos es diseñar instalaciones de producción capaces de procesar todo el espectro de crudos, hasta el más pesado y el más corrosivo. Pasar de un tipo de producto a otro, en respuesta a cambios en el mercado, podría involucrar poner en hot standby ciertas unidades de proceso para evitar que se pierdan días arrancando y parando. Esto también baja el riesgo, ya que las operaciones transitorias son la causa más frecuente de incidentes de seguridad.

Pero incorporar mayor flexibilidad en la planta no será suficiente para garantizar la rentabilidad en todos los mercados. En lugar de producir sólo combustibles, las refinerías se convertirán en instalaciones de conversión multipropósito capaces de responder a la creciente demanda global de fibras y plásticos. Los operadores se diversificarán produciendo un mayor rango de productos intermediarios en pequeños lotes, además de oscilar rápidamente de combustibles a petroquímicos. Para manejar toda esta gama de corrientes de salida, una sola refinería podría llegar a necesitar incluso 50.000 puntos adicionales de datos, cada uno de fácil reconfiguración para aceptar diferentes condiciones de proceso.

 

Confiabilidad

Una parada, y los elevados costos asociados, será cosa del pasado si la industria finalmente resuelve el problema de una pobre confiabilidad. 

Por ejemplo, los ‘hot turnarounds’ podrían eliminar la necesidad de sacar de servicio unidades de proceso con fines de reparación o reemplazar partes. Gracias al rediseño de válvulas y otros equipos para facilitar el acceso a componentes portátiles, el personal podrá realizar revisiones in situ sin interrumpir la producción.

Redes dedicadas de confiabilidad de activos online son otro desarrollo que promete. Estas redes les darán a los operadores un virtual ‘cobertor de conocimiento’ sobre sus instalaciones completas, con la clase y cantidad de información necesaria para ejecutar estrategias de mantenimiento basado en condiciones en forma remota. Con la ayuda de equipos con auto-diagnóstico y alertas tempranas, los gerentes de mantenimiento se podrán enterar de anormalidades con la suficiente antelación como para prevenir cualquier rotura o trastorno sin que quede afectada la capacidad de producción.

Hoy en día, la refinería media está equipada para monitorear de manera continua la salud de al menos 20% de sus activos, pero dentro de una década llegará a monitorear hasta el 60% gracias a una tecnología wireless de costo económico. Microsensores podrían incluso flotar dentro del propio producto, transmitiendo lecturas de calidad hasta al segundo a medida que pasan de una unidad de proceso a otra.

 

Inteligencia compartida

La naturaleza de las organizaciones cambiará sin duda en el futuro.

Por de pronto, el personal irá al campo sólo para realizar ciertas tareas manuales.

Quienes toman las decisiones – gerencia, operaciones, confiabilidad, ingeniería y funciones de integridad – podrán estar conectados con una o más plantas, siendo capaces de dirigir la flota entera de refinerías desde un solo teatro de operaciones centralizado.

La automatización seguirá transformando muchas de las tareas de rutina manejadas tradicionalmente en forma manual. Cascos de realidad aumentada permitirán al personal de mantenimiento llevar efectivamente la sala de control al campo. Drones voladores robóticos podrán husmear emisiones fugitivas, detectar puntos calientes e identificar problemas de integridad de cañerías y tanques en lugares de difícil acceso.

Estas innovaciones tendrán un impacto considerable en la seguridad, ya que se podrán identificar potenciales problemas antes de que ocurran y minimizar el tiempo que los operadores inviertan en áreas peligrosas.

Otros avances podrían incluir:

  • Avances en la ingeniería química con catalizadores que se regeneran continuamente mientras el proceso sigue corriendo.
  • El aprendizaje de máquina quizás haga posible que las plantas ‘absorban’ el conocimiento del operador y adaptarse al cambio de condiciones en forma instantánea.
  • A medida que mejore la tecnología, las refinerías, algún día, serán capaces de poner en marcha y detener automáticamente unidades de proceso sin intervención manual, aumentando aún más la seguridad.
  • Las refinerías, en poco tiempo más, podrán ser capaces de reciclar casi todos los residuos que van generando, al tiempo que nuevos métodos de captura y secuestro de carbono podrán cambiar para siempre la manera en que los productores cumplan con las regulaciones. En este sentido, conceptos como antorchas y vertederos de aguas residuales quedarán obsoletos.

Alcanzar tal progreso quizás parezca exagerado, pero el hecho es que gran parte del conocimiento y tecnología necesarios para concretar esta visión ya está con nosotros.

 

Cómo será la refinería del futuro?

 

Transformación digital

La tecnología de la información ha progresado en los años recientes hasta permitir que los negocios puedan acceder en forma remota a enormes cantidades de datos y aprovechar experiencia y conocimientos sin importar donde se encuentren. Como resultado, las refinerías están comenzando a integrar sus operaciones de manera de aprovechar todo lo que pueda aportar Big Data y las nuevas técnicas de colaboración.

También está el tema de implementar una estrategia de digitalización que aporte información (datos analizados e información procesable capaz de mejorar la seguridad, la disponibilidad y el desempeño de una operación) a la persona indicada en el momento adecuado para habilitar una buena respuesta.

Al respecto, recurrir a una transformación digital consiste no sólo en adoptar nuevas tecnologías, sino también invertir en capacitación del personal para mejorar y comportarse de una manera diferente en base a la nueva información oportunamente recibida. Cabe señalar que algunos trabajos serán reemplazados (por ejemplo, recolección manual de datos), surgirán nuevos roles (por ejemplo, analistas y planificadores), mientras otras tareas evolucionarán para ser más eficientes.

Con el monitoreo en tiempo real, en lugar de un análisis post mortem, será posible utilizar la abundancia de datos de proceso y de salud de activos y el software de analítica predictiva para analizar automáticamente los datos y convertirlos en información. Este nuevo enfoque mira hacia adelante y alertará en caso de operaciones anormales o una falla inminente, brindando así la capacidad de iniciar una acción apropiada en el momento oportuno para evitar la falla de activos.

 

Instrumentación wireless

La falla de activos y equipos puede llevar a paradas, arruinándolos y destruyendo otras estrategias, por lo que los operadores deben estar buscando constantemente maneras de mejorar el tiempo de operación.

Si bien el control en tiempo real ha sido un componente de larga data de los procesos de refinación y petroquímicos, la instrumentación wireless ha permitido incorporar aplicaciones de monitoreo adicionales que antes no eran económica ni técnicamente factibles.

Dentro de este contexto, las nuevas tecnologías de instrumentos no intrusivos, tales como de temperaturas dentro de cañería, corrosión, acústicos y otros, eliminan posibles puntos de fuga y reducen aún más el costo total y el tiempo de instalación ya que no hay necesidad de cortar, perforar o soldar cañerías.

Una vez configurada una infraestructura wireless para monitorear uno o más componentes de los equipos, se podrán agregar instrumentos wireless adicionales y conectarlos a la red existente con un costo marginal muy pequeño.

La instrumentación wireless  podrá desempeñar un rol importante en vibración de equipos rotantes, detección de fugas mediante sensado ultrasónico, monitoreo de corrosión/erosión y mediciones de proceso tradicionales.

La implementación de estas mediciones adicionales lleva a menores costos de mantenimiento y uso de energía, al tiempo que reduce las paradas y mitiga la probabilidad de un incidente de seguridad o ambiental.

 

Conclusión

Para reservar un asiento en la mesa de 2029, las refinerías deberán tratar de adoptar e integrar las innovaciones hoy y no esperar para ver mañana. Prosperar frente a la incertidumbre muchas veces significa desafiar el status quo. Superar la resistencia al cambio será cada vez más crítico en un momento cuando los eventos a nivel mundial están reformulando la industria.

Después de todo, como alguien lo dijo por ahí, el futuro pertenece a aquellos quienes están dispuestos a prepararse para eso ya hoy en día.

 

Preparado por Marcelo Carugo, Vice Presidente de programas globales de refinería y química, Emerson Automation Solutions.

Página 1 de 3
© 2018 Editorial Control. Desarrollado por Estudio Pionero.