COMPAÑIA CONFIDENCIAL. NO REVELAR.
En un entorno de producción inteligente, un poco de comprensión del proceso es muy útil
En ADM, las capacidades estadísticas multivariadas son clave para generar mejoras y optimización de procesos que escalan a los sitios de producción en todo el mundo.
Desafío : Con la adopción de sistemas de producción completamente automatizados en los sitios de ADM en todo el mundo, los ingenieros de tecnología encargados de impulsar la mejora proactiva y la habilitación de análisis enfrentan el desafío de replicar los éxitos a escala.
Solución : ADM estandarizado en torno a JMP® Pro, un software de descubrimiento estadístico que proporciona una amplia gama de herramientas para validación, optimización de procesos, análisis multivariado y personalización. “JMP Pro realmente permite que las personas trabajen más rápido”, dice Isaac Himanga, ingeniero de análisis sénior, y agrega que, en su estimación, lo que solía tomar 15 minutos ahora toma solo uno. “Multiplicas eso por 100 usuarios y todos los análisis que hacen en un año, y tiene un gran impacto”.
Resultados : Además de reducir el tiempo dedicado al acceso y la preparación de datos, JMP Pro ha ayudado a los ingenieros de ADM a ajustar el control de procesos y resolver problemas costosos de variación y validación de procesos. Además, el equipo ha encontrado formas de aprovechar el conocimiento del proceso obtenido de un proyecto de optimización para mejorar el SPC en otros sitios a través de paneles y complementos de JMP con secuencias de comandos. Dice Himanga: "Lo pusimos en línea; esa es una excelente manera de replicar [el impacto] muchas veces".
______________________________________________________________________________________
Archer-Daniels-Midland Company (ADM) es un actor importante en la industria alimentaria mundial con una amplia cartera de ingredientes y sabores para todo, desde cereales para el desayuno hasta multivitaminas para el ganado. Al aprovechar sus capacidades en toda la cadena de suministro, ADM ha revolucionado la forma en que las materias primas naturales se transforman en alimentos básicos para cientos de millones de consumidores en todo el mundo. Además, la empresa ahora está utilizando su influencia para impulsar soluciones sostenibles en tecnología agrícola y procesamiento de alimentos.
Gran parte de la capacidad de innovación de ADM en los últimos años se puede rastrear directamente a su transformación analítica. La adopción generalizada por parte de la empresa de sistemas de datos y TI de última generación ha catalizado un cambio radical en la forma en que se optimizan la eficacia y la eficiencia de los procesos en cada etapa del proceso de producción.
“Hemos visto un impulso cada vez mayor para las iniciativas de análisis en ADM”, dice Isaac Himanga, ingeniero de análisis sénior. Esa oleada de apoyo para la habilitación de análisis, explica, se produjo en parte cuando ADM se reorganizó en torno a centros de excelencia, uno para mejora y uno para análisis, que establecieron roles más interdisciplinarios para ingenieros de tecnología que, al igual que sus contrapartes de ingeniería de procesos, son expertos en la materia para cada uno. proceso individual. El otro motivador, agrega, fue simplemente demostrar valor a través de una serie de estudios de casos de alto perfil: “Se necesita tiempo para que las personas se pongan al día, pero solo hay que hacer que superen el bache inicial. Ayuda aprovechar una oportunidad en la que entendemos bien el proceso para hacer mucho trabajo en una cantidad mínima de tiempo para demostrar la mejora”, dice.
A medida que la capacidad de análisis de ADM se elevó gradualmente a través de capacitaciones y actualizaciones de la infraestructura de datos, explica Himanga, los equipos comenzaron a ver que Excel ya no era adecuado para su propósito. “Estábamos tratando de tomar estas herramientas de análisis y usar nuestros datos para tomar mejores decisiones”, dice.
Las demandas de sistemas de control de procesos y automatización más avanzados los llevaron a JMP® Pro, un software de descubrimiento estadístico que ha sido un socio clave para ADM no solo en la transformación cultural, sino también en muchas de las primeras pruebas de concepto del equipo de análisis.
Alejarse de la resolución reactiva de problemas
Al igual que cualquier corporación multinacional que opere entre el procesamiento de alimentos y los mercados de productos básicos, ADM tiene muchos millones de datos de series temporales y la misma cantidad de etiquetas. Además, ADM a menudo adquiere nuevas instalaciones, muchas de las cuales, en el momento de la adquisición, dependen de sistemas analógicos obsoletos y deben actualizarse con tecnología de detección digital. Himanga explica que tener en cuenta las deficiencias en los sistemas anticuados ha presentado una oportunidad para escalar las mejoras y procesar el conocimiento de los sitios emblemáticos de última generación de ADM.
En las muchas instalaciones de producción global de ADM, dice, Industry 4.0 ha demostrado que había brechas en la instrumentación existente y ha demostrado el valor comercial de resolver los desafíos de los sistemas de datos. “Hay cosas que aprendimos en una instalación que nos dimos cuenta de que podíamos replicar en otras”, explica. "[Esta escalabilidad] ahora nos permite avanzar más rápido y centrarnos en mejoras específicas".
Hoy en día, el cometido de Himanga radica tanto en proyectos de solución de problemas puntuales (por ejemplo, reducir el vapor, aumentar el rendimiento o resolver un problema de calidad) como en proyectos en los que él y sus colegas buscan oportunidades para aumentar los ingresos y reducir los costos. “Estamos poniendo mucho esfuerzo en el análisis proactivo”, dice. “Tomemos como ejemplo la detección de anomalías. Podemos identificar variables o partes de un proceso que funcionan de manera anormal y luego usar nuestra plataforma para ayudar a encontrar problemas antes de que realmente se manifiesten afectando la calidad o el rendimiento”.
Con su flujo de trabajo de análisis sencillo y plataformas que permiten enfoques avanzados como el modelado multivariado, JMP Pro ha abierto de par en par el campo de posibilidades en lo que respecta a la mejora. Himanga no solo ha descubierto áreas donde se recopilaban datos pero no se utilizaban, sino que también ha identificado innumerables oportunidades para pasar de un enfoque reactivo tradicional a un modelo más proactivo.
“En muchos casos, haremos un gran proyecto de análisis y resultará que incluso el punto de ajuste fue suficiente para comenzar y apuntar en la dirección correcta”. él dice. “Tenemos que equilibrar no gastar demasiado tiempo en ninguna oportunidad de optimización porque hay muchas oportunidades por ahí. Comenzaremos a optimizar algo, haremos recomendaciones y, cuando la instalación obtenga una mejor instrumentación, podremos regresar y hacer una versión dos”.
La estandarización en torno a JMP Pro ayuda a escalar los éxitos en las instalaciones globales de ADM
Además de su gran presencia en América del Norte, ADM ahora tiene importantes operaciones de fabricación en Europa, Brasil y la región de Asia Pacífico. Al adoptar un enfoque global para la excelencia analítica, Himanga y sus colegas han aprovechado oportunidades únicas para escalar el valor comercial creado a través de mejoras de ingeniería.
“En lugar de que alguien se concentre solo en su propia región geográfica, mezclamos y combinamos intencionalmente para que cada [miembro del equipo aporte una nueva perspectiva] a las plantas en otras partes del mundo”, dice. Los enfoques creativos y basados en datos para la resolución de problemas trascienden las fronteras nacionales, y las herramientas comunes ayudan a las personas a superar las barreras culturales y de idioma que, de otro modo, podrían impedir la colaboración.
“Nuestra visión es que todos los ingenieros, tal vez incluso todos los gerentes, pasen por un conjunto estándar de capacitación para que todos hablemos el mismo lenguaje sobre el análisis de datos”, dice Himanga. “Pero para hacer eso, necesitábamos estandarizar una herramienta”. JMP Pro proporcionó un mecanismo para escalar actividades de tiempo y valor agregado, particularmente porque la función de secuencias de comandos de la herramienta permitió a los expertos en análisis implementar rápidamente personalizaciones.
El “motor de modelos JMP” reduce 15 veces el tiempo de acceso a los datos
Uno de esos complementos creado por Himanga y su equipo extrae datos a JMP Pro directamente desde el historial de datos de ADM. El complemento, lo que Himanga llama un "motor de modelo JMP", puede extraer información de un sistema de origen a una PC de escritorio. Luego, al ejecutar el script con nuevos datos y enviar los resultados al historiador, gran parte del proceso de acceso a los datos está completamente automatizado, explica; los usuarios pueden pasar del análisis fuera de línea a puntuar un modelo en línea con relativa rapidez.
“Acceder a los datos solía ser una gran parte del trabajo, especialmente para proyectos pequeños... y podías pasar mucho tiempo haciéndolo”, explica. “Pero nuestro complemento personalizado ahora se encarga de todo ese trabajo. Puede escribir una etiqueta en JMP y obtendrá los datos y le dará un script. Y si mañana quiere ver el mismo gráfico usando datos más recientes, todo lo que tiene que hacer es copiar y pegar el gráfico, juntar los scripts y hacer clic en 'ejecutar'”.
Himanga estima que la automatización de los procesos de acceso a datos en JMP Pro ha reducido lo que solía tomar 15 minutos a solo 1. “Y si multiplicas eso por 100 usuarios y todos los análisis que hacen en un año, ¡realmente suma! JMP realmente permite que las personas trabajen más rápido”, dice. “Tenemos suficientes casos de uso positivos ahora que la gente está hablando. Las personas que alguna vez estuvieron entre los escépticos están comenzando a decir 'bueno, las otras plantas ya lo han hecho. Yo también quiero ese beneficio'”.
Los tableros automatizados promueven un control de procesos más estricto
Aparte del entusiasmo, Himanga tiene claro que la transformación de la analítica no es algo que suceda de la noche a la mañana, incluso con las herramientas adecuadas; más bien, es un proyecto a largo plazo y un viaje. Los procesos de mejora pueden tardar 6 meses, pero el conocimiento del proceso que generan vale la pena la inversión.
Para ilustrar, Himanga comparte ejemplos de dos iniciativas relacionadas con procesos donde las estadísticas multivariadas en JMP Pro resolvieron un problema que de otro modo no tendría solución. En un caso, los problemas de producción habían afectado a uno de los molinos húmedos de maíz de ADM donde se producen gránulos de gluten de maíz. A veces, la solución líquida de maíz no pasaba por el molino tan rápido como se necesitaba, pero los operadores no podían identificar la fuente de variación.
“La causa fue realmente difícil de identificar, ya que un solo molino puede tener millones de puntos que potencialmente podría mirar, junto con un montón de parámetros de calidad y más entradas de las que posiblemente podría graficar en Excel”, explica. “Tuvimos mucha gente trabajando en este problema durante años. Pero realmente se exacerbó hace dos años hasta el punto en que la planta en su conjunto se estaba desacelerando”.
“Así que usamos JMP para observar las miles y miles de etiquetas con diferentes tiempos de retraso. Era un conjunto de datos realmente grande y terminamos usando todas las diferentes plataformas en JMP. Al final, hicimos un arranque del conjunto de datos para identificar a los candidatos más probables. Luego pudimos usar las herramientas multivariadas en JMP para identificar el beneficio real y en seis meses, encontramos nuestra respuesta. Nos dimos cuenta de que teníamos que ejecutar el proceso de cierta manera. Unos meses después de eso, estábamos viendo mejoras”.
En otro estudio de caso, Himanga y sus colegas identificaron un patrón en cómo y cuándo los operadores enfriaban el equipo utilizado para crear un producto de harina de soya que a menudo se vendía a los clientes como un aditivo refinado según especificaciones personalizadas. Antes de analizar los datos en JMP Pro, el equipo no había podido comprender por qué el mantenimiento y la refrigeración de los equipos tenían un impacto tan variable. Sin embargo, mediante el uso de análisis para desarrollar la comprensión del proceso, Himanga pudo definir un conjunto de pautas para ayudar a los operadores de la planta a saber con precisión cuándo enfriar la línea de producción. Luego lo llevaron un paso más allá.
“Nos dimos cuenta de que no necesitábamos guiarlos en absoluto; podíamos hacer que la computadora lo hiciera por nosotros”, explica. Ahora los operadores pueden simplemente mirar un tablero actualizado automáticamente para ver cuándo deben cerrarse las válvulas de vapor de la línea de producción.
“[Este tablero] brinda una respuesta consistente en todos los operadores, en todos los diferentes turnos y da como resultado un control más estricto. Y JMP nos ayudó a hacer eso no solo en esa instalación, sino también en otras”, dice Himanga. “A veces hay diferentes escenarios que provocan diferencias de humedad. Pero con JMP, podemos identificar rápidamente los factores clave, construir un modelo y generar una recomendación que pueda mitigar esas fluctuaciones. Luego lo ponemos en línea. Es una excelente manera de replicar [el impacto] muchas veces”.
