Gemelos digitales de lazo cerrado calibrados con datos de operación

Al implementar un gemelo digital de lazo cerrado a lo largo de todo el ciclo de vida de un sistema, los fabricantes de máquinas y los usuarios finales podrán reducir los costos y optimizar la eficiencia.

 

Gemelos digitales de lazo cerrado calibrados con datos de operación
El concepto de gemelo digital apareció hace más de veinte años. Hoy en día, la tecnología permite alimentar datos operativos brindando la oportunidad de optimizar de manera continua las actividades de diseño de producto y producción en un proceso de toma de decisiones de lazo cerrado que toca los tres componentes: gemelo digital de producto, gemelo digital de producción y gemelo digital de desempeño.

 

 A medida que las tendencias digitales evolucionan desde la base de la automatización industrial, más personas y organizaciones se están dando cuenta de los beneficios que pueden obtener del modelado y simulación de sus sistemas de producción. Estas prácticas pueden bajar los costos de diseño y desarrollo y reducir el tiempo dedicado a la solución de problemas antes y durante al comisionamiento.

Quizás menos conocido es un beneficio igual de importante: la simulación también puede ayudar a optimizar continuamente la eficiencia operativa, especialmente cuando se utilizan datos de producción para calibrar el modelo. Esta metodología se conoce como gemelo digital de lazo cerrado (CLDT según sus siglas en inglés).

El gemelo digital es una representación virtual de un activo físico. El CLDT amplía los gemelos digitales usando datos históricos para mejorar la exactitud a lo largo del tiempo. Particularmente en el manejo de materiales y fabricación, es difícil determinar la utilización de la mano de obra y la máquina, y es allí donde un CLDT puede identificar y proporcionar información y recomendaciones para mejorar la eficiencia de estos sistemas. Los CLDTs también aportan beneficios durante las etapas de diseño y comisionamiento del ciclo de vida de un sistema, pero este artículo apunta a su uso durante la operación. Mientras un sistema está en servicio, un CLDT permite a los usuarios tomar decisiones informadas para ajustar las operaciones sobre la marcha a fin de mejorar la eficiencia.

 

Los modelos antiguos se estancan

En entornos de fabricación e intralogística, los gerentes de planta se enfrentan a la difícil tarea de mantener indicadores clave de rendimiento (KPIs) óptimos a pesar de los cambios diarios y no planificados en la disponibilidad de empleados, grandes pedidos inesperados entrantes o salientes y cuellos de botella en la manipulación de paquetes.

Los modelos de planta permiten al personal identificar puntos de producción críticos para lograr objetivos operativos ambiciosos, pero muchos de estos modelos son rígidos o inexactos.

Para maximizar la eficiencia y la productividad, el personal necesita un modelo que se pueda ajustar, pero la mayoría de las instalaciones no tienen personal capacitado o tiempo para realizar manualmente estos ajustes. Además, con tantas variables de control, es difícil saber qué simular en un modelo. Los modelos guiados con inteligencia artificial (IA) y machine learning (ML) pueden aportar respuestas a estos y otros problemas.

 

Gemelos digitales intuitivos

La metodología del gemelo digital brinda información precisa para optimizar los parámetros a fin de cumplir y mantener los KPIs. Ampliando este concepto, un CLDT crea una réplica exacta de los estados actuales de los activos para pronosticar la exactitud más allá de lo que ofrece un gemelo digital estándar sin realimentación. Los CLDTs comparan las condiciones de estado actuales con numerosas adaptaciones para determinar un estado futuro óptimo, ayudado por inteligencia artificial y machine learning

En este proceso de generación y evaluación de posibles estados futuros, la potencia de la computación en la nube es inmensamente útil para simulación e ingesta de datos.

En un escenario ideal, un fabricante de máquinas o integrador de sistemas desarrolla un CLDT para ayudar en el proceso de desarrollo, y luego lo entregan con su producto, brindando a los usuarios finales la capacidad de seguir usándolo. Como se describe a continuación, los CLDTs ofrecen beneficios a los fabricantes de máquinas y usuarios finales durante las fases de diseño, comisionamiento y operación del ciclo de vida de la máquina.

 

Fase de diseño

Durante la fase de diseño, los CLDTs empoderan a los fabricantes de máquinas e integradores de sistemas para demostrar la eficacia de su diseño a los potenciales usuarios, provistos de estadísticas e interfaces visuales que permiten monitorear el desempeño de la máquina virtual. Estos modelos y simulaciones se pueden utilizar para predecir de manera convincente los resultados que los usuarios finales están buscando, aumentando la confianza en las propuestas de los diseñadores.

Al ofrecer un CLDT con sus sistemas, los fabricantes de máquinas podrán aprovechar la inversión más allá de la fase de diseño, generando flujos de ingresos adicionales mediante un modelo de servicios continuos. Esto les brinda la capacidad de seguir y soportar los productos implementados en operación, ampliando y fortaleciendo la relación entre fabricantes de máquinas y usuarios finales.

Para los usuarios finales, estos gemelos digitales aumentan los márgenes de ganancia al pronosticar con exactitud los gastos de capital y operativos, junto con la producción, proporcionando una línea de base a partir de la cual aumentar la eficiencia operativa. Podrán hacerlo a través de una toma de decisiones informada con la ayuda de un CLDT.

 

Fase de comisionamiento

Durante el desarrollo y el comisionamiento, un gemelo digital combinado con simulación de PLC y HMI permite detectar errores e ineficiencias en una máquina antes de que los equipos físicos y las partes móviles entren en escena. El agregado de un gemelo digital a la simulación de PLC/HMI es un claro vínculo entre la lógica de programación de automatización y el desempeño de la máquina, completo con una visualización virtual de la máquina. Esta configuración facilita la detección de problemas en una etapa temprana.

Al identificar posibles problemas de manera virtual y temprana en la fase de comisionamiento, estas herramientas limitan los cambios inesperados y costosos de proyecto. Además, mayores capacidades de solución de problemas y testeo virtuales acortan el tiempo de comisionamiento físico requerido, mientras reduce los requerimientos y costos de mano de obra para los integradores.

Un comisionamiento más corto y eficaz beneficia a los usuarios finales ya que los sistemas se ponen en marcha y entran en producción a tiempo, con menores probabilidades de costosas órdenes de cambio tarde en la fase de comisionamiento. Y a diferencia de los procesos de comisionamiento clásicos, la simulación práctica de plantas gemelas digitales permite a los usuarios finales comenzar la capacitación del operador y los programas de ajuste de equipos mucho antes de la puesta en marcha física.

 

Fase de operaciones

A lo largo de las operaciones, un sistema de lazo cerrado aporta su mayor valor con colectores en la nube que ingieren datos de producción, facilitando un ajuste fino continuo en pos de estados operativos óptimos. La simulación con un gemelo digital provee:

  • Experimentación de múltiples estados, modelando horas de producción y estimando resultados en cuestión de segundos;
  • Predicción de KPIs importantes, tales como rendimiento, utilización y tiempo de inactividad.

Cerrar el lazo y aportar una simulación con datos históricos mejora considerablemente la exactitud de la simulación.

El CLDT resultante permite el ajuste fino de las operaciones al brindar reportes con parámetros óptimos, tales como configuración de máquina, asignaciones de mano de obra y capacidades de envío/recepción, gracias a una combinación de simulaciones e IA/ML. El personal de la instalación podrá configurar la generación automática de reportes en marcos de tiempo específicos, por ejemplo antes o durante los turnos, o en la preparación de una reunión diaria del personal.

A la hora de requerir un análisis basado en humanos para mejorar un proceso de toma de decisiones, una visualización de modelos de fácil comprensión brinda información sobre la forma en que opera una instalación. La simulación visual permite al personal identificar cuellos de botella de producción y áreas donde se asignan recursos en exceso. También permite al personal simular múltiples escenarios para responder a cuestiones situacionales, tales como "¿Qué sucede si hay menos operarios en una estación de recolección?" o "¿Qué pasa si se envían demasiados robots a un área (por ejemplo, recolección) respecto a otra (por ejemplo, carga)?"

El software CLDT brinda a los usuarios la capacidad de ajustar las variables de control y visualizar sus efectos en las operaciones, resolviendo rápidamente éstos y otros problemas.

Los elementos visuales permiten a los usuarios comprender mejor los números y señalar dónde hay que realizar cambios. Estas herramientas de software evalúan la mejor utilización de las máquinas y la mano de obra, por ejemplo, asegurando que un depósito tenga suficientes camiones disponibles para cargar para los despachos salientes, pero no demasiados para evitar el envío de camiones no cargados.

Si hay una gran cantidad de parámetros y combinaciones teóricas para experimentar, el software automatizado permite eliminar experimentos redundantes o poco prácticos al identificar inteligentemente aquellos que son factibles. Esto puede reducir miles de combinaciones a decenas o menos, identificando en última instancia el mejor conjunto de parámetros.

 

CLDT calibrado

Para calibrar el CLDT, el primer paso es conectar el gemelo digital con los equipos de automatización para alimentar datos al modelo. Los dispositivos de borde son las interfaces principales para la recolección de datos ya que pueden preprocesar datos de máquina antes de enviarlos a la nube para su sincronización con el algoritmo de optimización basado en datos históricos del CLDT.

Los usuarios podrán construir, operar, implementar y mantener soluciones de software en varios dispositivos de borde utilizando aplicaciones de borde gestionadas. Se dispone de un buen número de aplicaciones para analizar datos de máquina. Su ecosistema, que incluye control de parches y versiones, es gestionado a través de un sistema central implementado en la nube o localmente.

El uso de controladores de borde reduce el número de dispositivos que se conectan a las máquinas en el piso de planta. También aportan los medios para una solución de simulación local o análisis avanzado en una simulación basada en la nube.

Con una simulación en la nube en una plataforma de nube IoT abierta, los usuarios podrán mapear datos del piso de planta al modelo de gemelo digital. Estos datos se utilizan para conseguir información destinada a optimizar las condiciones y las variables de control en las líneas de producción a fin de maximizar el rendimiento y otros KPIs. Algunas plataformas de nube incluyen una aplicación dedicada para preparar y agregar datos de series temporales en una aplicación de simulación.

La exactitud del modelo mejora, a medida que se recolectan más datos y se los alinean con las entradas y predicciones de las variables de control. En configuraciones avanzadas de IA y ML, los modelos pueden manipular parámetros del PLC para mejorar la eficiencia operativa, además de generar reportes con la reasignación sugerida de recursos y activos. Este tipo de CLDT calibrado es como un sistema llave en mano, específico a una máquina o instalación.

 

Los CLDTs optimizan la operación

Los gemelos digitales ya han sido ampliamente aceptados para identificar problemas potenciales temprano en el diseño y el desarrollo, reduciendo la ocurrencia de errores y acelerando la puesta en marcha física. Su valor potencial se multiplica durante la operación.

Un CLDT calibrado reduce el tiempo que se requiere para monitorear manualmente los datos de producción y elimina las conjeturas humanas involucradas al planificar cambios de procedimiento y reasignación de recursos para aumentar la eficiencia. Esto se traduce en una operación optimizada y mayores márgenes de ganancia, lo que empodera a fabricantes y empresas de intralogística para ser más competitivos en mercados exigentes.

 

Preparado en base a un documento elaborado por Colm Gavin, gerente de Siemens Digital Industries Software. Adaptación: Andrés Gorenberg.

Modificado por última vez en Viernes, 14 Enero 2022 14:57
© 2018 Editorial Control. Desarrollado por Estudio Pionero.