La automoción, el gran banco de pruebas de la industria 4.0
Getty Images
Industria

La automoción, el gran banco de pruebas de la industria 4.0

Los datos recogidos durante la fabricación de los vehículos y la información que ofrecerán tras salir de las plantas de montaje son un mar de oportunidades para el 'big data'

El sector de la automoción, junto con los de aeronáutica y generación de energía, siempre ha estado a la vanguardia en la innovación tecnológica de sus procesos de fabricación. Casi todas las tecnologías habilitadoras que dan forma al concepto de Industria 4.0 (internet de las cosas, robótica colaborativa, fabricación aditiva...) están presentes en una planta de fabricación de automóviles. Podemos observar enormes robots que manipulan piezas de acero, grandes máquinas para soldar metales, pesadas grúas que transportan distintos componentes y brazos mecánicos que sirven de asistentes a los trabajadores humanos para manipular las diferentes partes de un vehículo. Una enorme cadena de producción que se mueve a un ritmo constante, similar a lo que nos mostraba Charles Chaplin en 1936 en Tiempos modernos, pero con la salvedad de que los robots y los datos han tomado ahora el protagonismo. Lo que se ha dado en llamar la cuarta revolución industrial.

Lo que nunca podremos observar en esas imágenes casi hipnóticas de procesos de ensamblado de un automóvil es toda la información que generan esos robots y máquinas, que llega como oleadas al centro de control para constatar que la fabricación se está desarrollando según lo previsto. Son los datos. La materia prima clave que está revolucionando el sector de la automoción en sus procesos de fabricación, pero también a la hora de aportar nuevos modelos de negocio una vez que el vehículo ya ha sido adquirido por el cliente, e incluso antes.

Varias marcas con factorías en nuestro país han desarrollado ya experiencias de aplicación del big data en los procesos de producción. La planta de Mercedes-Benz en Vitoria-Gasteiz utiliza sensores ópticos para recopilar información sobre cerca de 200 parámetros relacionados con la calidad de la pintura de cada una de las 700 furgonetas que salen cada día de su cadena de montaje. “Los datos son un activo de gran valor y, si se analizan de forma conveniente, pueden ofrecer un valor añadido a cualquier empresa. La gestión de datos se ha convertido en un elemento fundamental”, explica Alberto Sotomayor, responsable de Analytics de Ibermática.

Neumáticos inteligentes

La compañía Michelin comercializa un neumático inteligente denominado MEMS Evolution3 que incorpora sensores resistentes al agua que ofrecen información sobre su temperatura y su presión. Este neumático tiene conectividad 3G y es capaz de enviar datos en tiempo real e incluso mandar alertas a través de correo electrónico o SMS en caso de que se superen los umbrales de temperatura o presión. Por el momento, este producto está dirigido a maquinaria pesada del sector minero, pero la tecnología empleada podría ser aplicable a cualquier tipo de rueda.

Esta empresa es la que ha implantado este sistema de obtención y análisis de datos en la planta. “Sirven para predecir situaciones, identificar patrones y conocer cómo se está comportando una máquina durante el proceso productivo. En este caso, nos ayudan a certificar los controles de calidad de la pintura de cada uno de los vehículos, un aspecto en el que Mercedes presta una especial atención ya que es un proceso crítico para ellos. Tratamos de verificar que los datos sean coherentes, correctos y que lleguen en tiempo real, para que luego ellos sean capaces de mejorar las estadísticas de calidad”.

Ibermática también participa en el análisis del proceso de fabricación de los pares de apriete en las líneas de montaje de la planta de Volkswagen en Navarra. Se trata de un elemento que presenta un importante índice de rechazo, por lo que es muy importante optimizar su producción y comprobar los resultados. “Nuestro objetivo es reducir los posibles fallos de fabricación en un 15% en los próximos años gracias al análisis de los datos durante la fabricación”, incide Sotomayor.

  • Sensores y visión artificial

Solo es posible recoger esta información sobre los procesos productivos a través de la utilización de diferentes tipos de sensores y sistemas de visión artificial incorporados en las máquinas y en las líneas de montaje. Además, los dispositivos medidores deben de estar conectados a una red inalámbrica para hacer llegar esos datos a los centros de control en tiempo real. La empresa Sisteplant, que ayuda a la transformación digital de otras compañías mediante la incorporación de tecnologías avanzadas y de manera especial a través de sensórica profunda, trabaja en diferentes proyectos en el sector de la automoción.

Su director de innovación y desarrollo de negocio, Alfonso Ganzabal, detalla: “Aplicamos sensórica integrada en la línea de producción. Gracias a ella, realizamos muestreos de cada pieza y esta información, unida a los parámetros de funcionamiento de las máquinas, permite construir un modelo matemático de la célula que pronostica la necesidad de cambio de herramientas y sugiere la necesidad de ajuste de los parámetros de proceso. Por otra parte, en base a los datos recogidos por la sensórica, junto con informaciones introducidas por los técnicos, modelizamos los equipos de forma que somos capaces de identificar la probabilidad de aparición de un modo de fallo que pueda generar un problema de operatividad”.

  • Trazabilidad de las piezas

Los sensores y sistemas de visión artificial no son los únicos dispositivos que alimentan de datos los centros de control. Pierburg es una compañía con más de 400 trabajadores que forma parte del Grupo KSPG AG, líder mundial en diseño, desarrollo y producción de componentes para el automóvil. Entre los productos que fabrica se encuentran las válvulas de escape. La gran innovación que ha implementado respecto al uso de datos es lo que se denomina la trazabilidad unitaria de cada una de las piezas que fabrica. Hasta ahora llevaba a cabo un seguimiento conjunto de todos los bienes de un mismo tipo que se realizaban en un determinado espacio de tiempo: una trazabilidad por lotes.

Cómo poner en marcha una estrategia 'big data'

No todas las empresas están preparadas para poner en marcha sistemas de análisis de datos y no todos los procesos se pueden medir con datos. Juan José Galdós, director de Industria 4.0 de Ibermática, explica en qué se fijan antes de planificar con un cliente un proyecto de recogida de datos: “Lo primero que hacemos es un análisis y consultoría para ver cómo trabajan. Hay muchas empresas que su problema principal no está en el big data sino en la transformación digital de procesos que siguen haciendo de manera manual. Bajamos a planta e intentamos ver cómo se pueden automatizar algunas labores en función de las máquinas que dispongan. Establecemos qué procesos o máquinas vamos a monitorizar y qué dispositivos o sensores vamos a utilizar para ello”, ilustra. “También es muy importante desarrollar un software que recoja la información e incluya los parámetros más destacados que pueda aportar el análisis y que lo muestre al usuario de una manera visual e intuitiva. Hay que adecuar el software y los interfaces para que sean de un uso sencillo”.

Pero con la utilización de un marcado Datamatrix, un código formado por celdas blancas y negras (similar a los códigos QR), ahora puede recopilar información sobre el paso de esa pieza por la cadena de mecanizado o de montaje y determinar si el proceso ha sido correcto. “La trazabilidad unitaria de cada una de las piezas que forma parte de un automóvil constituye una auténtica revolución, ya que gracias a ella es posible detectar a la primera cualquier fallo de fabricación, interrumpiendo futuros procesos de mecanizado, montaje o desmontaje que tienen unos costes. Además, como marca y en cuanto a la relación con nuestros clientes, es importante para nosotros evitar que piezas en mal estado lleguen al mercado”, enfatiza Carlos Etxebarria, director de T de producción de Pierburg.

Otro dispositivo no sénsorico que recopila y envía datos son las etiquetas RFID. Son muy pequeñas y se pueden adherir a cualquier producto e incluso a personas. Gracias a unas diminutas antenas son capaces de transmitir información por radiofrecuencia relacionada con su uso u ubicación. La compañía IAC Group, con sede en Logroño, utiliza estas etiquetas en el proceso de ensamblaje de los parachoques de algunos modelos de Opel. Gracias a ellas, cuando el componente llega a la cadena de montaje, el operario o el robot saben si tienen que instalarle un sensor de aparcamiento, faros antiniebla u otro tipo de extra, facilitando la personalización del modelo, lo que se conoce como customización masiva.

Getty Images

  • Mantenimiento inteligente

Más allá de los procesos de producción, el big data aplicado al sector de la automoción también comienza a revolucionar nuevos modelos de servicios a los clientes. En la medida en que los vehículos tengan conectividad a Internet, se podrán realizar mantenimientos predictivos relacionados con la presión de los neumáticos, niveles de aceite o el estado de los airbags. El informe Connected Mobility Global Forecast 2016 de la consultora Ptolemus avanza que en 2020 habrá más de 400 millones de vehículos conectados en todo el mundo.

Esto va a abrir nuevas oportunidades en ámbitos como servicios de localización de vehículos robados, sistemas de atención de emergencias (eCall), seguros (como PAYD, un tipo de seguro en el que se paga según nuestra forma de conducir teniendo en cuenta parámetros como la distancia recorrida, horarios, etcétera) o el diagnóstico remoto. En el futuro, gracias a la analítica de datos, nuestro coche nos echará buenas broncas por tomar una curva demasiado rápido o por demorar su cambio de aceite. Al tiempo.

  • Rodeados de sensores

En cualquier planta de automoción existen diferentes tipos de sensores para medir la calidad de las piezas o su mecanizado. Los hay que utilizan tecnologías ópticas como contraste de luz, rayos X, láser, luz blanca o luz estructurada. Una de las empresas líderes a nivel mundial en el ámbito de la sensórica es Carl ZEISS. Gari Bilbao, experto de ZEISS en metrología industrial y responsable comercial, destaca: “La gran revolución en la medición de carrocerías de vehículos ha sido la utilización de sensores láser de brazo horizontal para capturar información sobre su ensamblaje en miles de puntos por segundo. Es lo que denominamos procesos offline”, explica.

“En las líneas de producción solemos emplear sensores de luz estructurada, denominados atline. Y para capturar información crítica sobre las soldaduras de las carrocerías utilizamos sensores ópticos de procesos inline. El proceso offline puede llevar tres horas en capturar toda la información necesaria, el atline unos 20 minutos, mientras que el inline tarda entre 15 y 30 segundos. El gran avance llegará con la utilización de tomografía por rayos X, que es capaz de analizar el interior de las piezas”, sentencia.

Retina

17/08/2017
07
Cómo combatir la procrastinación

Cómo combatir la procrastinación

Te explicamos por qué ordenar tu escritorio te parece una idea divertidísima justo cuando tienes que ponerte a trabajar y cómo evitarlo

El destape de España en protección de datos
09

El destape de España en protección de datos

El caso LexNET dejó al descubierto los problemas de empresas y Administración para cumplir la legislación de protección de datos. En mayo próximo comienza a aplicarse el nuevo Reglamento. Los deberes no están hechos

Normas
Entra en EL PAÍS