PRODESA confía en INYCOM para el desarrollo e implantación de un sistema inteligente que permite un elevado grado de control del proceso productivo de pellets monitorizándolo por completo, diseñado bajo el concepto de Process and product Quality (P&PQ).
Además de la capacidad analítica de dicha solución, se implanta tecnología de Machine Learning para evaluar la producción que se está realizando en tiempo real y así poder tomar decisiones proactivas en lugar de reactivas.
Machine Learning y Análisis Predictivo de Productividad
Datos en tiempo real
El diseño y la creación de un modelo de datos sirvió de base para crear cuadros de mando específicos y personalizados que monitorizarán constantemente la producción de las plantas y muestran la información de manera muy gráfica y visual de manera que se identifiquen resultados o indicadores anómalos a primera vista.
El valor diferencial del modelo desarrollado se centra en que permite almacenar información de diferentes fuentes y posteriormente combinarla, lo que proporciona, entre otras ventajas:
- Una enorme capacidad analítica.
- Control exhaustivo de las características y de la calidad de producto.
- Control minucioso de las variables del proceso productivo.
Capturar, analizar en tiempo real todos los datos necesarios del proceso de producción permite, además de conocer la situación en cada momento, adoptar decisiones rápidamente e implantar las medidas adecuadas.
Predicción de Producción
En la segunda fase del proyecto se procede a la creación e implementación de varios modelos de Machine Learning predictivos para poder verificar que la producción que se está obteniendo es la óptima o bien se puede mejorar.
Gracias a los modelos generados a través del análisis de numerosas variables de producción se pudo predecir cual iba a ser la producción de las próximas horas. De este modo, cada hora se comprueba la producción real con la producción teórica, en caso de que la real sea inferior a la teórica se analiza el caso para ver donde se ha producido esa merma, ya que con esas condiciones debería haber producido más. En el caso contrario, se examinaría que se ha hecho diferente para intentar replicarlo y así mejorar la producción.

“Nuestro objetivo es dotar a las plantas de un instrumento para el control y optimización del proceso de fabricación de pellets, lo que supone un gran desafío debido al gran número de variables que intervienen. Por ello, el sistema de análisis inteligente ‘machine learning’ es una herramienta esencial para entender sus relaciones y dependencias y así lograr maximizar la producción y reducir costes"
Ana González
Técnico I+D / R&D Technician en PRODESA