06-12 M859.pdf

AspectosNils Leffler, Peter Terwiesch
de la productividad
La fabricación consiste en transformar el capital, las materias primas, la
energía y la mano de obra en productos y servicios para los clientes. Por
razones sociales y políticas, esta transformación se ha de llevar a cabo
dentro de ciertas limitaciones en cuanto a medio ambiente, seguridad y
normativa. Además hay que considerar diversos factores que generan
costes, como la planta misma de fabricación y los precios de mercado de
materias primas, personal y energía.
Las empresas de fabricación que desean mejorar sus resultados y su
rentabilidad ya no pueden confiar en los ’beneficios fáciles’ del pasado.
Ahora es necesario aplicar nuevas estrategias. El reacondicionamiento
completo de una planta o el traslado de la misma a un país con costes
bajos son dos opciones, aunque ambas exigen una gran cantidad de capital.
Pero existe otra posibilidad de conseguir la ventaja competitiva que
buscan los propietarios de plantas industriales: mejorar la productividad
de sus fábricas. Dado que las oportunidades para conseguirlo están muy
probablemente en áreas de procesos complejos, se necesitan herramientas
más sofisticadas de optimización. Las soluciones están en camino.
6
Revista ABB
2/2004

Los objetivos de un fabricante son claros:
entregar más y mejores productos,
más rápidamente y con un coste menor
que sus competidores. Por consiguiente,
para él es prioritario conseguir tiempos de
ciclo más cortos y más tiempo efectivo de
producción. En la mayoría de los sectores
industriales a los que sirve ABB, la energía,
las materias primas, la logística y la
mano de obra son los factores más importantes
del coste final del producto. Por
tanto, para seguir siendo competitivas en
un mercado mundial, las empresas han de
reducir su consumo de energía, el uso de
materias primas y los costes de distribución,
y al mismo tiempo aumentar su productividad.
Pero eso no todo.
Para poder operar es preciso respetar la
legislación medioambiental y unas normas
de seguridad cada vez más rigurosas. En
un número cada día mayor de países y
sectores industriales, los clientes y los organismos
gubernamentales esperan que
los productos dispongan de un completo
análisis de seguimiento. Teniendo en
cuenta el aumento de complejidad, no es
sorprendente que los fabricantes busquen
técnicas avanzadas de optimización para
aumentar su productividad y asegurarse
de que alcanzan sus objetivos comerciales.
Las turbulencias por las que ha pasado últimamente
la economía mundial también
han contribuido a este estado de cosas.
Las discusiones de alto nivel sobre software
avanzado para la cooperación a todo
lo largo de la cadena de valor han dado
paso a una búsqueda más pragmática de
mejoras de productividad. La industria y
las compañías de servicios públicos (electricidad,
gas, agua) han comprendido que
los 'beneficios fáciles' han pasado a la historia.
En consecuencia, actualmente se están
emprendiendo tareas más complejas
en todos los sectores y campos, desde la
ingeniería hasta la operación y la distribución.
Todos estos 'aspectos de la productividad'
contribuyen a mejorar los resultados,
pero lo hacen de maneras distintas.
En conjunto mejoran los resultados cualquiera
que sea el sector de que se trate.
Benchmarking
El benchmarking –establecimiento de criterios
de competencia comparativa– en un
sector industrial señala algunas diferencias
significativas en el rendimiento global. Las
compañías farmacéuticas son un caso a
analizar y un buen ejemplo de sector con
oportunidades de mejora (véase Tabla).
Los datos indican que este sector tiene
muchas posibilidades para adoptar estrategias
más avanzadas para optimizar la operación
y la planificación. Es interesante
observar también que las cifras son muy
similares para los diferentes sectores industriales.
Esto se debe a que el término
’clase superior’ debe entenderse literalmente
y se aplica a todos los sectores,
que actualmente se aproximan actualmente
a un mismo nivel de rendimiento.
La importancia de la automatización
El exceso de capacidad actual de muchas
industrias está obligando a las empresas a
concentrarse en la utilización de los activos
existentes en vez de invertir en nuevas
capacidades. Por tanto, la automatiza-
Benchmarking en un sector: la industria farmacéutica
Indicadores KPI de
comparación
ción puede ser un factor clave para mejorar
los resultados. Cuando no se dispone
de mucho capital, las soluciones de automatización
permiten a menudo rentabilizar
al máximo la inversión.
Las últimas décadas han sido testigos de
una amplia consolidación en todas las industrias,
motivada en la mayoría de los casos
por la necesidad de las empresas de
globalizar su mercado. La compañía ABB
ha sido algo más que simple espectadora
de esta evolución. De hecho, podemos
afirmar con razón que nuestra compañía
ha contribuido a consolidar la industria de
la automatización, en la que actualmente
somos líderes mundiales. Desarrollamos
activamente nuevas estrategias, que son
posibles gracias a los avances en numerosos
campos: las comunicaciones, las capacidades
de los ordenadores, el software
abierto y las tendencias de los precios,
Compañía farmacéutica
Normal Buena Clase superior
Rotación de existencias 1) 3 a 5 14 50
OTIF 2) % 60 a 80 97.4 99.6
RFT 3) % 85 a 95 96 99.4
CpK 4) 1 a 2 3.5 3.2
OEE 5) % 30 74 92
Tiempo de ciclo 6) , (horas) 720 48 8
Seguridad 7) 0,100 0,050 0,010
Fuente: RS Benson, Smart control for tomorrow’s processes. IEEE Cont.Appl.Conf., Glasgow, 2001.
Benchmarking global entre sectores: ’clase superior’
Criterios globales Sector de Sector Sector
de comparación ingeniería electrónico doméstico
Rotación de existencias 1) 12 20 24
OTIF 2) % 98 98.1 99.2
RFT 3) % 99 98.7 99.5
CpK 4) 4 5 4
OEE 5) % 94 93.3 86
Tiempo de ciclo 6) , (horas) 48 24 24
Seguridad 7) 1 1 1
Fuente: Process Innovation: Lessons from UK Manufacturing, DTI Publication 5970/5k/04/02/NP,
URN 02/322, April 2002.
1) Facturación anual y valor total de todas las existencias al precio de venta (inclusive productos acabados,
trabajos en curso y materias primas).
2) On-Time-In-Full (Puntual y completo): Entrega de productos en la fecha y hora solicitada por el cliente,
sin defectos de producto o de documentación.
3) Right First Time (Correcto a la primera vez) en el lugar de fabricación, sin ajustes ni repetición de ciclo.
4) Una medida estadística de la distribución de la calidad del producto. Cuanto mayor es el número,
menor es la dispersión (por ejemplo, un valor 6 es igual a 6 Sigma).
5) Overall Equipment Effectiveness (Efectividad global del equipo).
6) Tiempo entre inicio de la fabricación y envío del producto.
7) Número de incidentes cada 100.000 horas.
Revista ABB
2/2004
7

junto con nuevas tecnologías de sensores
y aplicaciones avanzadas.
Los proveedores de sistemas de automatización
necesitan poder suministrar productos,
sistemas y servicios de acuerdo
con estándares consistentes, y hacerlo globalmente.
Esta es la razón por la que muchos
clientes que operan a escala mundial
prefieren depender solamente de unos
pocos proveedores. Pero esto implica también
que es preciso disponer de experiencia
y conocimientos especializados durante
las 24 horas del día y que han de estar
soportados por herramientas de conectividad
remota para efectuar diagnósticos
y localizar y corregir problemas.
El objetivo de conseguir soporte en
tiempo real para la toma de decisiones en
el ámbito de la empresa sigue fomentando
la tendencia hacia una integración más
profunda de sistemas de terceros, como
ERP 8) , CMMS 9) y GIS 10) , con los sistemas
de automatización. Entre las tareas que
son parte de esta estrategia y mejoran la
productividad está el funcionamiento óptimo
a pesar de las restricciones, que se
aplica al conjunto de departamentos y fábricas.
La programación óptima de los pedidos
de producción y el mantenimiento
se están convirtiendo en funciones esenciales
del software de gestión de activos,
que actualmente es parte integral de los
suministros de automatización. El concepto
de fábrica virtual ha de estar soportado
por algoritmos que permitan la distribución
optimizada de los pedidos a fábricas
de todo el mundo.
Los proveedores de sistemas de automatización
han de prestar atención a otro requisito
de los clientes, el aumento de productividad
de los activos. La consigna en
este caso es ’efectividad global del equipo’
(OEE, Overall Equipment Effectiveness),
para cuya mejora ya se están desarrollando
nuevas herramientas de gestión de
activos. Más que aumentar el tonelaje, el
sistema de control ha de soportar la velocidad,
la calidad y la flexibilidad.
Suprimir la necesidad de almacenamientos
reguladores intermedios reduce el inventario,
lo que conduce a una mayor eficiencia
de la energía, a unas menores necesidades
de capital circulante y a un acortamiento
de los ciclos de producto 1a . El
sistema de automatización ha de garantizar
una calidad constante, alto rendimiento
dentro de las limitaciones de producción
y rápidos cambios de calidad en
un entorno más dinámico. Actualmente,
todas las actividades industriales han de
poder afrontar restricciones rigurosas, entre
ellas las normas de seguridad e higiene
en el trabajo, la legislación medioambiental
y otras, y restricciones menos rígidas,
como la calidad del producto, con diferentes
niveles que corresponden a precios
de mercado distintos. Además, el sistema
de control ha de garantizar un funcionamiento
uniforme y óptimo, dentro de los
límites impuestos por estas restricciones
1b . Se ha hecho evidente que para conseguir
otras mejoras posibles de la productividad
es preciso ampliar el ámbito de la
optimización para cubrir áreas más amplias
de proceso. Sin embargo, esto hace
más complejas las tareas. La tendencia es
dejar de lado el control de unidades individuales
y buscar el control de la cadena
completa del proceso, pasar de fábricas
individuales a un conjunto de varias fábricas,
de un único objetivo de optimización
a la combinación de varios objetivos 1c .
El valor de la información en
tiempo real
La comunicación es la clave para optimizar
las operaciones más allá de las fronte-
8) Planificación de Recursos Empresariales
9) Sistema de Gestión de Mantenimiento por
Ordenador
10) Sistema de Información Geográfica
1
Aspectos de la productividad
$$
$$$
a) Reducción de inventario (por ejemplo,
supresión de almacenes reguladores de
stocks)
b) Optimización de limitaciones c) Ampliación del ámbito de optimización
8
Revista ABB
2/2004

2
El valor de la información en tiempo real
$/t
$/t
Throughput (t/d)
Throughput (t/d)
La contabilidad estática tradicional utiliza datos promediados e indica
que los ingresos por pedidos y los costes variables son lineales.
El margen de contribución aumenta con el volumen de producción.
Los ingresos y el coste por tonelada varían con tiempo y en función de la
fuente de suministros, del cliente y de la tasa de explotación. Con frecuencia,
el máximo beneficio se consigue por debajo de la tasa máxima
de explotación, cuando los ingresos dejan de superar a los costes.
mento ha de actualizarse continuamente y
estar accesible cuando se necesite. ABB
ha introducido una tecnología que describe
cada dispositivo como un objeto de
software con las propiedades del objeto
real, por ejemplo un motor, al que se denomina
Aspecto. Los Aspectos podrían estar
situados en varios sistemas diferentes,
como CAD, CMMS, ERP o un sistema de
control, pero el integrador de Aspectos
garantiza que toda la información sea consistente
y esté disponible en el momento
preciso. Un objeto no es necesariamente
una parte real del equipo, como un mo-
ras entre departamentos. Esto es así
cuando la información está destinada a la
toma de decisiones o al control de bucle
cerrado, ya que en cualquiera de ambos
casos se ha de suministrar información en
tiempo real y en el lugar e instante correctos.
Actualmente se dispone de muchas
tecnologías nuevas para este fin, que
aportan considerables ventajas: el personal
gana posibilidades, pues tiene acceso
a información sobre diversas disciplinas;
la comunicación inalámbrica favorece la
movilidad y los servicios basados en la
web permiten acceder a conocimiento
especializado. Todo esto se ofrece
con el fin de mejorar la productividad.
Los dispositivos de campo inteligentes,
que se comunican a través
de buses de campo, proporcionan
datos precisos de medición y tienen
capacidad de autodiagnóstico. La
tendencia hacia unas mediciones más
complejas, realizadas con equipos que
tienen capacidad de autocalibración, está
impulsando también la calidad del producto
y, al mismo tiempo, reduciendo el
uso de materias primas. Buenos ejemplos
son la demanda de medición directa de
variables de calidad en la fabricación o de
la medición analítica de componentes químicos.
Cada uno de los equipos instalados lleva
asociada una gran cantidad de documentación:
manuales, planos, listas de repuestos,
historial operativo, etc. Cada docutor,
sino que puede ser algo más abstracto,
por ejemplo un pedido, con información
como la especificación original de
compra, las cantidades, la situación en el
almacén y otros Aspectos.
La consistencia de los datos es esencial
para lograr una optimización y modelización
más avanzadas. Necesitamos ir más
allá del uso de promedios históricos y pasar
a garantizar la exactitud de las mediciones,
la consistencia de los datos del
programa de producción y del plan de
mantenimiento, y el empleo de los costes
y precios en tiempo real. El uso de
datos en tiempo real puede influir
significativamente en el cálculo del
nivel óptimo de producción, que en
ocasiones puede ser diferente del
volumen máximo de fabricación.
De hecho, el coste variable podría
aumentar fuertemente y de forma
no lineal al acercarse al volumen
máximo de producción, mientras la
contribución continua de los costes
desciende linealmente, dando como
resultado que el máximo beneficio se
alcance por debajo de la tasa máxima
de explotación 2 .
Herramientas de optimización
avanzada
Para optimizar la operación dentro de las
limitaciones comerciales antes reseñadas,
y hacerlo a través de varios departamentos
o de toda una fábrica o red, y posiblemente
a través de varias fábricas o redes,
Revista ABB
2/2004
9

es necesario disponer de potentes ordenadores
y de nuevos algoritmos. Se necesitan
modelos de procesos que combinen la
estimación on-line con las leyes de la física.
Estos modelos se utilizan para determinar
comportamientos predictivos durante
largos intervalos de tiempo con objeto
de optimizar la planificación de los
pedidos de producción y calcular el mejor
nivel posible de operación a partir de la
información en tiempo real. Es habitual
trabajar con un horizonte temporal de 24
a 48 horas, aunque es deseable hacerlo
con un intervalo aún mayor. Una posible
vía podría ser utilizar algoritmos más inteligentes
diseñados en torno a la descomposición
estructural.
Actualmente, los sistemas de control están
equipados con kits de herramientas que
contienen controladores P, PI y PID, los
’caballos de batalla’ del sector de la automatización.
La monitorización de las condiciones
de máquinas rotativas es bastante
común, pero la monitorización de las condiciones
de los bucles de control dista
mucho de serlo. De hecho, una planta industrial
típica podría tener entre el 30 y el
40 de estos bucles funcionando manualmente
por causa de una sintonización o
ajuste insuficiente. Es obvio decir que el
rendimiento de la planta industrial sufriría
con ello. Afortunadamente se dispone de
paquetes de ajuste que resuelven este problema.
En el campo del control avanzado, la tendencia
actual es emplear controladores
predictivos de modelos (MPC, Model Predictive
Controllers), aunque también se
utilizan a menudo controladores basados
en funciones cuadráticas de costes o controles
lineales con limitaciones de estado.
Los MPC que se están adoptando actualmente
son mayoritariamente del tipo de
entrada única y salida única (SISO, Single
Input Single Output). También se está extendiendo
el uso de controladores de varias
entradas y varias salidas (MIMO, Multiple
Input Multiple Output). Los algoritmos
de planificación de beneficios son los
que más se utilizan cuando existen limitaciones
no lineales. Los algoritmos de optimización
están enfocados normalmente
hacia las condiciones estacionarias con
comportamientos transitorios (cambios de
3
Los modelos de control cambian durante el ciclo de vida del proceso, actualizándose continuamente con la ayuda de datos en tiempo real
ss Estado estacionario
Plant
data
Initial
model
Estimation
Fitted
model
Offline
Online
Raw
plant
data
Data reconciliation
Parameter estimation
Reconciled
plant
information
Plant
Yield accounting
MPC
Linear
models
Linearization
Up-to-date
model
Soft sensing
Advanced MPC
Linearized models
Decision support
Optimization
(ss + dynamic)
Diagnosis and
troubleshooting
10
Revista ABB
2/2004

clase) manejados en rampas pequeñas.
La modelización orientada
a objetos se está exten-
4
diendo a medida que se desarrollan
las herramientas y lenguajes
de programación adecuados.
En un futuro próximo, la optimización
dinámica de las condiciones
transitorias en tiempo
real, la creación de modelos híbridos
de la dinámica de procesos
y la programación de tipo
mixto-entero formarán parte de
los recursos disponibles para el
ingeniero de procesos. Finalmente,
la optimización económica del
desarrollo de los procesos, inclusive los
aspectos del ciclo de vida, será la solución
preferida por los clientes industriales.
Este kit de herramientas para un control
óptimo tiene muchos componentes interactivos
distintos 3 . Los modelos mismos
varían durante el ciclo de vida del proceso
y se actualizan permanentemente con los
datos en tiempo real.
Optimización económica
Toda empresa, independientemente de si
fabrica productos, presta servicios o distribuye
electricidad por una red, ha de tener
un interés fundamental en controlar sus
5
operaciones desde el punto de vista económico.
Normalmente, esto consiste en
minimizar la función ’coste menos ingresos’
4 . Cuantos más elementos se tengan
en cuenta tanto más realista será la estrategia
de control. Sin embargo, esto se consigue
a costa de aumentar exponencialmente
la complejidad.
La minimización a lo largo del tiempo de
esta función, también llamada objetivo
económico, está sujeta a las restricciones
–tanto rigurosas como menos rígidas–
descritas anteriormente, y también al comportamiento
dinámico de los diferentes
componentes, ya que varios de ellos cambian
con el tiempo. Lo que a fin de cuen-
Ciclo de vida de los activos: La implementación de un bucle externo de
optimización económica proporciona valores de referencia operativa para el
bucle de control interno.
Sensing & Economic lifecycle
Reference Actuation estimation cost estimate
Control
Asset costs
Energy costs
Process
La función objetivo económico
t N
min ∑ [C A (t i )+C E (t i )+C M (t i )+C L (t i )–R(t i )]
t i =t 0
tas desea la industria es tener
capacidad para calcular on-line
estas estrategias de control a
partir de los datos en tiempo
real. Un examen más minucioso
de cada componente
muestra de qué manera:
Los costes del activo dependen
de dos fases diferentes, el
diseño y el ciclo de vida. Este
último depende de la esperanza
de vida residual y de los
costes de mantenimiento e inspección,
que podrían ser una
función de las estrategias de
operación.
Los costes de energía comprenden un
componente térmico y otro eléctrico.
En ambos casos, las empresas pueden
comprar la energía o generarla ellas
mismas. Los costes varían con los precios
de mercado y el tipo de combustible.
En la fórmula se puede incluir la
exportación del exceso de energía generada
introduciendo un factor de coste
negativo.
Los costes de las materias primas dependen
de los precios de mercado, de
la cantidad y de las estrategias de descuentos.
Se pueden añadir a la dinámica
los costes de inventario, introduciendo
factores como el almacenaje de
productos intermedios en reguladores
de stocks o el almacenaje final de productos
terminados.
Finalmente, los costes de mano de obra
dependen de varios factores, los turnos
de personal, la inspección y la frecuencia
de mantenimiento entre otros. En la
práctica, este componente de coste
tiene una influencia significativa en el
resultado de cualquier intento de optimización.
Todos los costes anteriores se comparan
con los ingresos debidos al producto, que
varían de acuerdo con los precios cambiantes
del mercado.
Product
revenues
Labor costs
Material costs
La figura 5 muestra cómo, al implementar
un bucle externo de optimización económica,
se proporcionan valores de referencia
operativa al bucle de control interno.
Economic
optimization
Context information,
eg spot market price,
weather forecast
Los límites del control
avanzado
A medida que aumente la demanda de
creación de modelos matemáticos más refinados
cabe esperar esfuerzos muy inten-
Revista ABB
2/2004
11

sos de I+D en diversos campos. A la cabeza
de la lista están la mayor facilidad de
uso y la robustez de los algoritmos en una
configuración en línea. Puesto que las fábricas
se pueden considerar como entidades
homogéneas, es de esperar que tengamos
que afrontar problemas más complejos.
Yendo más allá de una instalación
única, abordaremos la fábrica virtual con
varias cadenas de producción repartidas
por todo el mundo. La investigación en el
campo de las aplicaciones estudiará las
formas de descomponer estas tareas de
gran envergadura y aplicar técnicas de resolución
de problemas de carácter distribuido,
con un enfoque dirigido a los
agentes, sin introducir la suboptimización.
La no linealidad, las transiciones entre estados
estacionarios, las limitaciones dinámicamente
variables y el tratamiento de
sucesos anormales son problemas bien
conocidos por la industria, que desea solucionarlos
on-line y en tiempo real. La
predicción y la programación avanzadas
deberán funcionar con horizontes tempo-
rales mayores e intervalos de tiempo variables.
Otro campo que habrá que investigar más
es el de la consistencia y calidad de los
datos. Las técnicas de balance de masa
pueden compensar los errores de medición
provocados por la ‘desviación’ o el
fallo de los sensores garantizando cierto
grado de consistencia, aunque en este
campo hay muchas mejoras posibles. El
mantenimiento preventivo es una forma
fiable de eliminar las paradas imprevistas
de la producción.
La facilidad de uso tiene dos facetas. Por
un lado, los modelos se han de diseñar de
modo que interactúen fácilmente y sean
comprensibles para los operadores. Por
otro lado, se han de poder generar desde
la topología de la fábrica, según se describe
en los diagramas P&I (proceso e instrumentación).
Es importante introducir
los datos sólo una vez. Con los sistemas
ERP deben generarse los datos económicos.
Las dimensiones del ciclo de vida deberán
integrarse en los modelos globales.
Podemos decir, en resumen, que los aspectos
de la productividad relativos a los
activos y a la energía deberán poner mayor
énfasis en el modelado, control y optimización.
Los últimos avances de la automatización
han simplificado la aplicación
industrial del control y de la optimización,
aunque siendo necesario mejorar la modelización
y la ingeniería, así como la facilidad
de uso de los modelos. Aún falta mucho
para conseguir estas deseables características,
pero incluso pequeños avances
en esta dirección prometen tener un
efecto importante, como muestran otros
artículos de este número de Revista ABB.
Nils Leffler
Chief Editor
ABB Review
nils.leffler@ch.abb.com
Peter Terwiesch
Technology Manager
ABB Automation Technologies
peter.terwiesch@de.abb.com
Bibliografía
[1] P. Terwiesch: Frontiers in industrial process automation – a personal perspective. Invited plenary lecture, IFAC ADCHEM, Hong Kong, 2004.
12
Revista ABB
2/2004