Precom

PERFIL DE CLIENTES

SAKANA

Fabricación de bajo volumen

Fresadora de Soraluce en Sakana produciendo turbinas eólicas. Componentes críticos monitorizados:

Cabezal de husillo
Caja de cambios del husillo
Unidades de alimentación
Geometría de la máquina

SPINEA

Fabricación de alto volumen

Danobat Overbeck máquina de molienda en Spinea produciendo engranajes reductores. Componentes críticos monitorizados:

Cabezal de husillo
Husillo de molienda
Unidades de alimentación
Carga y vibración de los procesos

GOMA CÀMPS

Fabricación continua

Fábrica de papel en Goma Càmps con componentes de Lantier. Componentes críticos monitorizados:

Rollo de secador de Yankee
Rodillo de prensa de succión
Rollo de formación
Raspador de crepado

OBJETIVOS DEL PROYECTO

Implementar y probar un sistema de soporte de decisiones de mantenimiento cognitivo predictivo capaz de:

Identificar y localizar daños y evaluar la gravedad de los mismos
Predecir la evolución de los daños
Evaluar la vida restante de los activos y reducir la probabilidad de falsas alarmas
Proporcionar una detección de fallos más precisa para realizar acciones de mantenimiento preventivo cuando sea necesario
Optimizar la mantenibilidad
Aumentar la eficiencia en servicio de las máquinas.
Compartir información de manera efectiva entre usuarios
Reducir costos

APORTAMOS SOLUCIONES

Savvy, como socio clave, ha personalizado e implementado sus tecnologías digitalizando todo el ciclo de vida de los datos en la plataforma PreCoM.

Para cumplir con el objetivo de lograr una mayor integración digital de las máquinas con su entorno operativo, se ha diseñado un conjunto de herramientas, en particular Smart eMaintenance Decision Support System (Smart eMDSS), que se integra con el sistema de adquisición de datos de Savvy.

De esta forma, PreCoM es capaz de recopilar datos complejos de varias fuentes de datos de la planta, como sensores inteligentes, sistemas de análisis de condición para unidades hidráulicas, compresores, grúas, todo tipo de software de análisis de condición, etc.

Para fines de captura de datos, Savvy utiliza "Savvy Smart Box". Una vez que los datos son capturados y procesados, se envían a “Savvy Industrial Cloud” y luego, automáticamente, a la nube de PreCoM donde se halla Smart eMDSS; para analizar, diagnosticar, predecir y recomendar qué, dónde, cuándo y cómo actuar.

Gracias a este análisis, los datos se transforman en información valiosa para el cliente.

RESULTADOS
CONTRASTADOS

SPINEA

Se mejoran la disponibilidad, el rendimiento y el OEE. La mejora del OEE (del 8,6%) generó un beneficio de 11,085.65 unidades (el margen de beneficio es 1).

Mantenibilidad y disponibilidad:

Un mantenimiento 20% más rápido
70% menos tiempo de supervisión del nuevo personal
Ahorro de tiempo gracias a la utilización de la herramienta de comunicación (15 minutos de espera por cada empleado)
Menos errores esperados al realizar tareas de mantenimiento

Parameter	Value during Period 1	Value during Period 2
Availability	92.5%	99.5%
Total failure soppage (down time)	535 hr	32 hr
Planned production time / loading time	7200 hr	7200 hr
Production Performance	81.3%	84.4%
Actual cycle time	0.27 hr	0.26 hr
Theoretical cycle time	0.225 hr (average)	0.225 hr (average)
Quality	99.7%	99.5%
Rejected items	73 items	133 items
Total items	24089 items	26889 items
Overall equipment effectiveness	75%	83.6%
Total failure stoppage related to PreCoM monitored components	-	-
No. of failures	19	21
No of failures related to PreCoM monitored components	-	-
Overall process effectiveness	0.92	0.99

GOMA CÀMPS

La calidad y el OEE se mejoran ligeramente. La ligera mejora de OEE (del 0,9%) generó una ganancia de 7,13 unidades (el margen de beneficio es 1).

Mantenimiento predictivo implementado:

Gracias a las soluciones proporcionadas por PreCoM, se detectó un problema en el rodamiento Yankee el cual fue reparado en una parada planificada antes de que pudiera romperse. El mantenimiento no programado hubiera costado 40.000 € y 3 días de parada de producción.

Mantenibilidad y disponibilidad:

Útil para fines formativos y para el personal de reciente adquisición (pueden realizar el mantenimiento sin supervisión desde la primera vez)
Menos errores esperados al realizar tareas de mantenimiento

Parameter	Value during Period 1	Value during Period 2
Availability	98.2%	98.2%
Total failure soppage (down time)	228 hr	97 hr
Planned production time / loading time	13011 hr	5417 hr
Production Performance	76%	76.8%
Actual production rate	4.1 t/hr	4.2 t/hr
Theoretical production rate	5.5 t/hr	5.5 t/hr
Quality	98.3%	98.6%
Rejected items	1.6% of total quantity	1.4% of total quantity
Total quantity	53500 tons	22500 tons
Overall equipment effectiveness	73.5%	74.4%
No. of failures	112	44
Total failure stoppage related to PreCoM monitored components	8 hr	40 hr
No. of failures related to PreCoM monitored components	1	2
Saved hours due to PreCoM	-	72 hr
Overall process effectiveness	0.96	0.96

SAKANA

Mantenimiento predictivo implementado:

Se detectó un problema en el husillo a través de las soluciones proporcionadas por PreCoM. La estimación del impacto de no reparar fue de 1 semana laboral (5 días), 100 horas de producción perdida a 200 € la hora.

Mantenibilidad y disponibilidad:

Se informó de un ahorro de tiempo en la formación de nuevos trabajadores (de 20% a 15%), y, además, necesitaban ser menos supervisados por un compañero experimentado (solo supervisando la primera vez en lugar de 2-3 veces).