Publicamos grabación de webinar en español de 30 minutos de Nicola Sandoli y José María Gómez, de Tibco España, en el que realizan una demo práctica en directo del establecimiento de algoritmos de detección de fallos en válvulas de extracción de petróleo a partir de datos recibidos de sensores de presión y amperaje con su plataforma Tibco Streambase y Spotfire. Los datos se pueden monitorizar en tiempo real y la plataforma se convierte en único punto de acceso tanto para el diseño de los workflow de alertas como del análisis pericial de los datos para establecer los algoritmos. Los expertos remarcan que una de las claves es que este tipo de proyectos de mantenimiento predictivo sean elaborados tanto por los propios ingenieros de mantenimiento. Evidenteme este tipo de procedimientos de analíticas predictivas pueden aplicarse en muchos sectores y procesos incluso diferentes al industrial.
El webinar se celebró el pasado 20 de noviembre de 2017 presentado por Nicola Sandoli y José María Gómez Hidalgo, de Tibco.
La combinación del Machine Learning con la IoT industrial es una evolución reciente de la analítica avanzada que en la actualidad está infrautilizada en el sector industrial y en otros sectores como el de la energía y el del transporte. Esta combinación puede constituir una ventaja competitiva al poner al descubierto información valiosa previamente desconocida para diagnosticar las causas de complejos problemas de producción, elaborar predicciones precisas que mejoran con el tiempo e identificar soluciones óptimas a los retos de la producción industrial. Este seminario virtual le mostrará una visión general de:
– Mantenimiento Predictivo: del Mantenimiento por Avería y el Mantenimiento Preventivo, al Mantenimiento Predictivo: ¿qué efectos tienen sobre la calidad del producto y sobre los excedentes defectuosos?
– Connected Intelligence: La importancia de acceder a datos generados por máquinas industriales o en líneas de producción para predecir y obtener información valiosa.
Estos son los capítulos del vídeo:
¿Qué se considera Industria 4.0? 01:27
La clave: que los algoritmos los usen los usuarios de negocio 6:20
¿Quién está usando nuestro mantenimiento predictivo? 7:15
Demo 10:00
Mantenimiento de 3000 bombas de extracción de petróleo!!! 10:44
Toman datos durante un mes de varias bombas petroleras 12:20
Tomamos datos de presión y amperaje del motor 15:00
Detectando patrones de comportamiento en fallos 17:55
Diálogo entre el usuario de negocio y el analista de datos 19:13
Cambiamos parámetros del algoritmo 21:11
Monitorización en tiempo real de las bombas 23:00
Arquitectura que utilizamos para procesos predictivos 25:30
No es necesario el análisis en tiempo real 27:30
Cómo se conecta Spotfire a los datos de los sensores 28:56
Conexión directa a sensores mediante Flogo.io 29:25
Conversación entre usuarios de negocio y Científico de Datos 30:15
Los algoritmos hay que ponerlos en acción mediante monitorización y alertas 31:30
Uno de los valores fundamentales es que una misma herramienta sirve para todos los usuarios 32:00
Recursos de contenido y formación para industria