Solución

Una combinación de los niveles View y Know fue implementada para alcanzar el nivel de transformación transversal requerido.

Como lo hicimos

A. Analizamos los flujos de materiales y los flujos de información de los procesos administrativos. Auditamos los datos disponibles, los procesos y la calidad de los datos que se podían obtener.

B. Estudiamos los parámetros de máquina y las características de las materia primas para entender cómo afectan a la producción y volcamos esa información a los módulos de análisis de la plataforma para controlar la producción y alertar sobre desviaciones.

C. Diseñamos junto al cliente los cuadros de mando y los formularios para entrada de datos.

D. Conectamos la plataforma a los distintos sistemas de orígenes de datos:

E. Instalamos módulos tiKblue para:

Aplicaciones para otros clientes

Este es un caso específico para máquinas del sector de atomizadores, pero es extrapolable a otros campos como procesos de venta, logística o sistema de control de calidad entre otros.

En la actualidad en el ámbito industrial la gran mayoría de sistemas de control utilizan PIDs para llevar a las máquinas al punto de funcionamiento deseado.

Esto es un sistema reactivo que necesita observar el resultado actual del proceso para poder reajustar las variables de control. Sin embargo, nuestro sistema basado en IA puede predecir el comportamiento del sistema antes de que se observe una desviación en el resultado por lo que el ajuste pasa a ser predictivo.

El sistema aprende de los datos de proceso y es capaz de gestionar muchas más variables que un control PID. Además, entre esas variable pueden incluirse variables no procesables por máquina como:nombre de proveedor de la materia prima, calidad de los componentes, nivel de desgaste del sistema, predicciones meteorológicas, etc.