| Vocero |
Transcripción |
| Shamgar McDowell |
Maya Angelou dijo la famosa frase: «Haz lo mejor que puedas, hasta que sepas más. Entonces, cuando sepas más, hazlo mejor». Buenos días, buenas tardes, buenas noches. |
| |
Espero que estés disfrutando de la Cumbre de Descubrimiento JMP y que estés aprendiendo mejores formas de hacer las cosas que necesitas hacer. |
| |
Soy Shamgar McDowell, ingeniero sénior de confiabilidad y análisis en GE Gas Power. Llevo 15 años en GE y he trabajado en las áreas de 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 se enfrenta a un desafío similar al que voy a describir. A medida que les explico cómo abordamos este desafío, espero que nuestro tiempo juntos les brinde algunas ideas para reflexionar mientras buscan mejorar los flujos de trabajo en su propio contexto empresarial. |
| |
A modo de introducción, quiero dedicar las siguientes diapositivas a explicar brevemente el negocio de GE Gas Power. En primer lugar, nuestros productos. |
| |
Fabricamos motores de alta tecnología, de gran tamaño, que tienen aplicaciones muy diversas, pero principalmente se utilizan en la producción de electricidad. |
| |
Y desde el punto de vista tecnológico, estas máquinas son realmente increíbles hazañas de ingeniería con temperaturas de cocción muy superiores al punto de fusión de las aleaciones utilizadas en la sección caliente. |
| |
Una sola turbina de gas puede generar suficiente electricidad para abastecer de forma 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 que hay cuatro seres humanos adultos, lo que de alguna manera muestra cuán grandes son realmente estas máquinas. |
| |
Así que tuve que incluir algunos ejemplos gratuitos de creación de gráficos JMP. Pero el gráfico de burbujas y el mapa de árbol realmente resaltan la naturaleza global de nuestra base de clientes. |
| |
Estamos brindando energía más limpia y accesible de la que dependen personas de todo el mundo, y eso incluye a naciones en desarrollo que históricamente podrían no haber tenido acceso a la energía y a los muchos efectos transformadores que ello conlleva. |
| |
A medida que he llegado a valorar el impacto que nuestro trabajo tiene en la vida cotidiana de tantas personas en todo el mundo, ha sido a la vez una experiencia humilde y útil para darle un propósito a lo que hago y lo que el resto de nuestro equipo hace cada día. |
| |
Así que soy parte del equipo de análisis de confiabilidad e ingeniería de datos. |
| |
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 que el analista de nuestro equipo pueda enfocarse en tareas de ingeniería, como comprender la física que afecta a nuestros |
| |
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 forma de extraer valor de nuestros datos. |
| |
Todas ellas son tareas de valor añadido. |
| |
Nuestro proceso también implica una revisión rigurosa con los ingenieros jefes. Por lo tanto, presentar una presentación en PowerPoint con los modelos forma parte de ese proceso. |
| |
Anteriormente, crear esta presentación implicaba copiar y pegar constantemente y usar diversas herramientas, lo cual requería mucho tiempo y era más propenso a errores. Así que no aporta valor. |
| |
Por lo tanto, necesitábamos una solución que permitiera a nuestros ingenieros dedicar más tiempo a las tareas de valor añadido. Además, estandarizaría aún más el proceso, ya que ambas cosas... |
| |
Mayor productividad y capacidad para concentrarse en lo importante, además de una mayor estandarización. Para ello, utilizamos el mantra «Automatizar lo aburrido». |
| |
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 determinar la dirección que se toma en cuanto a soluciones. |
| |
Y en nuestro caso, hay alguna variación, pero como regla general, estamos tratando con miles de turbinas de gas en el campo. |
| |
cientos de componentes de pista en cada unidad, y luego hay decenas de inspecciones o reacondicionamientos por componente. |
| |
En total, trabajamos con millones de registros. Sin embargo, normalmente, nuestros modelos se centran en configuraciones específicas y, por lo tanto, se basan en conjuntos de datos más limitados, con 10 000 registros o menos, o decenas de miles o menos. |
| |
Otro punto que quería señalar 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 hacen que JMP sea mucho más adecuado que un enfoque basado en Excel para realizar las mismas tareas. |
| |
Entonces, la primera versión de esta herramienta fue desarrollada por GE en colaboración con un tercero utilizando el lenguaje de scripting JMP. |
| |
El nombre de la herramienta es aplicación de modelado de confiabilidad asistida por computadora o CARMA, con c. Y el esfuerzo requerido para desarrollarla hasta lo que tenemos hoy no es trivial. |
| |
Esto es una muestra de ello. Pueden ver la cantidad de scripts y líneas de código que demuestran el alcance y la magnitud de la herramienta tal como es hoy. Pero también ha demostrado ser una herramienta muy útil para nosotros. |
| |
Con el paso del tiempo, hemos visto la necesidad de seguir desarrollando y mejorando CARMA. Para ello, hemos tenido que desarrollar y fomentar algunas habilidades internas. |
| |
Tengo experiencia en codificación JSL y superviso el trabajo de los desarrolladores que se centran en esto y algunas herramientas relacionadas. |
| |
El mensaje para usted es que, incluso después de crear algo como CARMA, será necesaria una inversión continua para mantener la aplicación relevante y desarrollarla 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 indicó que... |
| |
Un índice de promotor neto del 100 % y una reducción de al menos el 25 % en el tiempo de ciclo para realizar una actualización del modelo. Eso es tiempo real. |
| |
Eso se está guardando. Y, anecdóticamente, también vemos cómo CARMA ha sacado a la luz problemas en nuestro proceso que hemos podido abordar y que, de otro modo, habrían permanecido ocultos e incapaces de abordar. |
| |
Tengo una cita bastante larga. Pero quería comentar esta advertencia sobre la automatización de Bill Gates, quien sabe bastante sobre 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. |
| |
Así que ese es el final de la cita, pero esto 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, quería ofrecer una descripción general de la herramienta y de las entradas y salidas de CARMA. |
| |
El usuario debe dirigir la herramienta a los archivos de entrada. Aquí a la izquierda, vemos un archivo de modelos activos que contiene básicamente 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 vamos a ver eso. |
| |
Como fondo para los datos, utilizaré la demostración. |
| |
Solo quería comentar que comencé con el conjunto de datos de locomotoras. Veremos que JMP proporciona algunos datos de muestra. Así es, |
| |
Y eso da una población. Luego, también agregué una población adicional de modelos. |
| |
Y el gran mensaje que quería transmitir es que lo que veremos son datos inventados. No son reales; no representan la funcionalidad. |
| |
o el comportamiento de cualquiera de nuestras piezas en el campo, o simplemente es artificial. Así que tengan esto en cuenta al revisar los resultados, pero debería darnos una perspectiva de la herramienta. |
| |
Voy a usar JMP por un momento. Estoy usando JMP 15.2 para la demostración. Este conjunto de datos está simplificado en comparación con lo que solemos ver. Pero, como dije, debería aprovechar la funcionalidad principal de CARMA. |
| |
Entonces, primero, voy a ir al menú Ayuda, datos de muestra, y verás el |
| |
Menú de confiabilidad y supervivencia. Ahí es donde vamos. Una de las ventajas de JMP es que cuenta con muchas disciplinas, funcionalidades y herramientas especializadas. En mi caso, con la confiabilidad, hay mucho aquí, lo que también contribuye a... |
| |
El valor de usar JMP es un hogar para CARMA. |
| |
Pero quería señalarle el conjunto de datos de la locomotora y simplemente mostrarle... |
| |
Esto salió originalmente de un libro de texto. |
| |
Y aquí se habla del análisis de datos de vida aplicados. En ese caso, hay un problema que pregunta cuál es el riesgo con 80.000 exposiciones, y hoy lo modelaremos en nuestro conjunto de datos. |
| |
En un modelo de oxidación, así lo llamamos, pero esencialmente CARMA nos dará una respuesta. De nuevo, una respuesta muy simple, pero les iba a mostrar que pueden obtener la misma |
| |
camino haciendo clic |
| |
en el menú de análisis. |
| |
Así que bajamos a analizar la distribución de responsabilidad y supervivencia de la vida. |
| |
Coloque la hora y el sensor donde deben ir. |
| |
Vamos a utilizar Weibull |
| |
y sólo los dos...de modo que crea un ajuste para esos datos. |
| |
Dos parámetros que quería mencionar son la beta, 2.3, y aquí se llama alfa de Weibull. En nuestra herramienta, se llamará Ada, pero 183. |
| |
Bien, entonces veremos cómo hacer eso aquí. |
| |
Ahora sólo falta saltar, |
| |
Quiero ver un par de los otros archivos, los archivos de entrada, así que |
| |
Voy a sacarlos a la luz. |
| |
Bien, este es el archivo del modelo. |
| |
Mencioné que creé 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 también, además de tener parámetros de modelo, tiene información de configuración. Aquí son solo dos cosas simples. |
| |
(Sistema de combustión, capacidad de combustible) lo uso como ejemplos, pero hay muchísimas más columnas similares. En esencia, lo que hace CARMA, una de las cosas que me gusta de él, es que cuando se tiene un gran conjunto de datos con muchas configuraciones diferentes, puede analizarlo y encontrar... |
| |
¿Cuál de esas filas de registros se aplica a tu modelo? Realiza la ordenación en tiempo real para todos los modelos que necesitas en el conjunto de datos. Y eso es lo que vamos a demostrar. |
| |
Disculpe. |
| |
Además, simplemente mire, pasemos a los datos empíricos por un minuto. |
| |
Y |
| |
Solo un punto destacado, 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, simplemente lo pondré en funcionamiento. |
| |
Y verás que ya lo tengo apuntando a la ubicación. |
| |
Quiero usar. |
| |
Y |
| |
En la presentación de hoy, no tendré tiempo para explicar todas las funciones que incluye. Sin embargo, todas estas funciones pueden ayudarle a analizar sus datos y decidir la mejor manera de modelarlos, además de realizar algunas comprobaciones antes de finalizar sus modelos. |
| |
Por cuestiones de tiempo, no voy a explicar todo eso y demostrarlo, pero sólo 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 |
| |
De repente se me seca la garganta y tengo que seguir bebiendo. Pido disculpas por ello. |
| |
Entonces tenemos oxidación. |
| |
Vemos el número de fallos y suspensiones. |
| |
Esto es lo mismo que verás en el texto. |
| |
Añade esto. |
| |
Y desplácese hacia abajo por un segundo. Eso es |
| |
primer modelo añadido |
| |
Oxidación. Vemos que el modelo anterior tuvo 30 fallos y 50 suspensiones. Este 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 de aproximadamente el 13,5 % utilizando un modelo Weibull. Así que esta es una forma de hacerlo a un alto nivel. |
| |
Veamos también simplemente agregar los otros dos modelos. |
| |
Bueno, ya estamos empezando, estoy agregando escalofríos. |
| |
Y lo veréis aquí |
| |
Se presentan diferentes cuadros que representan el sistema de combustión o la capacidad de combustible, donde para este modelo dado, esto es lo que solicita 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, entonces hemos agregado los tres modelos. |
| |
y creo que, ya sabes, no vamos a gastar más tiempo en eso, solo jugando con los modelos en cuanto a opciones, pero voy a generar un informe. |
| |
Y tengo algunas opciones sobre lo que quiero incluir en el informe. |
| |
Y tengo una presentación y esta entrada LDM va a ser los modelos activos, perdón, los modelos en ejecución que |
| |
salir como una mesa. |
| |
Está bien, solo necesito... |
| |
Seleccione la carpeta apropiada |
| |
Hacia dónde quiero que vaya mi presentación |
| |
Ahora, procesar y generar este informe tomará un minuto. Esto sí toma un minuto. Pero creo que lo compararía con las horas que normalmente tomaría realizar esta misma tarea. |
| |
Potencialmente, si estuviera trabajando fuera de la herramienta. Y ahora estamos listos para finalizar el informe. |
| |
Guardalo |
| |
Y |
| |
Guarda la carpeta y listo. Está ahí y podemos revisarla. |
| |
La otra cosa que voy a señalar, mientras avanzo, es que ya había generado esto. |
| |
Anteriormente, así que solo lo haré. |
| |
levantar |
| |
El archivo que ya generé y podemos revisarlo. Es una plantilla. Está diseñada para mayor velocidad, pero se puede personalizar después de crearla, o se pueden dejar marcadores de posición y modificar las diapositivas después de generarlas. |
| |
Va más allá del simple modelado de distribución de vida que destaqué al principio. Realiza un trabajo de resumen exhaustivo de los datos incluidos en cada modelo, algo para lo que, por supuesto, JMP es muy útil. |
| |
Se hace un trabajo comparando los modelos, así que puedes |
| |
Realice diversas pruebas estadísticas. Use JMP. Y, de nuevo, JMP es excelente para eso. Así que eso añade esa funcionalidad. |
| |
Algunos de los aspectos que a nuestros revisores les gusta ver, y cómo han cambiado los modelos año tras año, es que se tienen más datos, pero se incluye menos. ¿Cómo afecta esto a los parámetros? ¿Cómo cambia las cifras de riesgo? |
| |
Gráficos: por supuesto, se obtienen muchos datos de los gráficos de dispersión y cosas de esa naturaleza. |
| |
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 también un aumento de riesgo al final |
| |
Para todos estos |
| |
conjunto. |
| |
Así que eso fue rápido |
| |
Tutorial. El |
| |
manifestación. |
| |
Creo que hemos cubierto todo lo que quería hacer. |
| |
Esperamos poder hablar un poco más en la sesión de preguntas y respuestas si tienen más preguntas. Es difícil anticiparlo todo. |
| |
Pero quería volver a hablar de algunos de los beneficios. Ya lo he mencionado antes, pero hemos visto aumentos de productividad gracias a CARMA, lo cual es un beneficio. |
| |
Por supuesto, la estandarización de nuestro proceso de modelado aumenta y eso también permite que los miembros del equipo que son más nuevos se concentren más en el proceso y en aprenderlo en lugar de trabajar con herramientas. |
| |
lo que, al final, les ayuda a ponerse al día más rápido. Además, aumenta la participación de los empleados al permitir que los ingenieros utilicen |
| |
sus mentes donde pueden tener el mayor impacto. |
| |
También quería agradecer a Melissa Seely, Brad Foulkes, Preston Kemp y Waldemar Zero por sus contribuciones a esta presentación. Les debo mi gratitud por todo su apoyo. |
| |
Quiero agradecerles su tiempo. Disfruté compartiendo nuestro camino hacia la mejora con ustedes hoy. Espero que podamos conectar en la sesión de preguntas y respuestas, pero en cualquier caso, disfruten del resto de la cumbre. |
