Algunos consejos para tener éxito en la transformación digital

Muchas empresas ya se encuentran en la etapa de transformación digital. Algunas han tenido más éxito que otras, lo que obliga a hacer un breve repaso de las mejores prácticas de implementación hasta la fecha:

  • Comenzar con sensores conectados digitalmente en red, fieldbus o wireless. Algunas plantas comienzan su transformación digital (Industria 4.0) con proyectos equivocados, donde la diferencia entre la vieja usanza y la nueva manera de trabajar puede que no sea tan importante. Por ejemplo, rastreadores, drones, y también tabletas y teléfonos inteligentes no siempre son los mejores ejemplos de transformación digital, ya que todavía necesitan de la intervención de un ser humano para su operación... Hay soluciones de transformación digital totalmente automáticas que utilizan un sensor permanente para automatizar la recolección de datos, la comunicación de datos digitales y el software para interpretar automáticamente los datos.
  • Seguir métricas antes y después para determinar el éxito. Pensar acerca de cómo se podrán medir y demostrar ahorros y mejoras, y encontrar una referencia actual. Estas métricas de antes y después pueden variar según el proyecto.
  • La transformación digital es para siempre y requiere una mejora continua.
  • Involucrar a todos los departamentos operativos de una planta para promover una cultura digital y utilizar soluciones probadas y confiables.
  • Extender el historial existente con un historial de confiabilidad para evitar la repetición de datos en múltiples ubicaciones.
  • Utilizar el historizador existente como plataforma. De esta manera, las plantas también podrán evitar un conflicto con los requerimientos de soporte existentes; utilizar lo que ya se tiene a fin de incorporar soluciones digitales en toda la producción con acceso escalable a datos de toda la empresa.
  • Ahorrar tiempo, frustración y dinero, implementando soluciones listas para usar con un historial probado. Cuando un integrador de sistemas escribe apps de software personalizadas, es algo nuevo y no está probado, por lo que invariablemente surgirán inconvenientes en la funcionalidad al ser imposible que el integrador y los usuarios en la planta puedan pensar y especificar todas las características requeridas y deseadas de antemano. Por lo tanto, la planta gastará muchos meses, y tal vez años, programando y testeando múltiples versiones del software antes de encontrar el adecuado.
  • Usar OPC UA para tener acceso a los datos.
  • Utilizar sensado directo para obtener datos confiables. La manera más práctica de hacerlo es con sensores conectados digitalmente en red, wireless o fieldbus, preferiblemente no intrusivos.
  • Instalar un software fácil de usar. Un software listo para usar con una analítica fácil de aprender evita una capacitación extensa.
  • Llevar los datos a los operadores de mantenimiento allí donde estén. Un flujo de trabajo digital permite enviar notificaciones al teléfono inteligente de los operadores y emitir un ticket de orden de trabajo al sistema CMMS/ERP.
  • Tener en cuenta que no es necesario usar la nube. La mayoría de las plantas no usan la nube para su transformación digital; por el contrario, el 99% de las plantas implementan la transformación digital a nivel local dentro del perímetro de la planta, sin conexión por Internet a la nube.
  • Utilizar protocolos con los que el personal ya esté familiarizado, tales como WirelessHART, Modbus, fieldbus Foundation y PROFIBUS, junto con sus versiones IP.

 

Preparado en base a una presentación de Jonas Berge, director senior en Emerson Automation Solutions.

Transformación digital: Herramienta para  alcanzar un desempeño del cuartil superior

Uno de los desafíos más grandes de una empresa es saber que hay eficiencias para mejorar y un mayor valor para obtener. Pero la pregunta es ¿cómo? El panorama de negocios actual es cada vez más competitivo y las oportunidades para realizar grandes inversiones de capital más limitadas, lo que genera una necesidad de mejor rendimiento de los activos.

Para Emerson, por ejemplo, la idea de transformación digital es bastante sencilla: Una tecnología inteligente y digitalmente conectada al servicio de las personas, permitiéndoles ser más eficientes y, al mismo tiempo, generar el mayor impacto en sus trabajos. Hay estudios que revelan que aquellas empresas que tienen un alto desempeño operacional alcanzan hasta un 8% más de producción acumulada, disminuyen a la mitad los incidentes registrables y logran una reducción importante en los costos de mantenimiento.

En consecuencia, Emerson ha desarrollado Operational Certainty, un programa basado en la implementación de una estrategia de transformación digital que permite que los empleados se apoyen en una estructura digitalizada e interconectada para minimizar el impacto de las pérdidas operacionales. 

Operational Certainty combina servicios de consultoría, la experiencia de los expertos de Emerson, el amplio portafolio de tecnologías de automatización y soluciones de IIoT, para ayudar a los usuarios a extraer mayor valor de su operación por medio de soluciones y servicios en áreas de seguridad, confiabilidad, producción y eficiencia energética.

El método de consultoría de Operational Certainty permite identificar oportunidades de alto impacto en la operación tomando como guía índices de la industria y de desempeño operacional. Como resultado del análisis, las empresas consiguen priorizar inversiones en soluciones tecnológicas habilitadoras y seguimiento periódico para revisar los resultados obtenidos y trabajar en mantenerlos en el tiempo.

La transformación digital es una herramienta clave para alcanzar estas mejoras. Debido a las nuevas regulaciones en materia de salud o medioambiente, hay una creciente demanda por tener una mayor cobertura en planta, lo cual implica conocer más datos del proceso, aunque, en muchos casos, no hay posibilidad de incrementar la fuerza laboral, lo que lleva a la necesidad de digitalizar las rondas de los operadores al campo para recolectar algunos datos de proceso que no estaban integrados.

Y en este entorno actual, vale la pena hacer una breve pausa y detenernos en este punto. Las limitaciones que en este momento tienen las empresas para que la totalidad de sus empleados puedan estar en el campo en tareas de producción, están incentivando a la digitalización de lo que anteriormente se conocía como rondas manuales: un proceso donde un operador recolectaba datos en forma manual de diferentes variables de proceso que no estaban integradas a un sistema de monitoreo centralizado. IIoT está permitiendo que, al instrumentar con tecnología wireless esos puntos, las variables se puedan seguir capturando a pesar de las limitaciones de personal.

Es aquí donde IIoT facilita la interoperabilidad, promueve entornos colaborativos de trabajo y pone en mano de los expertos la información correcta para solucionar problemas y tomar decisiones informadas. La solución de Emerson para IIoT ofrece una plataforma completa en tecnología cableada y wireless  que permite alimentar con grandes cantidades de datos a las plataformas de analítica de datos, machine learning y otras tecnologías de análisis de datos.

Tradicionalmente, la confiabilidad era un eufemismo para mantenimiento, que buscaba asegurar que siempre se tuviera la cantidad de personal necesario para reparar y reemplazar los activos con el fin de minimizar el tiempo de parada de producción. Hoy en día, los líderes de la industria saben que una estrategia de confiabilidad proactiva es el secreto para mejorar el valor.

A partir de esta gran cantidad de datos, es posible generar un sinnúmero de interacciones tanto con el personal, como con los sistemas de análisis. Desde analítica de datos, donde se tiene una base de datos que le ahorra al usuario años de procesamiento de información, hasta la capacidad de análisis de causa raíz que permite anticipar cualquier evento que ponga en riesgo la continuidad del proceso, todo sirve para miniminzar la parada de la planta.

Una perfecta convergencia entre IoT y analítica de datos permite aumentar la confiabilidad de los activos y, por ende, de las operaciones. Además, es posible priorizar y direccionar alertas de múltiples índoles para roles específicos dentro de la empresa, evitando así una avalancha de datos y lograr, en contrapartida, generar alertas relevantes para los operadores.

El perfil de la nueva fuerza laboral conlleva un desafío que la transformación digital está ayudando a resolver. Por un lado, el 50% de la fuerza laboral del sector energético se estará retirando en los próximos 5-10 años, pero, por el otro lado, en algunas industrias se necesitan aproximadamente 6 años para que su personal tenga el conocimiento necesario a fin de tomar decisiones autónomas de buena calidad. Estas limitaciones obligan a buscar nuevas formas de administrar el conocimiento. 

Los gemelos digitales, por ejemplo, permiten que el personal se pueda entrenar de una forma diferente, reduciendo este impacto e incorporando nuevos elementos, tales como soporte remoto asistido, donde expertos en el tema puedan guiar al personal de campo en la solución de una falla a través de la proyección en tiempo real de lo que ve el personal en campo.

Y como la transformación digital es acerca de conectar todos los niveles de una empresa, poco lograríamos si la información de planta queda aislada del resto de la empresa. Es aquí donde los equipos de tecnologías de operación (OT), que antes se conocía como automatización, interactúan con los equipos de tecnologías informática (IT) de forma tal que esta información pueda circular a todos los niveles de una empresa y entre las distintas áreas funcionales que lo requieran (Finanzas, Cadena de Suministros, Recursos Humanos). Esta integración a los sistemas tradiciones de ERP es fundamental en una verdadera transformación digital.

Es una travesía. La transformación digital no ocurre por un evento único. Dado que es una nueva forma de hacer las cosas, que permite una interacción más holística de todas las áreas funcionales, es necesario tener en cuenta la gestión del cambio en esta travesía. Muy probablemente, el personal actual terminará haciendo cosas muy diferentes (y de mayor valor agregado) y de ahí también la importancia de trabajar en la preparación del personal, mejorando sus habilidades.

La combinación de estas estrategias ayudará a optimizar la producción y alcanzar un desempeño del cuartil superior.

 

Preparado con material suministrado por Emerson Automation Solutions.

La desinformación ha dejado a muchas empresas innecesariamente prudentes o con expectativas exageradas, lo que afecta en definitiva el verdadero potencial de la transformación digital.

 

El advenimiento de IIoT con sus promesas de transformación digital es ahora un tema clave en muchas empresas que apuntan a mejorar las operaciones, impulsar la innovación y mantenerse competitivos.

Pero la ambigüedad ha generado conceptos erróneos acerca de cómo alcanzar estos beneficios mediante la implementación de soluciones digitales. Específicamente, la ausencia de un camino claro a la hora de ejecutar proyectos de transformación digital ha dejado a muchas empresas en un nimbo de inseguridad en cuanto a las mejores maneras de comenzar. Para algunos, esto ha significado una renuencia a implementar soluciones digitales. Para otros, ha causado decepción cuando los proyectos no logran los resultados esperados.

En este artículo se describen varios mitos de IIoT y transformación digital, responsables de gran parte de estos inconvenientes.

 

Mito #1
Sensores básicos de bajo costo para todo

Gran pate de lo que define IIoT ha sido adoptado de la electrónica de consumo. Los posibles beneficios son fascinantes, pero la simple y creciente disponibilidad de tecnología de sensores, por sí sola, no equivale a tener viabilidad de los sensores, en otras palabras, que los sensores, especialmente en un entorno industrial, funcionen continuamente en condiciones difíciles.

Está claro que los sensores para uso residencial no se pueden usar para monitorear una columna de destilación o una bomba que mueve un producto de alto valor, pero es necesario buscar maneras viables y económicas para agregar puntos de medición. Esto se puede conseguir ahora con instrumentos wireless diseñados para operar durante décadas en entornos potencialmente difíciles. Por lo general, estos puntos de medición tenían un costo prohibitivo cuando se los implementaba con métodos tradicionales, pero ahora se los puede agregar por una fracción del costo con tecnología wireless y, algunas veces, no intrusiva.

Los instrumentos wireless recortan considerablemente el costo de instalación de sensores de vibración, presión, temperatura, caudal, nivel, acústicos y muchos otros tipos, al eliminar la necesidad de comunicaciones costosas y el cableado de alimentación. Además, estos instrumentos se integran en la infraestructura existente o en los nuevos entornos de analítica utilizando protocolos e interfaces estándar en la industria.

Por otra parte, los usuarios que piensan en sensores económicos deben tener en cuenta todos los costos asociados a la hora de agregar mediciones, lo que incluye confiabilidad, seguridad, reducción de costos de cableado, facilidad de uso e instalación, y también considerar el retorno total de la inversión, en lugar de buscar simplemente el costo más bajo de adquisición.

 

Mito #2
Se necesita machine learning e inteligencia artificial para identificar y resolver problemas

Por supuesto que machine learning e inteligencia artificial transformarán la analítica y la manera en que se desenvuelven las empresas industriales, pero estas tecnologías no se pueden, ni tampoco se deberían, usar en todos los casos. Hoy en día, todavía hay muchos casos donde se recurre a métodos ya probados en la práctica y mejorados que no son tan costosos ni complejos como las implementaciones de machine learning e inteligencia artificial.

Por ejemplo, si un técnico de mantenimiento desea conocer la condición de una bomba, el método actual consiste en ir hasta la instalación con instrumentos portátiles para chequear la condición de los cojinetes y otros factores. Este método se puede transformar digitalmente instalando de manera permanente sensores de monitoreo para capturar datos continuamente y enviarlos luego a una aplicación analítica capaz de determinar el momento en que algún factor ha ingresado en una zona problemática.

Las técnicas son las mismas, pero ahora se realizan de manera continua, automática y con capacidad de identificar si la temperatura o la vibración del cojinete se acercan al mismo umbral que un técnico tendría en mente si realizara el test de forma manual.

Analíticas más avanzadas, tales como machine learning e inteligencia artificial, pueden ser parte del programa, pero son extensiones de técnicas conocidas y probadas, aunque aplicadas de manera más consistente y frecuente. Estas apps de software analítico pueden ayudar a los usuarios a encontrar problemas antes de que afecten las operaciones. Por ejemplo, una analítica basada en modelos permite detectar grandes fluctuaciones y tendencias. Estas herramientas predictivas permiten identificar condiciones anormales sin necesidad de análisis complejos y años de minería de datos.

 

Mito #3
Se perderán empleos

En los últimos 20 años, la fuerza laboral en la industria de procesos se ha reducido por el avance de la automatización y el recorte de costos. Hoy en día, cuando muchas personas experimentadas se están retirando, encontrar reemplazos es todo un desafío, ya que la población de quienes ahora estarían a mitad de carrera se ha vaciado. El nuevo personal, cuando se lo puede encontrar y contratar, suele ser menos experimentado y se lo debe poner al día rápidamente.

La adopción de estrategias eficaces de transformación puede mejorar todas las facetas de esta situación. Por ejemplo, las tareas tediosas y de bajo valor agregado, tales como las rondas de inspección manual, se pueden automatizar. En muchos casos, es posible que esas rondas ya hayan quedado en el olvido. Una transformación digital eficaz significa un aumento de productividad, no una reducción del personal de planta, ya que le permite dedicar más tiempo a tareas críticas y lo empodera para tomar decisiones más eficaces basadas en datos.

Al mismo tiempo, los nuevos empleados podrán ponerse al día mucho más rápido y adquirir habilidades valiosas utilizando tecnologías con las que se han familiarizado a lo largo de sus vidas.

Los trabajadores millennials, muchas veces denominados ‘nativos digitales’, aceptarán más naturalmente estas soluciones de alta tecnología, encontrando los conceptos de transformación digital como algo natural. IIoT y la transformación digital aportarán herramientas para aumentar la productividad mientras mejoran las habilidades de la fuerza laboral actual y nueva.

 

Mito #4
Tecnologías no probadas

Si bien algunas de las tecnologías utilizadas para soportar la transformación digital  todavía están evolucionando, la mayoría de los principios básicos, que son su base, existen desde hace décadas.

No hay nada mágico en monitorear la condición de una bomba. Un técnico que chequea manualmente lo que busca es detectar anomalías, leer vibraciones, etc. El monitoreo automatizado como parte de un programa de transformación digital hace lo mismo, pero de una manera más segura y económica. Hay incluso modelos de analítica de software que han sido utilizados durante décadas y seguirán avanzando con distintas mejoras a medida que evolucionen los algoritmos de captura y análisis de datos.

De la misma manera, las más recientes herramientas analíticas se basan en conceptos ya probados. Continuando con el ejemplo de la bomba, un programa de transformación digital no modifica el umbral de la cantidad de vibración que se considera problemática. En todo caso, el paso a una plataforma automatizada codifica la práctica y reduce los errores de una lectura manual. También amplía y mejora las prácticas manuales al examinar tendencias y cambios importantes en los datos, o sea un tipo de análisis que no es práctico con inspecciones manuales poco frecuentes. Las herramientas analíticas están diseñadas específicamente para esas tareas utilizando soluciones conocidas para problemas comunes. Cuando la tecnología adecuada llega a las manos del usuario adecuado y se adapta al problema en cuestión, mejora la disponibilidad de activos y disminuyen los costos.

 

Mito #5
Cada sensor debe estar conectados directamente a la Internet

Si la Internet es parte de una solución de mayor tamaño, ¿no es necesario que cada instrumento esté conectado a la Internet? Después de todo, IIoT tiene que ver con la Internet, ¿no es cierto? Esto puede parecer evidente, pero en las aplicaciones del mundo real, es probable que sea innecesario y excesivo.

Si bien algunos dispositivos estratégicos de campo o de borde pueden comunicarse con lagos de datos en la nube, por lo general hay poca necesidad de llegar a ese extremo. El uso de analítica in situ y de borde puede acercar aún más la toma de decisiones al personal responsable de actuar en esta situación, mientras queda eliminada la necesidad de soluciones más complejas y globales.

Otro aspecto que podría cambiar es un uso ampliado de redes de monitoreo. Muchas de las aplicaciones de monitoreo de desempeño y salud de activos no son necesarias en control de tiempo real, sino que deben estar dedicadas al aspecto de confiabilidad de las operaciones. Aprovechando los puntos de datos existentes y complementando los puntos faltantes con soluciones wireless, las empresas podrán comenzar a configurar analítica y software de gestión de activos en redes de monitoreo dedicadas, orientadas a mantenimiento, confiabilidad y energía, en pos de lograr mejoras del desempeño en estas áreas clave.

 

Mito #6
La transformación digital es estrictamente de arriba hacia abajo y debe ser implementada de una sola vez

Pensando en las grandes transiciones de la tecnología de automatización, la mayoría fueron adoptadas de manera paulatina, o al menos pudieron ser implementadas en el momento de actualizar una instalación existente. Incluso las plantas que se convirtieron de control neumático a electrónico realizaron este cambio de manera paulatina. Lo mismo ocurre con la transformación digital.

Los proyectos pueden ser lanzados en pequeña escala y avanzar desde el nivel de planta, donde las exigencias y los dolores de cabeza son conocidos por el personal de operaciones, que interactúa con el proceso todos los días. El personal a cargo comprende qué exigencias específicas deben abordarse para promover mejoras en el desempeño, aportando una perspectiva valiosa a estos proyectos informando de abajo hacia arriba.

Si las fallas de la bomba son un problema de rutina, es muy sencillo equipar algunas de las instalaciones más problemáticas con instrumentos de monitoreo de condiciones capaces de comunicarse a través del protocolo WirelessHART. Una app de analítica diseñada para este tipo de aplicación podrá recolectar y procesar los datos y luego proveer recomendaciones acerca de cuándo es necesario realizar reparaciones antes de una falla total. Esta aproximación a una transformación digital, o sea una serie de pequeños cambios combinados para lograr grandes resultados, aprovecha la escalabilidad de la tecnología.

Cada actualización de este tipo está diseñada para resolver un problema operativo puntual o reducir un costo excesivo. Estas soluciones comparten infraestructura y se complementan entre sí, modificando con el tiempo la manera en que trabaja la planta, pero siempre siguiendo un camino lógico para resolver problemas, uno a la vez.

 

Mito #7
La transformación digital es demasiado cara con costos importantes de hardware e informática

Ningún proyecto está libre de costos, pero los proyectos adecuados pueden o generar un flujo de ingresos o reducir otros costos de modo de cubrir las inversiones. Esto lleva a una pregunta clave: ¿El retorno de la inversión es lo suficientemente atractivo como para cubrir los costos iniciales y del ciclo de vida?

Algunas veces, las empresas que piensan en proyectos de transformación digital tienen dificultades para responder ya que no están seguras de los costos y posibles retornos.

Muchos proyectos de transformación digital a pequeña escala, tales como el monitoreo automatizado de condiciones de un tipo específico de activo, pueden ser implementados con un costo mínimo en pocos días. Si los instrumentos de monitoreo se instalan en una red WirelessHART existente con capacidad suficiente, el trabajo puede hacerse en un solo día, sin necesidad de una nueva infraestructura cableada.

Las apps para recolectar y analizar datos requieren muy poca sobrecarga de red y son configurables por el usuario sin necesidad de una codificación personalizada.

Los usuarios que han instalado monitoreo para tipos básicos de activos, tales como trampas de vapor, válvulas de alivio de presión e intercambiadores de calor, normalmente han conseguido un retorno completo de los costos del proyecto en seis meses a un año.

Estos tipos de proyectos han sido implementados en suficientes ubicaciones y tienen suficientes elementos en común para que sean comparables, lo que permite a los usuarios aprender de implementaciones pasadas y duplicar o mejorar los resultados. Una vez que se reconocen los ahorros del primer proyecto, las empresas podrán usar esos ahorros para financiar la próxima oportunidad de mejora, creando la capacidad de multiplicar continuamente sus éxitos en los distintos niveles.

 

Conclusión

Hay gente que se obsesiona con la noción de transformación digital a causa de los mitos que circulan y que hacen que las cosas parezcan demasiado complejas y costosas. La verdad es que los proyectos de IIoT y transformación digital no tienen por qué ser grandes proyectos lanzados de una vez por la empresa.

Para ponerlo en términos más positivos, piense en transformación digital como el resultado colectivo de una variedad de proyectos de menor tamaño destinados a mejorar el desempeño de una planta gracias a una mayor disponibilidad y menores costos. Abordar los puntos débiles que surgen a diario a nivel de planta es un método mucho mejor que lanzar cambios tecnológicos y de comportamiento por decreto.

También hay que tener en cuenta que la tecnología debe ir acompañada por cambios de procedimientos. No se obtendrán ganancias reales si la solución de monitoreo de bombas implementada indica una falla pendiente y nadie responde a la advertencia.

Se pueden usar soluciones de monitoreo probadas, fáciles de implementar y escalables para implementar este concepto paulatino de resolver problemas y mejorar el desempeño. Y, a medida que se vayan implementando estas soluciones, su efecto acumulativo es una mejora general del desempeño en múltiples áreas, lo que posiciona a una empresa con una ventaja competitiva tanto a corto como a largo plazo.

 

Preparado en base a una presentación de Brian Joe, gerente de wireless en Emerson Automation Solutions.

Según un reciente reporte elaborado por Yokogawa, las redes de tecnología operativa (OT) son cada vez más vulnerables a ciberataques como resultado de ‘puntos ciegos’ provocados por la transformación digital e IIoT. El reporte subraya la vulnerabilidad de las redes OT en aplicaciones críticas de infraestructura, por ejemplo en manufactura.

Según Donal Bourke, gerente de Yokogawa UK & Ireland, la transformación digital e IIoT, si bien ofrecen enormes beneficios, “si no están correctamente diseñadas y gestionadas, pueden generar un serio peligro. La digitalización y la adopción de nuevas tecnologías que facilitan aspectos como interoperabilidad, flujo de información y conocimiento de datos, pueden generar un ‘punto ciego’ de OT propenso a ser explotado por acciones delictivas o por hackers. Estas acciones apuntan cada vez más a una infraestructura crítica generando ataques con el potencial de disrumpir el funcionamiento normal de una sociedad, por ejemplo generación de energía".

A diferencia de los ciberataques en los sistemas informáticos (IT), los ataques en las redes OT son mucho más significativos y pueden tener implicancias mucho más graves. Según Bourke, "alguna vez, los entornos industriales eran considerados inmunes a un ciberataque gracias al empleo de técnicas de aislación física de redes. Pero esto ya no es cierto en digitalización, que ha facilitado la convergencia de IT y OT pero que ha generado una mayor superficie de ataque de amenazas que los malintencionados pueden aprovechar para lograr acceso a los sistemas integrados de control y seguridad de una instalación. Los hackers de hoy en día reconocen las vulnerabilidades de los sistemas OT y están buscando asiduamente formas de comprometerlos.

El reporte destaca el hecho de que la seguridad de OT está en su infancia si se la compara con la seguridad de IT, a pesar de un riesgo magnificado, e insta al gobierno y a la industria a adoptar un enfoque holístico.

Según Bourke, “no hay una solución tecnológica mágica que mitigue el riesgo de ciberseguridad en un momento en que aumentan la convergencia de IT y OT, la amenaza a los sistemas de control y la falibilidad humana. La solución está en adoptar un enfoque más holístico que involucre capacitación, evaluaciones de riesgos, el desarrollo de políticas y procedimientos apropiados de OT e implementar una arquitectura de sistema que conforme un sistema de gestión de ciberseguridad integral a nivel de empresa."

Mantenerse un paso delante de los hackers es difícil, sobre todo por la continua evolución de las ciberamenazas, explicó Bourke. “Las reglamentaciones, con razón, buscan estar a tono, pero también convierten la ciberseguridad de OT es un desafío abrumador para la mayoría de las organizaciones.”

Ningún sistema es inexpugnable y se seguirán descubriendo vulnerabilidades en todo el dominio de OT. Incluso con una inversión generosa, ninguna planta podrá eliminar por completo su exposición al riesgo. Es lógico que un enfoque holístico de la ciberseguridad sea la única forma de mantenerse al día con las últimas generaciones de malware destinado a los sistemas de control industriales," concluyó Bourke.

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.

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