En el corazón de los procesos industriales, se recopilan y almacenan cada vez más datos. Estos datos reflejan el comportamiento del proceso, y la identificación de su contenido en tiempo real es clave para el éxito.
A partir de un caso de estudio basado en datos meteorológicos, se abordan todos los pasos necesarios para maximizar el impacto de los datos industriales y la toma de decisiones lo más cerca posible del proceso.
Por lo tanto, el uso de una API Rest, o acceso a bases de datos, para obtener información en tiempo real es crucial. En este caso, la solicitud HTTP se utiliza para cargar periódicamente el pronóstico meteorológico de los próximos siete días para Manchester. Tras la preparación automática de datos mediante el análisis JSON para definir los límites de especificación, se generan automáticamente informes de JMP Live. Estos informes pueden incluir elementos visuales interactivos o herramientas de monitorización estadística, como gráficos de control. Esta monitorización del SPC sigue un conjunto de restricciones vinculadas al espacio de diseño de aceptación meteorológica e incluye alarmas si se producen desviaciones. Estas alarmas notifican por correo electrónico a todos los interesados sobre la existencia de desviaciones para que puedan reaccionar en consecuencia. De esta forma, toda la cadena de SPC (acceso a datos, preparación de datos, informes, actualización de gráficos de control y comunicación en tiempo real) está completamente automatizada en JMP Live.
Hola a todos y bienvenidos a esta presentación titulada "¿Debería llevar mi paraguas a Manchester?: Analogía de la monitorización de procesos". Soy Florence Kussener, ingeniera principal de sistemas en JMP y me incorporé a JMP en Francia hace 12 años.
El propósito de este tema es crear un caso práctico que reproduzca todos los pasos de la monitorización de procesos que puede tener en su trabajo diario. Desde la definición del problema, la recopilación de datos, el análisis, el intercambio de información (muy importante, y a lo que dedicaré tiempo) y la actualización de todos estos pasos. Otro aspecto importante de la monitorización de procesos es la mejora. Dedicaré todo mi tiempo a ello. Es mi programa para esta sesión.
Después de eso, quería tener datos accesibles y actualizados regularmente. Para este proceso, utilizo datos meteorológicos. La definición y los datos de evaluación de la situación que tengo para esta sesión indican que, cuando hay que preparar un viaje, hay que empacarlo todo. La pregunta es: ¿necesito un paraguas, un abrigo o lo que sea? Para responder a esta pregunta, hay que consultar el pronóstico del tiempo.
Lo habitual ahora es tener alguna aplicación en el teléfono o en la computadora para consultar la predicción del tiempo. Esto es exactamente lo que haré con todo en JMP: ¿puedo reproducir todos estos pasos en JMP?
Previamente, necesito definir mi espacio de diseño. Normalmente, en el trabajo diario, para definirlo, el mejor enfoque es usar el diseño experimental. Sea cual sea el diseño experimental, en algunas situaciones, puede que cuente con datos. Quizás sus datos históricos le brinden una idea de su espacio de diseño. Si no son suficientes, puede combinarlos con su DOE.
Al final, lo importante es encontrar dónde se puede variar la información de entrada para alcanzar la calidad del producto. En mi caso, es un poco diferente. Creé datos y este proceso durante el verano, así que no tengo datos de invierno. No puedo crear un espacio de diseño basado en datos meteorológicos. Es imposible. Necesito explorar diferentes indicadores, así que, para mi situación, elijo la temperatura y la precipitación.
Lo que hice fue crear un diseño uniforme que llenaba el espacio y rellenar los datos con información a priori. Pueden ver que tengo mi temperatura y precipitación, y escribo mi sensación entre 1 y 10. Podemos ver que tenemos un área de aceptación resaltada en verde con mis dos cuadrados.
El primero es este, y es en el que nos centraremos hoy, con una precipitación no muy alta y una temperatura entre 8 y 30 grados. Claramente, me enfrío rápidamente si estoy por debajo de los 8 grados. Por encima de los 30 grados, puedo estar bien, pero depende de la situación; no siempre es aceptable.
Podemos ver que en la otra zona hay más lluvia cuando estamos cerca de cero grados y con mucha precipitación. Esto se debe a que me gusta esquiar y hacer snowboard, así que me siento muy feliz en esta situación. Pero en Manchester no es así. No estamos en los Alpes. No vamos a esquiar ni hacer snowboard. Estoy centrado en esta zona, por lo que la precipitación será inferior a 1,5 grados y la temperatura entre 8 y 30 grados.
Después, necesito algunos datos. Normalmente, cuando se trata de datos con fechas regulares, se trabaja con bases de datos, por ejemplo, la base de datos UDBC es, diría, el comando "month", pero no solo podemos tener datos como... Algunas personas usan Excel o CSV como base de datos.
En mi caso, usaré algo un poco más específico: una API. Esta API me permitirá conectarme al sitio web de Visual Crossing y realizaré una extracción de datos mediante una solicitud HTTP.
Echa un vistazo al sitio web para que veas su contenido... Debería abrir mi sitio web. No sé por qué está tan largo hoy. En resumen, mientras se lanza, este sitio web es muy bueno porque tiene diferentes parametrizaciones que puedo realizar.
Primero, puedes elegir la ciudad que buscas. En esta sesión, buscamos Manchester, pero puedes elegir tu ciudad. Puedes elegir el periodo de tiempo. ¿Quieres 15 días, un rango de fechas, periodos dinámicos, solo dos días, los últimos siete días? Puedes usar los últimos siete días o los próximos siete si lo deseas. Puedes elegir tu periodo y tu sistema métrico. Soy francés, así que uso grados Celsius, pero puedes cambiarlo.
También puedes indicar qué es importante para ti. ¿Quieres información diaria o por hora? ¿Qué indicador buscas? Recopilé algunos datos, aunque no los tomé todos, pero puedes ver que puedes consultar la humedad, las precipitaciones, la probabilidad de precipitaciones, si hay nieve o no. ¿Tienes alguna idea de la temperatura, que puede ser diferente a la temperatura real? Tienes el viento, la radiación solar y toda la información relacionada.
Aquí tienes la tabla de datos. Puedes encontrarla en otros formatos, y eso es lo que me interesa porque puedo tener los datos en JSON, por ejemplo (creo que me interesa), y ya puedo tener un gráfico. Pero lo que me interesa es que este sitio web crea la API. Es una URL relacionada con toda la parametrización que realicé anteriormente.
Aquí tengo esta URL y puedo usarla. Si quiero usarla, como pueden ver, en la URL se necesita lo que llamamos la clave API. Deben registrarse y crear una clave API. Es lo que hice. Pueden ver que generé una clave API. Ese es el nombre que le puse. También especifico una variable para la ciudad, ya que mi script puede cambiar fácilmente. Si quiero ver qué está pasando en París, puedo cambiar las cosas fácilmente.
Aquí pueden ver la URL, que es un poco más compleja que la anterior. Pueden ver que quiero los próximos siete días, por lo que estoy recopilando información de predicción. Pueden ver qué parámetro específico necesito. No lo tomé todo. Solo tomé los datos de temperatura, precipitación, viento y radiación solar.
Digo que quiero la información del día, pero también hay información sobre las horas. Aquí pueden ver que tengo mi clave API. Al final, quiero una salida como archivo JSON, ya que JMP se maneja bastante bien con archivos JSON, así que es lo que solicito.
Ahora tengo mi solicitud HTTP donde indico que quiero obtener la información del sitio web. Después, solo tengo que pasar el archivo JSON. Podemos ver que tenemos dos niveles en este archivo JSON: uno relacionado con los días. Para cada día, tengo información sobre la hora. Por eso tengo un segundo nivel para el tercer elemento. Pueden ver que, de nuevo, tengo información sobre la hora.
Aquí al final, tengo mi tabla de datos. Pueden ver que esta captura de pantalla se realizó en diciembre. Pueden ver que tengo los siete días de recopilación y, para ser honestos, el día real. Pueden ver que esta es la recopilación del 5 de diciembre. Pueden ver que tengo del 5 al 12, es decir, siete días. Pero también recopilo la información real, es decir, lo que sucedió ayer.
Esto me permitirá hacer una comparación al final. Podemos ver la variación de la precipitación, lo que indica un valor atípico en la precipitación y la variación de la temperatura. Esta semana de diciembre, la temperatura programada estuvo entre -2 y 12 grados.
Para el análisis, creé diferentes herramientas. Probablemente ya conozcas algunas. Simplemente creé una gráfica donde introduje la temperatura real y, en amarillo, el relleno. Podemos ver que a veces hay valores atípicos de la temperatura real en comparación con el relleno.
Aquí también tengo un mapa de calor que me da información sobre los cambios de tiempo. Pueden ver que los tres primeros días son más fríos que los siguientes, donde hay días más fríos. Este es para la temperatura. Tengo un selector de dos puntos para poder cambiar si quiero comprobar otras cosas, y tengo el equivalente como gráfico de control.
Podemos observar lo mismo. Temperaturas muy bajas al principio de los próximos siete días y en los siguientes. Lo que podemos observar es que tengo mi límite especificado, que establecí como límite de control, para poder verificar rápidamente cuándo estoy fuera de él y tengo algunas alarmas. En cuanto estoy por debajo de los ocho grados, veo que tengo una alarma activada, y en cuanto estoy por encima, un poco por debajo de los 30 grados, pero no es el problema en esta época del invierno. Pero podemos ver que, en esta parte, estoy bien.
Otro informe que me gusta mucho al realizar SPC es el informe de Cribado de Procesos, que me permite obtener una visión general de todos los parámetros simultáneamente en un solo informe. Podemos ver que, para los diferentes elementos que recopilé, como la temperatura, la velocidad del viento, la probabilidad de precipitación, la dirección del viento, la radiación solar y la precipitación por hora, este informe me proporciona la estabilidad, algunas alarmas y la frecuencia de las diferentes alarmas; en mi caso, la alarma uno es la más importante.
Podemos ver que tenemos nuestro CPK y PPK. Claramente, tenemos un CPK negativo para la temperatura. Tenemos una buena situación para esta semana en cuanto a la velocidad del viento, lo cual es genial. No hice ninguna declaración sobre la dirección del viento en Manchester porque desconozco el impacto del clima y la sensación térmica según la dirección del viento en Manchester. Pero en ese caso, puede ser útil.
Creo que, por ejemplo, en el sur de Francia, dependiendo del viento, no tenemos el mismo tiempo que en las próximas horas y días. Es una herramienta diferente que creé para el análisis y el seguimiento de los datos.
Una vez realizado el análisis, es necesario compartirlo. Normalmente, hay dos maneras de hacerlo con JMP. La primera, más avanzada, consiste en usar una tabla de datos, que será el primer paso. Comparto mi tabla de datos con la otra persona y con el script adjunto, para que puedan ver lo sucedido.
También puedes usar JSL, lo que te ayudará a automatizar más y a ejecutar tu JSL. Si te gusta este JSL, puedes añadirlo a un complemento. Es muy fácil, ya que enriqueces tu entorno JMP con tu propia herramienta y puedes compartirla con los demás.
La única dificultad sería, diría yo, la dificultad de mantenimiento en ciertas situaciones. Si actualizo mi JSL o mi complemento, necesito compartirlo de nuevo con los demás. Para ello, se necesita JMP. A veces, es necesario compartir el gráfico de control con personas que no realizan análisis. Solo necesitan ver qué está sucediendo, cuál es la tasa de defectos y qué decisión debemos tomar considerando esta tasa.
En esta situación, cuando se necesita compartir con usuarios que no son de JMP, se crean informes estáticos fáciles de compartir, pero con un uso restringido de las funciones de JMP. Sin duda, se pierde toda la interacción. Se tiene un informe estático y su gestión. Es necesario implementar una solución de gestión alternativa.
En mi caso, utilizo informes web a través de JMP Live. La gran ventaja es que es fácil compartirlos. Mantengo la flexibilidad y la interactividad de JMP. Puedo compartirlos con usuarios de JMP, pero también con quienes no lo son. Puedo restringir el acceso a este informe. Esto implica ciertas medidas de seguridad importantes.
El problema es que todo el flujo de trabajo se puede validar. En este caso, cuando el flujo de trabajo está validado, como en GSL, pero para una empresa farmacéutica (estoy pensando en ellos), la validación de todos los pasos es importante. Es muy útil tener todo este flujo de trabajo validado en el servidor, ya que compartirá todo.
Puedes ver que tienes el mismo informe que hice antes. Revisemos su contenido. Aquí estoy abriendo mi página web. Tengo que revisar la seguridad. ¿Tengo derecho a revisar este informe? Mi nombre ya está guardado. Me acuerdo. No habrá problema. Puedes ver que soy Florence. Soy la propietaria de este informe. Tengo un informe diferente. Vemos lo mismo.
Podemos ver cuándo se actualizó este informe. Hoy es 19 de enero, pero mi informe se actualizó el 15 de enero; volveré sobre este punto más adelante. Por ejemplo, si reviso lo que está sucediendo, podemos ver que en Manchester se programó esta semana la predicción de datos.
Esta semana estaba prevista bastante fría hasta el fin de semana, así que este fin de semana tendremos un cambio de temperatura en el Reino Unido. Podemos ver la evolución de las precipitaciones. Vemos que las temperaturas han mejorado, pero es posible que tengamos algún día lluvioso, muy lluvioso, el 21. La radiación solar será la contraria. Si llueve, hay nubes, por lo que hay menos radiación solar, y podemos ver la evolución de la velocidad del viento: el 21 será lluvioso y ventoso.
Es la primera consulta que puedo hacer. Seguramente tenemos el otro informe, como el de Evaluación del Proceso, que puede destacar estos diferentes aspectos. Verán que eliminé la dirección del viento al final de este informe, así que podemos ver que el viento está bastante bien, pero la temperatura es muy baja. Tenemos un Ppk y un Cpk negativos, así que no es una buena situación. En un proceso real, sería una situación muy mala.
Si miro el gráfico de control, pueden ver que es un poco específico. Está resaltado por esta bandera roja que también pueden ver. Me indica que tengo una advertencia activa. ¿Qué significa? Significa que las advertencias que activé en mi entorno JMP también aparecen. Puedo ver que sí, tengo algunas advertencias. Solo tengo unas pocas horas en las que la temperatura superará los ocho grados en toda esta predicción de toda la semana.
Tengo una advertencia, pero no solo sobre la temperatura. Vemos que sí, necesitamos paraguas este fin de semana porque hay precipitaciones programadas. Vemos que no tendremos radiación solar este fin de semana y que sí, tendremos viento.
Diría que la parte analítica de mi mapa de calor (el mapa de calor anterior), pero aquí con más análisis y mi gráfico de control, muestra mis advertencias. Si reviso este resumen, puedo ver la proporción de advertencias en cada gráfico de control. Aquí veo una cantidad muy alta de advertencias: el 94 % de mis puntos están fuera de mi límite de control, lo cual es una situación preocupante, como mencioné. En cuanto a la precipitación, solo tengo 3, es decir, 6. En cuanto a la velocidad del viento, tengo un 10 %.
En este ejemplo, solo activé la Prueba 1 porque es la única que tiene sentido, pero puedes usar la otra; por ejemplo, ¿tengo alguna que aumente o disminuya? En mi caso, si uso aumento y disminución, recibiré una advertencia diaria, pero no tiene sentido. Debido a que la temperatura cambia durante el día, por ejemplo, no las activé, pero puedes activar la advertencia que quieras.
Esto [inaudible 00:20:45] es colaborativo. Significa que si tienes una situación específica en tu gráfico de control o en cualquier informe, y quieres hacer comentarios, puedes escuchar, describir tu observación y también etiquetar a otro usuario para que actúe.
Todos los comentarios se almacenan aquí. Puedes abrirlos en JMP. Si necesitas realizar trabajos más avanzados, como un análisis de causa raíz, puedes abrirlos en JMP. Se descargará el conjunto de datos en JMP, lo que te permitirá explorarlos. Si te interesa este informe, puedes guardarlo en tus marcadores. Aquí tengo un conjunto de informes guardados, así que el informe de algún colega o usuario es muy útil y lo guardo en mis marcadores. Puedes compartirlo.
Lo que quería mostrarles, muy específicamente sobre el gráfico de control, es que pueden crear una suscripción. Volveré a hablar de eso, pero crear una suscripción al gráfico de control significa que recibirán una notificación cuando tengan alguna advertencia, por lo que recibirán un correo electrónico. Pero veremos eso más adelante.
Aquí tengo mis cuatro informes, que puedo compartir con quien quiera. Si vuelvo a mi diapositiva, vieron que el objetivo de este informe es compartirlo y colaborar con toda la organización. Pero algo muy útil es que se puede automatizar la publicación. Esto significa que, como acabo de mencionar, se puede suscribir al informe, pero cuando lo hicieron, les mostraré lo que sucedió.
Como soy el propietario del informe, pueden ver que cada vez que se actualiza, recibo este tipo de correo electrónico. Esto me indica que la publicación de datos se ha actualizado correctamente. Simplemente, como soy el propietario del informe, no todos lo reciben.
En cuanto a la advertencia del gráfico de control, quienes se suscriban al informe la recibirán. El lunes, al actualizar los datos, recibí un informe que indicaba que tenía una advertencia del gráfico de control. La información era exactamente la misma que en mi informe. Veo una tasa de advertencia del 94 %, la misma que vimos antes, y podemos ver cuándo llega la advertencia.
Sé que ocurrirá ahora. Estamos en una situación muy fría, así que es ahora. Si alguna vez busco, por ejemplo, el otro, podemos ver las precipitaciones; me las envían en el informe. El 15 me dijeron que habría algunas precipitaciones, pero en pocos días.
Puede darte una idea de si se trata de una crisis que ya cubrí o de algo nuevo que aparece en mi gráfico de control. Si hago clic en el enlace, voy directamente a la página web. No soy yo quien va a abrir... Vamos a abrir el gráfico de control y comprobar si algo está sucediendo. Ahora es el gráfico de control el que me dice: "Oh, algo está sucediendo". Si no ha sucedido nada, seguro que no necesito perder tiempo en eso.
¿Cómo funciona? De hecho, si vuelvo, se abre directamente en el gráfico de control. Si vuelvo, verán que tengo diferentes archivos relacionados con mi... Tengo mi informe y también el conjunto de datos. Este conjunto de datos... pueden ver que tengo un historial. Este historial está ahí. Pueden ver mi historial; anteriormente, a principios de diciembre, recopilaba información a diario. Pueden ver que se actualizaba a diario.
Ahora mismo, decidí cambiar y configurar un programador semanal. Como pueden ver, ahora extraigo los datos semanalmente. ¿Por qué? Porque me di cuenta de que, en el sitio web, tengo derecho a acceder a cierta cantidad de datos. Actualmente, entro en los pagos, así que no quería hacerlo. Decidí configurar la actualización semanal de los datos, sabiendo que no estaré en Manchester hasta marzo, así que no necesito recibir información diaria en un correo electrónico.
¿Cómo lo hice? Aquí, si voy a la configuración, pueden ver que tengo la información de que quiero que se envíe todos los lunes a las 22:00, es decir, las 22:00 en la zona horaria del Reino Unido. En mi zona horaria, son las 11:00. Por eso tengo un correo electrónico a las 11:00. Puedo repetirlo. Si no quiero que se envíe todos los días, pero con una frecuencia más real, puedo hacer algunos ajustes. Puedo hacerlo incluso cinco minutos si quiero, o cada hora, o cada 12 horas. Es como quieras. Simplemente lo puse.
Puedes especificar que lo quieres cada hora, pero solo en horario laboral, evitando así la información por la noche, por ejemplo, y puedes establecer una fecha de vencimiento. Puedes tener varios programadores. Por ejemplo, uno semanal y otro horario. Puedes tener un mapeo para fines de semana, vacaciones o trabajo diario.
A la izquierda, encontrarán un script. Este script gestiona todo el acceso y la preparación de datos que realicé. Pueden ver que tengo el acceso con mis claves API, la ciudad, el límite de especificación que establecí y la URL. Pueden ver exactamente el mismo código que les mostré en mi diapositiva anterior con toda la preparación de datos que establecí, incluyendo el límite de especificación en mi propiedad y todo lo demás.
Todo mi conjunto de datos y mi tabla de datos están listos. Finalmente, debo indicarle a JMP qué tabla de datos usaré. Dado que tengo tablas de datos diferentes, es necesario confirmar con un recordatorio de la tabla de datos actual. Aquí se usa mi clip de actualización para la actualización. Aquí se puede colocar el script fuente; a veces es diferente, a veces no. El script fuente se puede guardar allí. La credencial asignada es más importante cuando se está conectado a una base de datos real; es posible que se deban asignar credenciales a algunas personas.
Aquí pueden ver que pueden ver los datos, por supuesto, lo que abrirá una cuadrícula de datos, pero lo que quería mostrar es que pueden solicitar la actualización de los datos. Al hacerlo, pueden ver que el script de actualización se está ejecutando. Si regreso a mi tabla de datos, pueden ver que se han regenerado los diferentes informes. Puedo regresar a mi generador de gráficos de control, por ejemplo, y podemos ver que ahora tengo la información del día actual al siguiente.
Lo que ocurre en mi buzón es que estoy recibiendo un correo electrónico que me informa de una actualización de mis datos. Otro correo electrónico que recibí indica una advertencia sobre el gráfico de control, y como pueden ver, la frecuencia de advertencia es menor. Estamos a las 11:38 del día 19, y tengo menos advertencias. Además, la temperatura parece estar un poco más alta. Es muy conveniente contar con esta automatización a través de JMP Live para poder tomar decisiones rápidamente y en tiempo real, según la evolución de los datos.
Lo último que quería comentar antes de concluir la mejora. Durante la supervisión de procesos, incluso si defines muy bien tu espacio de diseño, puedes experimentar alguna crisis o situaciones diferentes. Si surge una crisis, estás en modo bombero, pero quizás estés en la dirección de la mejora continua de procesos.
Quizás se produzca un cambio, como un equipo o cualquier otra materia prima. Es necesario realizar un análisis y diseñar un experimento para comprobar si todo funciona correctamente. Pueden surgir nuevas limitaciones; por ejemplo, muchas empresas se ven afectadas por las limitaciones ecológicas relacionadas con el oxígeno y el carbono que aparecen en el proceso de fabricación.
En algunas situaciones, quizás sea necesario definir qué métrica es crítica, ya que recopilar datos tiene un costo. A veces, se tienen datos muy correlacionados o que se recopilan pero que no son tan importantes. Quizás también sea necesario definir qué métrica es crítica. En mi caso, dado que tengo datos de predicción, la situación es un poco diferente. No puedo realizar un análisis de causa raíz, pero recuerde que el costo de la adquisición de datos es alto si se adquieren demasiados.
Empecé a pensar: ¿realmente necesito recopilar datos a diario o quizás basta con recopilarlos semanalmente? ¿Cuál es la calidad de la predicción? Recopilo los datos y compruebo qué sucede: cuál es la diferencia entre los datos reales, la realidad y la predicción.
Aquí, cuanto más claro es el color, mayor es el día de predicción. En esta situación, no pude sacar muchas conclusiones, así que creé una predicción de variación de distancia por día. Así que podemos ver que este es mi objetivo. Si nos fijamos en el primer día, ¿cuál será la predicción para hoy? Aquí estoy con este rojo intenso. Podemos ver que, a medida que tenemos más días para predecir, la luz es cada vez más clara y la distancia es mayor. Parece que sí, podemos hacer un esfuerzo con el día, pero no demasiado, porque de lo contrario, habría una gran diferencia de temperatura.
Aquí recopilo datos de un mes. Observo que, al obtener la información de la temperatura diaria, me concentro en ella. Observo que la mediana es menor que uno, y así sigue siendo hasta hoy. Después, observo que la media aumenta gradualmente hasta llegar a dos durante seis días.
Pero lo importante para mí es mi sensación. La media es una cosa, pero quería centrarme en la máxima diferencia. Si observo la máxima diferencia, podemos ver que el día anterior o el anterior es aproximadamente equivalente, y después hay un salto. Aquí ven el máximo. Es claramente equivalente, pero después, realmente hay un salto. Parece que los tres primeros días puedo tomar una medida cada tres días.
Al observar más de cerca, podemos ver que aquí tenemos algunos valores atípicos en nuestros tres primeros días. Si observamos estos tres primeros días, vemos que hay un día que marca una diferencia, un valor atípico para los dos primeros días. Cada vez es el 25 de noviembre. Recopilé todos los meses de noviembre, por lo que es el 30 de noviembre. Podemos ver que después aparece otro día con diferencia: el 21 de noviembre.
Si miro el 25 de noviembre, vemos claramente que la realidad dista mucho de lo programado, mucho más frío. Si reviso los datos de todos los meses, podemos ver —es decir, solo las mediciones reales— que sí, el 25 hubo un cambio de temperatura muy grande. Incluso aparece en las noticias. Vemos el primer sistema en gran parte del Reino Unido y la temperatura bajó de cero. Si nos fijamos, es el 25 de noviembre. Parece que hubo un cambio muy grande que no estaba programado.
Finalmente, para asegurarme de no equivocarme con este valor atípico, decidí eliminarlo. Al eliminarlo, observo que hay cierta diferencia entre las predicciones para hoy y mañana; son bastante parecidas, pero un día después, empezamos a notar cierta diferencia.
Decidí mantener la recopilación un día sí y otro no, es decir, cada dos días. Podemos ver que, si realizo una prueba de 2K, la media no parece ser diferente si la recopilación se realiza todos los días o cada dos días. En definitiva, es algo que podemos cambiar. Les mostré anteriormente la página web donde puedo indicar: "Bien, quiero recopilar la información cada dos días y no todos los días". Por ahora, es semanal, pero pueden cambiarlo fácilmente.
Para concluir con este ejemplo sobre el clima, logré reproducir todos los pasos de monitoreo del proceso, desde la definición del espacio de diseño hasta la actualización. Todo este paso se ha actualizado. Una vez definido, realizo la actualización con la recopilación, el análisis y el intercambio de datos, que se automatiza diariamente.
A partir de la mejora, cuando realizamos alguna mejora, normalmente trabajamos en la definición del espacio de diseño. En mi caso, utilizo un enfoque de mejora para explorar los datos y comprobar cuál es la conexión más adecuada a la base de datos.
Espero que hayas notado alguna correlación con tu trabajo diario en tu planta de fabricación y todo el control de tus procesos. Si tienes alguna pregunta, con gusto la responderé. Que tengas un buen día.
