Vocero | Transcripción |
| Samuel McDowell | Maya Angelou dijo la famosa frase: "Haz lo mejor que puedas, hasta que sepas lo que es mejor". Luego, cuando sepas mejor, hazlo mejor". Buenos días buenas tardes buenas tardes. |
| Espero que estés disfrutando de la JMP Discovery Summit, que estés aprendiendo mejores formas de hacer las cosas que necesitas hacer. |
| Soy Shamgar McDowell, ingeniero senior de análisis y confiabilidad de GE Gas Power. Llevo 15 años en GE y he trabajado en abastecimiento, calidad, fabricación e ingeniería. |
| Hoy voy a compartir un poco sobre el viaje de nuestro equipo hacia la automatización del modelado de confiabilidad usando JMP. |
| Quizás su organización enfrente un desafío similar al que estoy a punto de describir. Mientras le explico cómo abordamos este desafío, espero que nuestro tiempo juntos le proporcione algunas cosas sobre las que reflexionar mientras busca mejorar los flujos de trabajo en su propio contexto empresarial. |
| A modo de contexto, quiero dedicar las siguientes diapositivas a explicar un poco sobre el negocio de GE Gas Power. En primer lugar, nuestros productos. |
| Fabricamos motores muy grandes y de alta tecnología que tienen una variedad de aplicaciones, pero principalmente se utilizan en la producción de electricidad. |
| Y desde un punto de vista tecnológico, estas máquinas son en realidad increíbles hazañas de ingeniería con temperaturas de cocción muy por encima del punto de fusión de las aleaciones utilizadas en la sección caliente. |
| Una sola turbina de gas puede generar suficiente electricidad para alimentar de manera confiable a cientos de miles de hogares. |
| Y sólo para dar una idea del tamaño de estas máquinas, en esta imagen de la derecha se puede ver a cuatro seres humanos adultos, lo que indica cuán grandes son realmente estas máquinas. |
| Así que tuve que incluir aquí algunos ejemplos gratuitos de creación de gráficos JMP. Pero el diagrama de burbujas y el mapa de árbol realmente subrayan la naturaleza global de nuestra base de clientes. |
| Estamos proporcionando energía más limpia y accesible de la que dependen las personas en todo el mundo, y eso incluye a las naciones en desarrollo que históricamente podrían no haber tenido acceso al poder y los muchos efectos transformadores que ello conlleva. |
| Entonces, a medida que he llegado a apreciar el impacto que nuestro trabajo tiene en la vida cotidiana de tantas personas en todo el mundo, ha sido a la vez humilde y útil al proporcionar un propósito para lo que hago y el resto de nuestro equipo hace cada día. |
| Soy parte del equipo de ingeniería de datos y análisis de confiabilidad. |
| Nuestro equipo es responsable de proporcionar a nuestra empresa modelos empíricos de riesgo y confiabilidad que los equipos internos utilizan de diferentes maneras. |
| Entonces, en ese contexto, contamos con el analista de nuestro equipo para poder concentrarse en tareas de ingeniería, como comprender la física que afecta nuestra |
| la calidad de los componentes y la aplicabilidad de los datos que utilizamos, y también las compensaciones en los enfoques de modelado y cuál es la mejor manera de extraer valor de nuestros datos. |
| Todas estas son tareas de valor agregado. |
| Nuestro proceso también implica que pasamos por una revisión rigurosa con los ingenieros jefe. Entonces, tener una presentación en PowerPoint que contenga los modelos es parte de ese proceso. |
| Y anteriormente, crear esta presentación implicaba copiar y pegar mucho y una variedad de herramientas, lo que consumía mucho tiempo y era más propenso a errores. Entonces eso no es valor agregado. |
| Por eso necesitábamos una solución que proporcionara a nuestros ingenieros más tiempo para centrarse en las tareas de valor añadido. También estandarizaría aún más el proceso porque esas dos cosas |
| mayor productividad y capacidad para centrarse en lo que importa, y una mayor estandarización. Y con ese fin, utilizamos el mantra Automatiza las cosas aburridas. |
| Por eso quería darles una idea de la escala de los conjuntos de datos que utilizamos. A menudo, el volumen de datos con el que se trabaja puede dictar la dirección a seguir en términos de soluciones. |
| Y en nuestro caso, hay algunas variaciones, pero como regla general, estamos tratando con miles de turbinas de gas en el campo, |
| cientos de componentes de vía en cada unidad, y luego hay decenas de inspecciones o reacondicionamiento por componente. |
| En total, estamos tratando con millones de registros. Pero normalmente, nuestros modelos están dirigidos a configuraciones específicas y, por lo tanto, se basan en conjuntos de datos más limitados con 10 000 registros o menos, decenas de miles o menos registros. |
| La otra cosa que iba a señalar aquí es que a menudo tenemos más de 100 columnas en nuestro conjunto de datos. Por lo tanto, existen desafíos con este tamaño de datos que hicieron que JMP se adaptara mucho mejor que algo como un enfoque basado en Excel para realizar las mismas tareas. |
| Entonces, GE trabajó con un tercero para desarrollar la primera versión de esta herramienta utilizando el lenguaje de secuencias de comandos JMP. |
| Y el nombre de la herramienta es aplicación de modelado de confiabilidad asistida por computadora o CARMA, con una c. Y la cantidad de esfuerzo que implica construir esto hasta llegar a lo que tenemos hoy no es trivial. |
| Esta es una representación de eso. Puede ver la cantidad de scripts y líneas de código que atestiguan el alcance y el tamaño de la herramienta tal como existe hoy. Pero también ha demostrado ser una herramienta muy útil para nosotros. |
| Entonces, a medida que pasó el tiempo, vimos la necesidad de continuar desarrollando y mejorando CARMA con el tiempo. Y para poder hacer esto, hemos tenido que crecer y fomentar algo interno |
| Tengo experiencia en codificación JSL y superviso el trabajo de los desarrolladores que se centran en esta y algunas herramientas relacionadas. |
| El mensaje para usted es que incluso después de crear algo como CARMA, se requerirá una inversión continua para mantener la aplicación relevante y evolucionarla a medida que evolucionen las necesidades de su negocio. |
| Pero es factible y los beneficios son muy reales. Una encuesta realizada a nuestros usuarios este verano en realidad señaló |
| una puntuación neta del promotor del 100% y una reducción de al menos el 25% en el tiempo del ciclo para realizar una actualización del modelo. Entonces eso es tiempo real |
| eso está siendo salvado. Y luego, anecdóticamente, también vemos dónde CARMA ha sacado a la luz problemas en nuestro proceso que hemos podido abordar y que de otro modo habrían permanecido ocultos y no habríamos podido abordar. |
| Y tengo una cita, es un poco larga. Pero solo quería transmitir esta advertencia sobre la automatización de Bill Gates, sobre la cual sabe un par de cosas sobre el desarrollo de software. |
| "La primera regla de cualquier tecnología utilizada en los negocios es que la automatización aplicada a una automatización eficiente magnificará la eficiencia. La segunda es que la automatización aplicada a una operación ineficiente magnificará la ineficiencia". |
| Ese es el final de la cita, pero es solo un gran recordatorio de que la automatización no es una solución milagrosa que solucionará un proceso roto; todavía necesitamos gente que lo haga hoy. |
| Bien, antes de hacer una demostración de la herramienta. Solo quería brindar una descripción general de alto nivel de la herramienta y las entradas y salidas de CARMA. |
| Y el usuario tiene que apuntar la herramienta a los archivos de entrada. Aquí a la izquierda, ven que tenemos un archivo de modelos activos que son esencialmente los modelos ya aprobados. Y luego tenemos datos empíricos. |
| Y luego, en la interfaz de usuario, el usuario realiza algunas actividades de modelado. |
| Y luego los resultados son modelos en ejecución, por lo que se actualiza el acto de los modelos en una presentación de PowerPoint. |
| Y también veremos eso. |
| Como contexto para los datos, usaré la demostración. |
| Sólo quería transmitirles que comencé con el conjunto de datos de la locomotora. Y veremos que JMP proporciona algunos datos de muestra. Entonces este es el caso, hay |
| y eso da una población. Luego también agregué una población adicional de modelos. |
| Y el gran mensaje que quería transmitir aquí es que lo que vamos a ver son todos datos inventados. No es real; no representa la funcionalidad |
| o el comportamiento de cualquiera de nuestras partes en el campo, o simplemente es todo artificial. Así que téngalo en cuenta a medida que analizamos los resultados, pero de todos modos debería darnos una forma de ver la herramienta. |
| Así que voy a cambiar a JMP por un segundo y usaré JMP 15.2 para la demostración. Y este conjunto de datos está simplificado en comparación con lo que vemos normalmente. Pero como dije, debería ejercer la funcionalidad principal de CARMA. |
| Primero, iré al menú Ayuda, a datos de muestra y verás el |
| menú de confiabilidad y supervivencia aquí. Así que ahí es donde vamos. Una de las cosas buenas de JMP es que tiene muchas disciplinas y funcionalidades diferentes y herramientas especializadas para ello. Y en mi caso con la confiabilidad, hay mucho aquí, lo que también contribuye a |
| El valor de utilizar JMP es un hogar para CARMA. |
| Pero quería señalarles el conjunto de datos de la locomotora y simplemente mostrarles... |
| Esto salió originalmente de un libro de texto. |
| Y aquí se habla de análisis de datos de vida aplicados. Entonces, en eso, hay un problema que le pregunta cuál es el riesgo en 80,000 exposiciones y vamos a modelarlo hoy en nuestro conjunto de datos. |
| en un modelo de oxidación es como lo hemos llamado, pero esencialmente CARMA nos dará una respuesta. Nuevamente, una respuesta muy simple, pero solo iba a mostrarte que puedes obtener lo mismo. |
| manera haciendo clic |
| en el menú de análisis. |
| Así que pasamos a un análisis de responsabilidad y supervivencia, distribución de la vida. |
| Coloque la hora y el sensor donde deben ir. |
| Usaremos Weibull |
| y solo los dos... por lo que crea un ajuste para esos datos. |
| Dos parámetros que iba a señalar son la beta, 2.3, y aquí se llama Weibull alfa. En nuestra herramienta se llamará Ada, pero 183. |
| Bien, entonces vemos cómo hacerlo aquí. |
| Ahora sólo para saltar, |
| Quiero ver un par de otros archivos, los archivos de entrada, así que |
| Los subiré. |
| Bien, este es el archivo del modelo. |
| Mencioné que hice tres modelos. Estos son los modelos activos con los que compararemos los datos. |
| Verás que la oxidación es la primera, ya lo mencioné, y luego |
| quieres...uno además, además de tener parámetros de modelo, tiene cierta información de configuración. Estas son solo dos cosas simples aquí. |
| (sistema de combustión, capacidad de combustible) Lo uso como ejemplos, pero hay muchas, muchas más columnas similares. Pero esencialmente lo que hace CARMA, una de las cosas que me gusta es que cuando tienes un gran conjunto de datos con muchas configuraciones diferentes, puedes revisar y encontrar |
| cuál de esas filas de registros se aplica a su modelo y realiza la clasificación en tiempo real, y ya sabe, hágalo para todos los modelos que necesita hacer en el conjunto de datos. Y eso es lo que vamos a utilizar para demostrar. |
| Disculpe. |
| Además, mire, salte a los datos empíricos por un minuto. |
| Y |
| solo un punto culminante, tenemos un sensor, tenemos exposiciones, tenemos |
| el |
| intervalo en el que vamos a evaluar esas exposiciones, |
| modos, |
| Y luego estas son las dos últimas columnas de las que acabo de hablar: sistema de combustión y capacidad de combustible. |
| Bien, entonces iniciemos CARMA. |
| Como complemento, lo pondré en marcha. |
| Y verás que ya lo tengo apuntando a la ubicación. |
| Quiero usar. |
| Y |
| En la presentación de hoy, no tendré tiempo para hablar de toda la variedad de funciones que hay aquí. Pero todas estas son cosas que pueden ayudarle a tomar y observar sus datos y decidir la mejor manera de modelarlos y realizar algunas comprobaciones antes de finalizar sus modelos. |
| Por motivos de tiempo, no voy a explicar todo eso ni a demostrarlo, pero solo quería tomarme un minuto para construir los tres modelos de los que hablamos y crear una presentación para que puedan ver esa parte de la funcionalidad. |
| Disculpe, mi |
| La garganta se me seca de repente así que tengo que seguir bebiendo; Pido disculpas por eso. |
| Entonces tenemos oxidación. |
| Vemos la cantidad de fallos y suspensiones. |
| Eso es lo mismo que verás en el texto. |
| Añade eso. |
| Y desplacémonos hacia abajo por un segundo. Eso es |
| primer modelo agregado |
| Oxidación. Vemos que el modelo antiguo tuvo 30 fallas, 50 suspensiones. Éste tiene 37 y 59. |
| La beta es 2.33, como vimos externamente y la ADA es 183. |
| Y la respuesta a la pregunta del libro de texto: el riesgo de 80.000 exposiciones. |
| es aproximadamente del 13,5% utilizando un modelo de Weibull. Así que esa es una forma de hacer eso de alto nivel aquí. |
| Veamos también cómo agregar los otros dos modelos. |
| Bien, tenemos grietas, estoy agregando fluencia. |
| Y verás aquí |
| Se presentan diferentes cuadros que representan el sistema de combustión o la capacidad de combustible, donde para este modelo determinado, esto es lo que exige el archivo LDM. |
| Pero si quisiera cambiar eso, podría seleccionar otras configuraciones aquí y eso resultaría en cambiar mis filas para FNS en cuanto a lo que se incluye o no. |
| Y luego puedo crear nuevas poblaciones y segmentarlas. |
| respectivamente. |
| Bien, hemos agregado los tres modelos. |
| Y creo que no vamos a dedicar más tiempo a eso, simplemente jugando con los modelos en cuanto a opciones, pero generaré un informe. |
| Y tengo algunas opciones sobre lo que quiero incluir en el informe. |
| Y tengo una presentación y esta entrada de LDM serán los modelos activos, lo siento, los modelos en ejecución que |
| sale como una mesa. |
| Muy bien, entonces sólo necesito |
| seleccione la carpeta adecuada |
| donde quiero que vaya mi presentación |
| Y ahora nos tomará un minuto revisar y generar este informe. Esto lleva un minuto. Pero creo que lo contrastaría con las horas que normalmente tomaría hacer esta misma tarea, |
| potencialmente, si estuviera trabajando fuera de la herramienta. Y ahora estamos listos para finalizar el informe. |
| Guárdalo. |
| Y |
| guarde la carpeta y ya está. Está ahí y podemos revisarlo. |
| La otra cosa que señalaré es que, cuando llegue, ya había generado este |
| anteriormente, así que simplemente |
| levantar |
| el archivo que ya generé y podemos revisarlo. Pero hay, esto es una plantilla. Está pensado para la velocidad, pero esto se puede personalizar aún más después de hacerlo, o puede dejar marcadores de posición, puede modificar las diapositivas después de haberlas generado. |
| Está haciendo más que solo el modelado de distribución de vida que destaqué inicialmente. Está haciendo mucho trabajo de resumen, resumiendo los datos incluidos en cada modelo, para lo cual, por supuesto, JMP es muy bueno. |
| Hace algo de trabajo comparando los modelos, así que puedes |
| hacer una variedad de pruebas estadísticas. Utilice JMP. Y nuevamente, JMP es excelente en eso. Entonces eso agrega esa funcionalidad. |
| Algunas de las cosas que a nuestros revisores les gusta ver y cómo los modelos han cambiado año tras año, tiene más datos, incluye menos. ¿Cómo afecta a los parámetros? ¿Cómo cambia sus cifras de riesgo? |
| Por supuesto, se obtienen muchos datos de los diagramas de dispersión y cosas por el estilo. |
| Hay un resumen que incluye parte de la información de configuración de la que hablamos, así como los parámetros finales. |
| Y hace esto para cada uno de los tres modelos, |
| así como solo un riesgo acumulado al final |
| por todos estos |
| conjunto. |
| Entonces eso fue un rápido |
| tutorial. El |
| manifestación. |
| Creo que hemos cubierto todo lo que quería hacer. |
| Con suerte, podremos hablar un poco más en Preguntas y respuestas si tiene más preguntas. Es difícil anticiparlo todo. |
| Pero solo quería volver a hablar de algunos de los beneficios. Mencioné esto anteriormente, pero hemos visto aumentos de productividad como resultado de CARMA, así que eso es un beneficio. |
| Por supuesto, la estandarización de nuestro proceso de modelado aumenta y eso también permite a los miembros del equipo más nuevos centrarse más en el proceso y aprenderlo en lugar de trabajar con herramientas. |
| lo que, al final, les ayuda a acelerar más rápido. Y luego también hay un mayor compromiso de los empleados al permitir que los ingenieros utilicen |
| sus mentes donde pueden lograr el mayor impacto. |
| Por eso también quería agradecer a Melissa Seely, Brad Foulkes, Preston Kemp y Waldemar Zero por sus contribuciones a esta presentación. Tengo una deuda de gratitud con ellos por todo lo que han hecho para apoyarlo. |
| Y quiero agradecerte por tu tiempo. He disfrutado compartir nuestro viaje hacia la mejora con todos ustedes hoy. Espero que tengamos la oportunidad de conectarnos en el momento de preguntas y respuestas, pero de cualquier manera, disfruten el resto de la cumbre. |
