\nAmbos son escenarios posibles y ambos proporcionan informaci\u00f3n interesante, especialmente cuando se trata de la gesti\u00f3n de alarmas como estrategia para analizar y reducir las mismas, por ejemplo, seg\u00fan EEMUA 191. Sin embargo, tambi\u00e9n tiene sentido echar un vistazo a estos datos al comienzo de un an\u00e1lisis de datos.<\/p>\n
Identificar r\u00e1pidamente las prioridades<\/h2>\n
Como primer paso, cuando se presenta un nuevo proyecto de an\u00e1lisis de datos, se toman generalmente los datos relevantes del proceso. Se necesita obtener una visi\u00f3n general lo antes posible y alinearlo con la informaci\u00f3n obtenida en la fase de definici\u00f3n. Esto es exactamente lo que sucedi\u00f3 en un proyecto de Yokogawa con OXEA Produktion GmbH & Co. KG. donde, en resumen, el objetivo era determinar qu\u00e9 causaba la vibraci\u00f3n en un proceso espec\u00edfico.<\/p>\n
Los primeros resultados confirmaron enseguida lo dicho por Oxea, que se hab\u00eda acumulado mucha experiencia desde la primera campa\u00f1a en el a\u00f1o 2015. Las inestabilidades graves, que fueron un problema en los primeros d\u00edas, desaparecieron. Sin embargo, pocas personas se dieron cuenta de cu\u00e1nta experiencia se ha adquirido en OXEA en los tres a\u00f1os transcurridos desde entonces. Los operadores intervinieron en el reactor y en la columna \u201cdownstream\u201d casi el doble de veces que en todas las dem\u00e1s plantas juntas. Esto no se debi\u00f3 a alarmas excesivas – el contenido de muchas de estas acciones manuales tambi\u00e9n fue rese\u00f1able. Sin embargo, fue precisamente este aprendizaje pr\u00e1ctico lo que ense\u00f1\u00f3 al personal de OXEA el valor del examen detallado. Junto con un an\u00e1lisis selectivo de los datos del proceso, les proporcion\u00f3 pistas vitales para optimizar la gesti\u00f3n del proceso.<\/p>\n
Dos p\u00e1jaros de un tiro<\/h2>\n
Mediante un ajuste relativamente sencillo de la estrategia de control se mataron dos p\u00e1jaros de un tiro. El control de nivel de tanque funciona ahora de forma totalmente autom\u00e1tica y las cantidades de alimentaci\u00f3n ya no tienen que ser reguladas manualmente, sino que est\u00e1n integradas en la estrategia de control del reactor; como resultado, la planta funciona de forma mucho m\u00e1s fluida, lo que alivia considerablemente la carga del operador. Por otro lado, se requieren considerables habilidades de persuasi\u00f3n cada vez que se realizan cambios en la estrategia de control, porque la gente tiende a ser muy reacia a reevaluar la forma en que operan en “su” planta. “Cuanto m\u00e1s clara y visible sea la mejora, mayor ser\u00e1 la aceptaci\u00f3n, al igual que en este caso”, afirma Stefan Frentzen, director de la planta de Marl.<\/p>\n
![\"\"](\"https:\/\/www.yokogawa.com\/eu\/blog\/app\/uploads\/sites\/8\/2022\/06\/Exaplog-1-300x214.png\")
Hazte una imagen completa<\/h2>\n
Las herramientas que permiten visualizar y gestionar las alarmas & eventos de forma gr\u00e1fica simplifican enormemente su an\u00e1lisis. Una de ellas es Exaplog, que puede utilizarse para el an\u00e1lisis estad\u00edstico tanto de datos hist\u00f3ricos como datos en l\u00ednea. Merece una atenci\u00f3n especial el \u201cEvent Balance Trend\u201d, es una soluci\u00f3n elegante de visualizar el equilibrio entre las alarmas y las acciones del operador. Con esto se pueden reconocer los patrones en los datos muy r\u00e1pidamente, y mejor a\u00fan, si el balance entre las alarmas y la intervenci\u00f3n del operador es coherente. Pero tambi\u00e9n se hacen visibles muchas alarmas innecesarias, reacciones exageradas por parte del operador o incluso alarmas debidas a una operaci\u00f3n incorrecta.<\/p>\n
Examen conjunto<\/h2>\n
Pero volvamos al mundo de Exaplog. Como muestra claramente el caso de aplicaci\u00f3n descrita, la visi\u00f3n adicional de los datos de alarma y eventos ha acelerado significativamente el an\u00e1lisis de datos o los ha hecho posibles en primer lugar. Ya que solo cuando los datos de proceso se visualizan junto con los datos de alarma y de eventos se puede obtener una imagen completa del comportamiento del sistema. Este es un buen consejo para todos los principiantes en el an\u00e1lisis de datos. De acuerdo con el lema \u201cIt doesn\u2019t always have to be big data\u201d – “No siempre tiene por qu\u00e9 ser Big Data”- se pueden realizar an\u00e1lisis de datos comparativamente sencillos obteniendo resultados mensurables. As\u00ed que, pong\u00e1monos manos a la obra y gestionemos algunas alarmas. Seguro que encontrar\u00e1s lo que buscas sin siquiera intentarlo.<\/p>\n
Y para todos aquellos que insisten en los grandes datos (Big Data): los m\u00e9todos de aprendizaje de la m\u00e1quina (machine learning) permiten escanear tanto los datos de alarmas y eventos como los registros de operaci\u00f3n, de modo que se puede evaluar y automatizar secuencias o utilizarse una topolog\u00eda de planta para predecir los caminos de propagaci\u00f3n dentro de una planta en funci\u00f3n de la densidad de alarmas.<\/p>\n
\n