IoT y Big Data en Caterpillar: cómo el mantenimiento predictivo ahorra millones de dólares

Ciudad de México, mayo de 2019

Por: Revista Forbes
Cuando se trata de iniciativas de Big Data e Internet de las cosas (IoT), la mayoría de las empresas aún se encuentran en la fase de diseño o adopción temprana, lo que dificulta obtener un sólido retorno de la inversión (ROI). Por lo tanto, es refrescante compartir la historia de una organización que ofrece un retorno de la inversión en el mundo real para sus clientes al aumentar enormemente su recopilación de datos y análisis de mantenimiento predictivo.

La División Marítima de Caterpillar sirve a los operadores de flotas de remolcadores y buques de transporte para los cuales el uso de combustible a menudo impulsa los resultados. James Stascavage, Gerente de Tecnología de Inteligencia de Caterpillar Marine, trabajó con la Armada de los EE. UU. Durante 28 años antes de unirse a ESRG, que fue adquirida por Caterpillar en 2015. Compartió "Muchas veces, cuando las personas miran los datos, buscan el 'gran slam". '- una cosa que les va a ahorrar decenas o cientos de miles de dólares. En realidad, son las pequeñas mejoras las que pueden sumar grandes ahorros en dólares en muchos buques", me dijo.

A medida que las empresas emprenden transformaciones basadas en datos, quieren un plan para descubrir una visión de "estrella del norte", un descubrimiento de oro que los guiará hacia el crecimiento. Stascavage compartió muchos descubrimientos de "estrella norte" que los clientes han hecho utilizando la plataforma Asset Intelligence de Caterpillar, que se basa en la plataforma de análisis e integración de datos de Pentaho.

Proporcionar ROI en la inversión de Big Data
Los sensores a bordo controlan todo, desde generadores hasta motores, GPS, sistemas de aire acondicionado y medidores de combustible. Por ejemplo, Caterpillar puede identificar que las lecturas del medidor de combustible están correlacionadas con la cantidad de energía utilizada por los contenedores refrigerados. Estos datos ahora se pueden usar para determinar los parámetros operativos óptimos, simplemente modificando la salida de potencia de los generadores.

Al realizar un análisis de mantenimiento predictivo multivariado en Pentaho, el cliente descubrió que ejecutar más generadores a una potencia más baja era un enfoque más eficiente que maximizar algunos.

Los ahorros de esto se estimaron en alrededor de US$30 por hora, lo que puede parecer pequeño, pero los ahorros agregados para una flota de 50 barcos que operan las 24 horas del día y las 26 semanas del año generarán más de US$650,000 en ahorros.

Otra visión incluía eficiencias que podrían obtenerse optimizando la limpieza del casco. A medida que un barco navega, inevitablemente su casco se contamina con la corrosión del agua salada y los mares agitados, y es impregnado de percebes, algas marinas y otras especies oceánicas.

Un cliente sabía que esto estaba afectando el rendimiento de su flota, pero no tenía forma de saber cuál era su impacto real o qué tan eficientemente estaban gastando su presupuesto de limpieza de casco de casi US$20,000 por año.

Los datos recopilados de los sensores de a bordo de barcos mientras la flota realizaba maniobras en una variedad de circunstancias y condiciones, limpios y sin limpiar, se utilizaron para identificar la correlación entre la cantidad de dinero gastado en la limpieza y las mejoras de rendimiento.

Stascavage me dice "Cuando observamos su consumo de combustible, nuestra recomendación fue que deberían hacer la limpieza con mayor frecuencia, un intervalo de alrededor de 6,2 meses, en lugar de cada dos años".

"Sabían que una limpieza más frecuente, por ejemplo, cuadruplicaría el costo de la limpieza de su casco, pero lo que nunca supieron fue el costo de no hacer la limpieza".

En este caso, el análisis dijo que, en la flota de 8 barcos del cliente, las ineficiencias debidas a los cascos sucios costaban hasta US$5 millones cada año, y al cambiar a un programa de limpieza optimizado, podían esperar ahorrar hasta US$400,000 por barco.

Análisis predictivo de mantenimiento
Iniciativas como éstas son excelentes ejemplos de implementaciones prácticas de la tecnología de Internet de las Cosas (IoT) dentro de la industria, una tendencia que a menudo se denomina Internet industrial. Los análisis de mantenimiento predictivo que utilizan modelos de aprendizaje automático creados por científicos de datos que utilizan R, Python o Weka, como los que usa Caterpillar Marine, se están utilizando en todos los campos de la industria, a medida que el valor de medir y registrar lo más posible se hace evidente.

Stascavage dice: "Creo que la mejor lección que aprendimos es que no se puede recopilar demasiada información. Sé que a veces hay dudas: '¿por qué vamos a recoger eso? ¿Por qué lo necesitamos?' Pero los días en que el almacenamiento de datos es caro ya pasaron".

"Hay relaciones entre datos que el ojo humano simplemente no puede ver: relaciones sobre relaciones sobre relaciones".

"Y si no recopila los datos, los conserva y los analiza, es posible que nunca encuentre las relaciones".

La tecnología IoT industrial facilitará cada vez más el impulso de un crecimiento positivo y aumentará la eficiencia en cualquier área de la empresa, lo que implica maquinaria. Esto dará lugar a menos tiempo de inactividad a medida que el mantenimiento predictivo y la corrección de fallas se conviertan en comunes con menos desperdicio, lo que conlleva un impacto positivo en factores ambientales como la contaminación y la generación de material de desecho, así como la rentabilidad final.

Para obtener más información sobre Hitachi, visite el sitio web de la compañía en http://www.hitachi.com

Contactos para Medios:
Medios y Relaciones Públicas
Hitachi Vantara México
e: mexico@hitachivantara.agency

¡Está en el lugar indicado!

Hitachi Data Systems, Pentaho y Hitachi Insight Group son ahora una sola empresa: Hitachi Vantara.

Obtenga más soluciones basadas en datos e innovación por parte del socio en el que puede confiar.