CREANDO CULTURA DE INDUSTRIA 4 - Executive Forum · PORTAFOLIO DE PLATAFORMAS Y SOLUCIONES Amplia cobertura a las necesidades de nuestros clientes • Industria 4.0 • Alineado con
Post on 12-Jul-2020
0 Views
Preview:
Transcript
CREANDO CULTURA DE
INDUSTRIA 4.0
EL GRUPO
ZEMSANIA
SOBRE NOSOTROS
+1.200 PROFESIONALES + 2.800 PROYECTOS Y CONTRATOS DE SERVICIOS PROFESIONALES
OPERACIONES EN 8 PAÍSESEMEA y AMÉRICA
OCOHODIEZ MARCAS COMERCIALES PROPIAS
Cobertura 360º a las necesidades de nuestros clientes
UN PORTAFOLIO
COMPLETO
PORTAFOLIO DE PLATAFORMAS Y SOLUCIONES
Amplia cobertura a las necesidades de nuestros clientes
• Industria 4.0
• Alineado con logística 4.0
• Transformación Digital
• Big Data
• IoT
• Innovaciones para el futuro
• Monitorizar la producción
• Integración Vertical y Horizontal
• Flexibilidad
• Producción individualizada
• Eficiencia en la producción
• Maximizar el retorno de la
inversión y el EBITDA
Nuevos problemas:• Integración Vertical• Integración Horizontal
INTEGRACIÓN HORIZONTAL
Ejemplo, en la Planta Industrial
MáquinaHerramienta
RobóticaCiberseguridad
IoTCloud
Industrial
Big DataAnalytics
AutomatizaciónIndustrial
Impresión3D
InteligenciaArtificial
Fuente: Industrie4.0:The Fourth Industrial Revolution based on Smart Factories; Professor Wolfgang
Wahlster; CEO of DFKI (Centro Alemán de Investigación en Inteligencia Artificial)
FACTORÍA INTELIGENTE
RED DE OBJETOS INTELIGENTES
+
INTEGRACIÓN VERTICAL
Ejemplo, en la Planta Industrial – ERP Corporativo
PLM
ERP
MES
Change
Management
MaintenanceResource Control
DisassemblyDesign Engineering
Operation
diseño
planificación
programaciónCambios
ahorromantenimiento
entrega
Logistics
Customer
reportes
Information Backbone
CloudBigData
analyzing
Set-Up
EJEMPLO INTEGRADO VERTICAL - HORIZONTAL
Vertically integrated and correlated information
NUESTRA PROPUESTA
PARA EMPEZAR CON LA INTEGRACIÓN Y CREANDO CULTURA 4.0
BIG DATA - ANALYTICS
IN2 - Confidencial 11
BIG DATA - ANALYTICS
UN ECOSISTEMA MUY AMPLIO !!
¿CÓMO EMPEZAMOS?
CÓMO CREAMOS CULTURA 4.0
¿POR QUÉ “CREANDO CULTURA 4.0”
Tres razones !!
1. HAY POCAS REALIDADES 4.0
PARA ACELERAR, SE NECESITA PRINCIPALMENTE TRANSFORMAR PROCESOS Y ROLES, CAMBIANDO LA ACTUAL CULTURA
ENCUESTA McKINSEY
Febrero 2017, USA
• Percepción de la
penetración digital por
industria
• % de respuestas
• De momento poco
impacto en el
desarrollo económico
de las empresas
• Pero, se prevé un
avance con
implicaciones muy
significativas en
ingresos, beneficios
y oportunidades
IN2 - Confidencial 14
¿POR QUÉ “CREANDO CULTURA 4.0”
Tres razones !!
2. EL CAMBIO CULTURAL ES IMPORTANTE, PUES AFECTARA A:
Productividad
Generación de Ingresos y Beneficios
Empleo
“nuevos roles”
“nuevas especialidades”
Crecimiento de las Inversiones
IN2 - Confidencial 15
¿POR QUÉ “CREANDO CULTURA 4.0”
Tres razones !!
3. EL CAMBIO CULTURAL AYUDA A:
Desarrollo del conocimiento y las competencias
Fomenta la colaboración multidisciplinar
Desarrolla nuevas habilidades
Ayuda a avanzar en las estrategias 4.0
ITINERARIO PROPUESTO
BIG DATA - ANALYTICS
PLAN ESTRATÉGICO
PLAN OPERATIVO
LISTA DE OBJETIVOS
INDICADORES (KPIs)
MÉTRICAS
VALORES DE REFERENCIA
LOS DATOS
¿DÓNDE ESTÁN?
¿Cuáles son las Actividades de Valor que tiene que desempeñar la Compañía para ser competitiva en el mercado?
¿Cuáles son los Clientes y segmentos de los mismos que compran o son servidos por la Compañía?
¿Cuáles son sus legítimas expectativas ?
¿Cuáles son aquellas entidades (terceras partes) con las que mantenemos relaciones que nos ayuden a:
•Alcanzar nuestros objetivos de negocio
•Posibilitar otras oportunidades de negocio
•Reducir o trasladar riesgos?
¿Cuáles son aquellas fuerzas externas, entidades y aspectos del entorno (presiones, barreras, ...) en que se mueve la Compañía y que debemos tener en cuenta para poder alcanzar sus objetivos?
¿Cuáles son los mercados y segmentos de la industria en los que opera la Compañía?
¿Cuáles son los productos o servicios con los que opera habitualmente la Compañía?
¿Cuáles son las
Funciones y Unidades
de la Organización que
desempeñan un papel
clave en los procesos
de negocio de la
Compañía?
Pág. 25
75%
25%
100%
Cómo?
El Iceberg de los Datos CorporativosG
esti
ón
Mac
hin
e D
ata
Datos
EventosPor qué?
Datos Máquina
Tenemos un objetivo !!Hacer que los
‘Datos Máquina’ sean
Accesible, Usable y que Aporte Valor
1
Movernos: de la Gestión de la
Información basada en Datos, a
la Gestión de la Información
basada en “Eventos”
2
75%
25%
Cómo?
Ge
stió
n
Dat
a M
ach
ine
Datos
EventosPor qué?
Pág. 26
El STV será nuestra Fuentes de Datos !!!
DATOS NO ESTRUCTURADOS
Ejemplo
ELABORAR LOS DATOS
EXTRAERLOS
INDEXARLOS
CORRELACIONARLOS
IN2 - Confidencial 30
Se genera un pedido
Se proceso el pedido
Se genera un error
Alguien llama para reclamar
No hay respuesta
Twitter, con comentario
Inteligencia en Tiempo Real
IN2 - Confidencial 31
Inteligencia en Tiempo Real
CADENA DE VALOR DE LOS DATOS
Transforma esto
En esto
33
REPRESENTAR LOS DATOS
LOGO
Monitorizar la industria
Transforma
los datos,
E y No E, en
información útil y
usable
Resolver
un problema
que estabilice la
producción y ofrezca
nuevas perspectivas
Difundir
el “éxito”
A través de la mejora
en las operaciones, los
procesos, la calidad, …
En base a:
CASO DE USO
INDUSTRIA AUTOMÓVIL
ESTRATEGIA A SEGUIR
EN EL PROYECTO
3 FASES
38
• Mejorar las actividades
observadas
• Crear cultura digital
• Formar a los nuevos roles
• Transformar ACTIVIDADES
• Crear cultura de Analytics
• Crear un
OBSERVATORIO, para
observar comportamientos
• Hacerlo a través de
Dashboards
• Transformar PROCESOS
• Nueva cultura 4.0
• Industria 4.0
• Logística 4.0
FASE 1
• Establecer el OBSERVATORIO creando 8 Dashboards
• El sistema debe permitir dar ordenes a los PLCs, desde el ERP Corporativo
• Tomar datos de los PLCs de líneas y sublíneas, en tiempo real, para actualizar, en el ERP Corporativo, la producción realizada
• Es una Integración Vertical, bidireccional, entre Corporativo y Planta (IT+OT)
MACHINE LEARNING
IS THE NEW
ELECTRICITY
• Aprendizaje Automático (Machine Learning) es la nueva revolución
• Aprendizaje Automático emplea datos históricos para construir modelos predictivos
• El objetivo es automatizar (escalar) los procesos de toma de decisiones
Inteligencia Artificial - Aprendizaje Automático - Aprendizaje Profundo
Redes Neuronales
Soluciones a problemas complejos
¿ Qué están haciendo los "big-players" ?
Industria del automóvil
• Predicción del fallo de maquinaria
• Si una máquina se estropea se paraliza toda la línea
• Existen paradas planificadas donde se podrían sustituir
• Reparar antes de que fallen
SOLUCIÓN – MACHINE LEARNING
• Sensorizar para capturar datos
• Etiquetar datos:
• Menos de 1 mes para el fallo
• Menos de 2 meses para el fallo
• Más de dos meses para el fallo
Industria del automóvil
• Resultado del 91% de acierto*
Industria del automóvil
* pero se aporta una información temporal que hace que el sistema sea casi perfecto
Otros casos de éxito
• Detección de fraude en transacciones, BBVA Data & Analytics
• Motor de reconocimiento de matrículas, sector seguridad
• Estimación de consumo energético, SolverEnergy
• Predicción de precio de la energía, SolverEnergy
• Reconocimiento facial, sector fintech
• Análisis de redes sociales, sector fintech
• Predicción de ventas y planificación de ofertas, sector consumo
top related