Saltar al contenido
Industria · Sand

Los ingenieros de Sand dejaron de adivinar por qué se paraba una línea.

Un sistema que vigila la línea de producción y explica una parada antes de que un ingeniero tenga que preguntar.

Qué cambió
menos tiempo en averiguar por qué se paró una línea
-70%menos tiempo en averiguar por qué se paró una líneaminutos desde la parada hasta una causa registrada, 3 líneas, media de 8 semanas
paradas registradas automáticamente
100%paradas registradas automáticamenteporcentaje de paradas con una entrada escrita por el sistema, sin escritura manual

De un vistazo

Punto de partida
Un piloto que debe llegar a producción
Capacidades
Detectar
Qué construimos
Un modelo de detección sobre los sensores existentes, un agente de explicación y un registro de paradas que los ingenieros leen en su puesto.
Dónde funciona
En planta, junto a los controladores de línea. Los datos de sensores no salen de la planta.

El problema

Cuando una línea se paraba en la planta de Sand, un ingeniero tenía que dejar lo que estaba haciendo, acercarse a la máquina, revisar las lecturas de los sensores y el registro de errores, y averiguar qué había pasado. Para cuando llegaba, el contexto solía haber desaparecido: un atasco se había resuelto solo, una lectura se había reiniciado, y la causa quedaba en el terreno de la suposición.

Los supervisores anotaban la parada a mano al final del turno, de memoria. El registro casi nunca coincidía con lo que realmente había pasado.

Qué construimos

Conectamos los sensores ya instalados a un sistema que lee datos de vibración, temperatura y velocidad en tiempo real, marca una parada en el momento en que ocurre y la compara con los patrones de incidentes anteriores. Escribe una explicación breve y clara que un ingeniero puede usar de inmediato, con las lecturas de los sensores adjuntas.

El sistema no decide qué reparar. Le da al ingeniero la misma imagen que antes tardaba veinte minutos en reconstruir, en el momento en que la línea se para.

Cómo funciona en producción

Empezamos por una sola línea, con el sistema funcionando en paralelo al antiguo registro en papel durante un mes, para que el equipo de mantenimiento pudiera comprobar cada explicación contra lo que encontraba en planta. Solo cuando los dos coincidían en cada parada lo pusimos en marcha en las otras dos líneas.

Cuando el modelo no puede asociar una parada a un patrón conocido, la entrada queda marcada como “sin explicar” en lugar de adivinar, y la nota que el propio ingeniero añade a esa entrada se convierte en la etiqueta para el siguiente entrenamiento.

Qué cambió

Los ingenieros encuentran ahora la causa de una parada un 70% más rápido que antes, medido a lo largo de ocho semanas en tres líneas, y cada parada queda registrada automáticamente, sin que nadie la escriba de memoria al final del turno.

Vemos qué línea se ha parado y por qué, antes de que acabe el turno.

Daniel Ortiz, CTO de Sand

El equipo de mantenimiento dedica ahora su tiempo a reparar máquinas, no a reconstruir qué les pasó.

Qué construimos

Las cuatro capas de este sistema.

Para el lector técnico
Stack
Ingesta en Python sobre la red de planta, TimescaleDB, un pequeño registro web que el equipo de mantenimiento abre en planta.
Modelos
Un modelo de anomalías por serie temporal por línea, entrenado con vibración, temperatura y velocidad; una capa de reglas asocia las anomalías a patrones de incidentes conocidos.
Datos
Lecturas existentes de PLC y sensores a resolución de un segundo; el registro en papel de paradas del año anterior, transcrito como etiquetas.
Evaluación
Un mes de funcionamiento en paralelo con el registro en papel en la línea piloto; el despliegue empezó solo cuando ambos coincidían en cada parada.
Infraestructura
Funciona en un PC industrial por planta, junto a los controladores de línea; sin dependencia de la nube.
Seguridad
Los datos de sensores no salen de la red de planta; el registro es de solo lectura para todos excepto el responsable de mantenimiento.
Qué descartamos
Cámaras en la línea. Los sensores ya instalados explicaban toda parada que le importaba al equipo, a una fracción del coste de instalación y de privacidad.
Siguiente

El siguiente caso.

Mosaic
Construcción

Mosaic presupuesta una obra en un tercio menos de tiempo.

Un modelo que lee los planos y las mediciones, un agente de presupuestación y un presupuesto borrador que el presupuestista corrige.

-38%menos tiempo en elaborar un presupuesto
±6%desviación sobre el coste final
Leer el caso
Red de conexiones que se extiende desde Valencia por todo el mundo

Hablemos de un problema parecido.

Cuéntanos cómo se hace hoy y qué cambia si funciona. Recibes una respuesta clara sobre si la IA puede resolverlo.

Hablemoso escribe a hello@maistik.studio