gmv industria 4.0 optimizaciÓn de procesos … · optimizaciÓn de procesos industriales plsr...

© GMV, 2018 Propiedad de GMVTodos los derechos reservados

OPTIMIZACIÓN de Procesos Industriales con tecnologías IIoT y Big Data

GMV INDUSTRIA 4.0

INDUSTRIA 4.0

© GMV, 2014

Smart Energy Congress 2018

GMV-LIMITED GMV-SES, vers ión 1

12/04/2018 Página 2

CO

NT

EN

ID

O 1. QUIÉNES SOMOS

2. QUÉ HACEMOS

3. INDUSTRIA 4.0 / INNOVACIÓN PARA LA TRANSFORMACIÓN DIGITAL

4. MANTENIMIENTO PREDICTIVO

5. OPTIMIZACION DE PROCESOS INDUSTRIALES


QU

IÉ

NE

SS

OM

OS

GM

V-S

ES

© GMV, 2014



12/04/2018 Página 4

UN GRUPO TECNOLÓGICO GLOBAL

Grupo multinacional

tecnológico

Fundado en

1984

Capital Privado

Sede principal en España (Madrid)

Oficinas en 9 países

Más de 1.600empleados

Origen vinculado al sector espacial

Aeronáutica, Espacio, Defensa, Ciberseguridad, Sanidad, Sistemas

Inteligentes de Transporte, Automoción, Banca y Seguros, y TIC para grandes

empresas

Ingeniería, desarrollo e integración de sistemas,

software, hardware, servicios y productos

especializados

QUIÉNES SOMOS

© GMV, 2018 Propiedad de GMVTodos los derechos reservadosQU

É H

AC

EM

OS

GM

V-S

ES

© GMV, 2014



12/04/2018 Página 6

TIC PARA EL SECTOR INDUSTRIAQUÉ HACEMOS

INNOVACIÓN – INDUSTRIA 4.0

TRANSFORMACIÓN DIGITAL

BIG DATA / IIoT

CIBERSEGURIDAD INDUSTRIAL

Y CORPORATIVA

Industrial

IoT

SERVICIOS TIC

ENTORNOS COLABORATIVOS / APPS

INFRAESTRUCTURAS / CLOUD

GMV CERT


IN

NO

VA

CIÓ

NIN

DU

ST

RIA

4.0

GM

V-S

ES

© GMV, 2014



12/04/2018 Página 8

BIG DATA / IIoTINDUSTRIA 4.0

Tecnología Big Data aplicada a diversos entornos.

Soluciones tecnológicas para apoyar a nuestros clientes en su estrategia deTransformación Digital con el objetivo de OPTIMIZAR sus procesos de Fabricación yMantenimiento.

Experiencia en plataformas basadas en tecnologías Big Data / IIoT (“IndustrialInternet of Things”) / Machine Learning para mejorar la eficiencia energética así comola fiabilidad de los activos de plantas industriales.

Innovación basada en tecnología Blockchain aplicada al sector energético.

Transformación Digital (Industria 4.0)

© GMV, 2014



12/04/2018 Página 9

PROductivity inDUstrial enhanCement through enabling TechnlOgies

INDUSTRIA 4.0

I+D+i

PRODUCTIO


MA

NTEN

IM

IEN

TO

P

RED

IC

TIV

O

GM

V-S

ES

© GMV, 2014



12/04/2018 Página 11

“Predictive MaintenanceUsing Machine Learning Methods in Petrochemical Refineries”“Connected barrels: Transforming oil and gas strategies with the Internet of Things” Andrew Slaughter, Gregory Bean, Anshu Mittal August 14, 2015

“A single pump failure (in an Oil&Gas well) can cost $100,000 to$300,000 aday in lost production”.

“Between 2009 and 2013, there were more than 2,200 unscheduled refinery shutdowns in the United Statesalone, an average of 1.3 incidents per day:

These shutdowns cost global process industries 5 % of their total production, equivalent to $20.000millions per year.

Ineffective maintenance practices also result in unscheduled downtime that costs global refiners onaverage an additional $60.000millions per year in operating costs.”

© GMV, 2014



12/04/2018 Página 12

Descriptivo Diagnóstico PREDICTIVO PRESCRIPTIVO

EVOLUCIÓN DE FIABILIDAD Y MTTO.MANTENIMIENTO PREDICTIVO

¿Qué tengo que hacer?

¿Por qué pasa?¿Qué está pasando?

¿Qué pasó?

Machine LearningKPIInformes Optimizadores

© GMV, 2014



12/04/2018 Página 13

MODELOS PREDICTIVOS ‘CLASICOS’MANTENIMIENTO PREDICTIVO

http://themanufacturingconnection.com/2016/01/iot-plus-predictive-maintenance- equals-business-sense/

© GMV, 2014



12/04/2018 Página 14

Construcción del modelo PCA(No supervisado)

Construcción del modelo PLS(Supervisado)

Spring Meeting on Predictive Maintenance and Realiabilitywith Big and Complex Data (Schlägl Austria May, 2017)

© GMV, 2014



12/04/2018 Página 15

MANTENIMIENTO PREDICTIVO

VARIABLES LATENTES

Los modelos en Variables Latentes tienen un importante papel en la Industria 4.0

Modelos predictivos

Reconocimiento de patrones

Detección de anomalías y diagnosis

Mantenimiento predictivo

Conocimiento del Proceso

Optimización

Control de Procesos


© GMV, 2014



12/04/2018 Página 16

MANTENIMIENTO PREDICTIVO

VARIABLES LATENTES

Los modelos en Variables Latentes tienen un importante papel en la Industria 4.0

Modelos predictivos

Reconocimiento de patrones

Detección de anomalías y diagnosis

Mantenimiento predictivo

Conocimiento del Proceso

Optimización

Control de Procesos



OP

TIM

IZ

AC

IÓ

N

DE P

RO

CES

OS

GM

V-S

ES

© GMV, 2014



12/04/2018 Página 18

ESTADÍSTICA MULTIVARIANTEOPTIMIZACIÓN DE PROCESOS INDUSTRIALES

PLSR modelo de regresión basado en VARIABLES LATENTES.

Herramienta adecuada para analizar gran cantidad de datos, ya que permite:

Trabajar con variables correlacionadas entre sí.

Obtener Modelos ‘invertibles’ en entornos pasivos.

La monitorización de un proceso y la detección temprana de fallos eidentificación rápida de las causas.

© GMV, 2018 Propiedad de GMVTodos los derechos reservadoswww.gmv.com

ww

w.g

mv.e

s

GRACIASDr. PEDRO JOSÉ HERNÁNDEZ ARIZNAVARRETA

[email protected]

https://www.facebook.com/infoGMV

https://www.facebook.com/infoGMV

https://twitter.com/infoGMV

https://twitter.com/infoGMV

https://www.linkedin.com/company/gmv

https://www.linkedin.com/company/gmv

http://www.gmv.com/es/RSS

http://www.gmv.com/es/RSS

https://twitter.com/infoGMV_es

https://twitter.com/infoGMV_es

https://www.youtube.com/user/infoGMV

https://www.youtube.com/user/infoGMV

http://www.gmv.com/blog_gmv/language/es/

http://www.gmv.com/blog_gmv/language/es/

gmv industria 4.0 optimizaciÓn de procesos … · optimizaciÓn de procesos industriales plsr...

Documents