Seleccionar página
La importancia de llamarse PYME innovadora

La importancia de llamarse PYME innovadora

La importancia de llamarse PYME innovadora

Innovación | PYME | Sixphere

Tenemos el honor y la alegría de poder decir, después de varios años convencidos de ello, que somos oficialmente, Ministerio de Ciencia e Innovación mediante, una PYME innovadora en toda regla. Para nosotros, como empresa proveedora de tecnología, dicho reconocimiento supone muchísimo más que una imagen PNG que añadir a nuestras presentaciones comerciales. Nos refuerza en la idea de que es posible digitalizar innovando y, sobre todo, de que es factible llevar la innovación a nuestros clientes.

En Sixphere Somos Pyme innovadora

Este sello es la guinda de un pastel que comenzó a cocinarse allá por 2017, con la idea de crear, analizar y desarrollar, dentro del marco Industria 4.0, un ecosistema de gestión integral y en tiempo real de la producción basado en IoT, tecnologías de proximidad e IA.

Ya a finales del año pasado alcanzamos un hito, a nuestro modo de ver, espectacular para una PYME TIC como la nuestra: que AENOR certificase nuestro proyecto como I+D, un proceso realmente complejo y exigente (y en el que contamos con la ayuda de CTA) que ha culminado en la expedición de un informe motivado a tal efecto por el propio Ministerio, la llave final para alcanzar este pequeño tesoro.

La innovación como motor de transición digital

En Sixphere tenemos clara nuestra postura con respecto a la innovación, sabemos qué significa y estamos convencidos de su importancia y utilidad como motor de cambio y como generador de valor añadido. Para nosotros, en ningún caso es lo mismo explotar el negocio de la innovación que explorar la generación de negocio a través de la innovación. Nos apuntamos a la segunda filosofía.

El camino que nos ha llevado a ser PYME innovadora ha sido demostrar que diseñamos, ejecutamos, gestionamos y, sobre todo, apostamos por proyectos de innovación. Dicho de otro modo, hacemos de la innovación nuestro leitmotiv, nuestra marca diferenciadora, nuestro día a día. Nuestra regla fuera de la excepción.

¿Dónde encajan en este plan de empresa las ayudas, programas y subvenciones a la innovación? Para nosotros, por supuesto son una oportunidad única de impulsar ideas que complementan nuestros servicios y, sobre todo, que suponen un reto de mercado real. Hay mercado si existe la necesidad, y nuestro trabajo en esencia consiste en cubrir ese GAP con tecnología. Nuestra participación en BlockIS y BlockStart nos ha permitido demostrar (y demostrarnos) que la innovación ha de redundar en resultados tangibles y de valor. Y así la seguiremos enfocando.

La importancia de llamarse PYME innovadora

El carácter innovador de una empresa no nace y muere en un programa o en una ayuda, funciona cuando forma parte de su ADN. En este sentido, en Sixphere hacemos innovación como una forma de aportar valor. En una empresa como la nuestra, la innovación tiene peso específico cuando somos capaces de transmitir su método, su valor y su implantación a nuestros clientes.

Seguiremos desarrollando tecnología como herramienta para el cambio y la mejora continua. Seguiremos enfrentándonos a problemas complejos de la mejor forma posible: aportando imaginación, honestidad y resultados. ¡Larga vida a la innovación!

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data | Machine Learning

El tiempo de fabricación de un elemento en una línea de producción es, debido a la naturaleza propia del proceso, un valor que no debe variar demasiado en el tiempo. Sólo debe verse afectado de manera significativa por la aparición de alguna anomalía. Esto lo convierte en un dato idóneo para ser estudiado y analizado como una serie temporal.

Se llevará a cabo un análisis de los tiempos de fabricación de un elemento haciendo uso de modelos de autorregresión. Se empleará concretamente la metodología Box-Jenkins, considerando los siguientes bloques:

  • Estudio de la estructura de la serie, para determinar si se trata de una serie estacionaria, además de chequear la existencia de outliers.
  • Búsqueda de los modelos y parámetros que mejor ajusten la serie, estudiando el ajuste de los modelos ARMA o ARIMA según corresponda y estimando los valores más apropiados para sus parámetros.
  • Validación del modelo seleccionado, llevando a cabo un análisis sobre el ruido blanco explicado por el modelo.
  • Predicción de valores futuros, haciendo uso del modelo seleccionado, así como la detección de valores outliers.

Estudio de la estructura de la serie

La serie está compuesta por un conjunto de observaciones ordenadas de la variable timesheet_incurred, que representa el tiempo de fabricación, en segundos, que se ha consumido en la ejecución de una determinada operación sobre un elemento.

Con una simple descriptiva se observa una gran amplitud en la distribución de los valores, sobre todo teniendo en cuenta la naturaleza de los mismos.

Big Data, anomalías y predicción

En los gráficos de distribución se observa cláramente cómo la variable tiene valores muy dispersos, pero al mismo tiempo concentrados alrededor de los intervalos (0, 1000) y (5000, 7000).

Big Data, anomalías y predicción

En la gráfica de valores se aprecia una clara diferencia en la distribución de los mismos a partir de la observación 109. Esto puede ser debido a un cambio en el proceso de producción que haya afectado cláramente al tiempo de fabricación del elemento.

En la gráfica de valores se observa una clara diferencia en la distribución de los mismos a partir de la observación 109. Esto puede ser debido a un cambio en el proceso de producción que haya afectado cláramente al tiempo de fabricación del elemento.

¿Quieres profundizar más en este experimento de
Big Data, anomalías y predicción?

O visita el caso técnico completo con recursos de código fuente y resultados obtenidos.
Big Data, anomalías y predicción.

Búsqueda de los modelos y parámetros

Existen métodos para la estimación de los parámetros del modelo ARIMA basados en la aplicación de algunos tests, pero quizás el más extendido y fácil de usar es el que consiste en calcular y minimizar el error cuadrático medio obtenido de diferentes combinaciones de los parámetros p, q y d del modelo.

En nuestro ejemplo, probando diferentes valores, se obtiene que la combinación con menor MSE es (4,0,20).

Big Data, anomalías y predicción

Validación del modelo

Para comprobar la validez del modelo se lleva a cabo el análisis de los residuos para determinar si se trata de ruido blanco.

En primer lugar se aplica un test de normalidad sobre los residuos, del cual se desprende que se rechaza la hipótesis de que sigan una distribución normal. Esto es indicativo de que no todo el comportamiento de la serie queda explicado por el modelo. Esto puede ser debido a que la serie sufre muchas anomalías, aunque existe correlación entre los valores.

En segundo lugar, se aplica el test de Durbin-Watson para contrastar la existencia de correlación en los residuos del modelo. El resultado es un valor muy cercano a 2, lo cual indica la NO existencia de correlación en los residuos, por lo que damos el modelo como válido.

Predicción de valores futuros

Haciendo uso del modelo seleccionado se pueden hacer predicciones para los valores próximos de la serie, tal como se observa en el siguiente gráfico.

Big Data, anomalías y predicción

Pero otro beneficio importante de este tipo de análisis sobre una serie temporal es que se puede usar para la detección de anomalías. Haciendo una simple normalización de la serie, se observan outliers dependiendo de la desviación estándar móvil.

Sin embargo, estudiando la desviación entre el valor observado y el valor predicho por el modelo, se pueden detectar anomalías de una manera más sensible que el método anterior. El siguiente gráfico señala anomalías detectadas en aquellos valores cuya desviación con respecto a lo estimado supera la desviación estándar móvil para dicho punto.

Big Data, anomalías y predicción

¿Quieres profundizar más en este experimento?

O visita el caso técnico completo con recursos de código fuente y resultados obtenidos.
Big Data, anomalías y predicción.

Tres formas de explotar datos en tu proceso de digitalización

Tres formas de explotar datos en tu proceso de digitalización

Tres formas de explotar datos en tu proceso de digitalización

Big Data | Industria 4.0 | Transformación digital

El auge de la transformación digital de procesos productivos y de negocio, así como la implantación intensiva de sistemas de información, han abierto una nueva vía de optimización y mejora: el uso de los datos.

De forma apenas perceptible, estos sistemas de información presentes en las organizaciones han acumulado datos y datos que, sin duda, es hora de aprovechar. Existe la tecnología y existen los medios para hacerlo. ¿El siguiente paso? Obtener, a partir de ellos, información que optimice la toma de decisiones en el día a día. Exploremos tres formas de explotar datos.

El dato, actor protagonista en el ciclo de digitalización

Antes de nada, cabe preguntarse qué lugar ocupa el dato en el proceso de transformación digital de las compañías. ¿Qué hay que hacer para “tener” datos? ¿Qué sistemas “crean” los datos? Ante estas dudas frecuentes, cabe preguntarse “cómo” en lugar de “qué”.

Cualquier organización, independientemente del grado de digitalización que haya alcanzado en sus procesos, posee datos: en papel, en hojas de cálculo, en ERP’s, en sistemas de gestión de RRHH… El reto a afrontar es cómo captar y modelar esos datos para convertirlos en información útil.

Generación, captación y modelado

A la hora de afrontar un proyecto de datos, pueden diferenciarse tres grandes fases: la generación y/o captación del dato; el análisis y modelado de los datos captados; y la explotación del dato con el fin de convertirlo en información de utilidad.

La complejidad y alcance de cada una de estas fases dependerá directamente de los objetivos de negocio marcados, que a su vez deberán responder y estar alineados a una estrategia empresarial.

  • Generación y/o captura: el primer paso consiste en analizar qué datos existen y están disponibles en la organización. Como resultado, dos posibles acciones: implantar sistemas que sean capaces de facilitar la generación digital de los datos requeridos, e implantar la infraestructura necesaria para realizar una captura continua de estos en tiempo real.
  • Modelado: el siguiente paso es analizar, transformar y estructurar los datos capturados en entidades de negocio con un significado dentro de los procesos de la compañía. Dicho de otro modo, el objetivo es dar forma a esos datos para convertirlos en información de utilidad.
  • Explotación: una vez dispuestos los datos estructurados y listos para su procesamiento, llega el momento de su aprovechamiento para alcanzar las mejoras marcadas. A continuación, se expondrán algunas de las alternativas existentes.

Tres formas de explotar datos, tres modos de mejorar

La eficiencia de un proceso productivo depende directamente de la calidad de las decisiones tomadas, y la eficacia de estas es inversamente proporcional al tiempo invertido en ejecutarlas. El tiempo es oro, y el dato ayuda a optimizarlo. Cada negocio es distinto, y sus objetivos estratégicos inevitablemente varían. No obstante, todos tienen algo en común: la necesidad de mejorar de forma continua.

Mejora de la toma de decisiones a través de datos

Cuadros de mando y tiempo real

El modo de explotación más extendido: el cuadro de mando. A grandes rasgos, el objetivo principal de este tipo de soluciones es mostrar al usuario final información que le ayude, con un simple golpe de vista, a identificar si los procesos, áreas o ámbitos de los que es responsable marchan como deben.

Sin embargo, no por extendida la elaboración de cuadros de mando siempre es bien aplicada. El primer paso para elaborar un buen cuadro de mando es analizar el perfil de usuario al que va destinado y alinear su contenido a la necesidad de aquel. Es necesario huir del exceso de información e “ir al grano”. Sólo de esta forma se alcanzará el objetivo principal: facilitar la toma de decisiones.

Como complemento al requisito anterior, un buen cuadro de mando debe estar alineado a un conjunto de objetivos de negocio y, por ende, ha de representar el estado y la evolución en un período de tiempo específico de KPIs concretos y suficientemente representativos para el perfil al que están destinados. Ello va a permitir asimismo construir cuadros de mando sencillos y visuales que ofrezcan una foto actual del estado de los procesos a golpe de vista.

Por último, y siempre en la medida de lo posible, un buen cuadro de mando debe ofrecer información en estricto tiempo real. Cada día más, es la capacidad de anticipación y la rapidez en la resolución de problemas la que marca la diferencia y mejora la competitividad.

¡Empieza a imaginar tu proyecto!

Te ayudamos a imaginar cómo sería tu proyecto de datos.
Gratis y sin compromiso.

Detección de anomalías en tiempo real

La explotación de datos a través de cuadros de mando proporciona un método eficaz para mostrar al usuario final el estado de sus KPIs de negocio. No obstante se trata de un método pasivo, es decir, es el usuario el que ha de sacar conclusiones a partir de su análisis. ¿Por qué no dar un paso más?

El dato puede tener iniciativa propia, puede ser proactivo y hablar por sí mismo. Sólo hace falta un poco de IA y Big Data para alcanzar modelos inteligentes de detección de anomalías.

Este tipo de sistemas se encargan, en esencia, de analizar continuamente un determinado conjunto de datos con el fin, en primer lugar, de identificar patrones comunes, continuos y persistentes en el tiempo para, en última instancia, detectar si un determinado suceso o comportamiento es anómalo.

Los modelos de detección de anomalías tienen una ventaja sustancial sobre otros modos de explotación de datos: más allá de girar en torno a KPIs predefinidos, desenmascaran posibles problemas o cuellos de botella ocultos.

Modelos inteligentes de autoaprendizaje

Siguiendo la senda de la aplicación de modelos inteligentes, pueden aún darse pasos más allá en relación al uso de datos para la implementación de sistemas que mejoren de forma sustancial los procesos de una organización.

A través del análisis de datos y su procesamiento en combinación con el desarrollo de componentes Machine Learning, pueden implementarse modelos predictivos que ofrezcan estimaciones con un alto grado de fiabilidad sobre parámetros de producción claves para la estrategia empresarial de la organización.

Asimismo, a través de retroalimentación y aprendizaje, dichos modelos pueden alcanzar un alto grado de autonomía a la hora de anticipar errores, anomalías o bloqueos en la ejecución de un proceso de negocio. E incluso, más allá, facilitar la operativa diaria a través de la asistencia automática a la toma de decisión.

En resumen, el ciclo de vida del dato y su poder como motor de mejora de procesos empresariales es tan grande como grandes sean los objetivos marcados. No siempre es necesario abordar proyectos complejos, ni siempre es suficiente con un cuadro de mando. El dato está a disposición de la estrategia, sólo hay que saber aprovecharlo.

Trazabilidad y seguridad alimentaria: qué es y cómo aplicarla

Trazabilidad y seguridad alimentaria: qué es y cómo aplicarla

Trazabilidad y seguridad alimentaria: qué es y cómo aplicarla

Agroalimentario | Sector Agroalimentario | Trazabilidad
Sin trazabilidad, la seguridad de los alimentos queda muy comprometida. Esto hace que las empresas del sector no tengan otra opción que tenerla en cuenta si no quieren verse envueltas en situaciones complejas. Si no tienes del todo clara la idea de trazabilidad, sus implicaciones y cómo asentarla en tu planta, te recomendamos que inviertas unos minutos de tu tiempo en leer este artículo.

¿Qué es la trazabilidad de un producto?

El Codex Alimentarius define la trazabilidad como “La capacidad para seguir el movimiento de un alimento a través de etapa(s) especificada(s) de la producción, transformación y distribución”. Una definición ampliamente aceptada, ya que cuenta con el respaldo de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO).

Por tanto, se deduce que la trazabilidad es un elemento fundamental para cualquier industria alimentaria. Gracias a ella, tenemos en nuestro poder la “historia” completa del producto. De esta forma, se incrementa el control sobre los procesos y se tiene una mayor capacidad de respuesta frente a cualquier situación.

Sin ir más lejos, piensa en la cantidad de noticias que se publican con alertas alimentarias por la venta de un producto contaminado o que no cumple con los requisitos exigidos. Gracias a la trazabilidad, se sabe perfectamente cuáles son los lotes afectados y dónde se han distribuido, facilitándose su retirada y evitando consecuencias sanitarias que pueden ser graves.

Generalmente, se pueden diferenciar 3 tipos de trazabilidad:

 

  • Trazabilidad hacia atrás: recoge los datos relacionados con la procedencia de los alimentos, ya sean los propios cultivos, granjas o donde hayan pasado por un procesado previo antes de llegar a su destino actual.
  • Trazabilidad de proceso: aquí se encuentran todas las operaciones que se están realizando en nuestras propias instalaciones. Desde que son recepcionados, hasta que las abandonan.
  • Trazabilidad hacia delante: hace referencia al receptor de nuestro producto.

Ventajas de aplicar la trazabilidad alimentaria

Aunque algunos de los beneficios clave de contar con la trazabilidad alimentaria ya se pueden deducir de la definición que te hemos dado, no está de más hacer un listado con todas las ventajas que disfrutará tu empresa con su aplicación:

 

  • Supone una poderosa arma para la protección de la salud de toda la sociedad.
  • La información con la que se trabaja sirve también para una optimización de la gestión de operaciones.
  • Participa en las acciones de control de calidad, así como aporta datos importantes para las auditorías.
  • No supone un excesivo coste añadido, y éste será compensado por el incremento de beneficios.
  • Facilita la retirada y eliminación de productos defectuosos o potencialmente peligrosos. Además, hace posible, siempre que se pueda, que algunos de estos productos se reorienten a otros usos.
  • Facilita la depuración de responsabilidades en caso de conflicto de cualquier tipo.
  • Mejora la atención al cliente, la información al mismo y en lo referido a sus reclamaciones. Así como las relaciones con proveedores y partners.
  • Aporta una imagen de seguridad en un entorno altamente competitivo, lo que repercutirá en un incremento de ventas.
  • Facilita las tareas de control por parte de las Administraciones Públicas implicadas.
SIXPHERE - Trazabilidad y seguridad alimentaria

El plan de trazabilidad para la industria alimentaria

Muy bien, estás convencido de que debes apostar todo lo posible por la trazabilidad de tu planta alimentaria. Ha llegado el momento de remangarse y ponerse manos a la obra. Y ahora llega la gran pregunta… ¿Por dónde empiezo? ¿Cómo lo hago?

La respuesta puedes interpretarla de dos formas distintas. Una de ellas es que no hay un método predeterminado que describa, paso por paso, el proceso de implementación de un plan de trazabilidad. La otra es que puedes ser “creativo” y plantear diversas estrategias para alcanzar esta meta.

Como ayuda, a modo orientativo, el Ministerio de Sanidad y Política Social publicó una “Guía para la aplicación del sistema de trazabilidad en la industria agroalimentaria”. En esta se describen una serie de pautas al respecto. Hacemos un repaso de estas:

  1. Estudio de los sistemas de archivo propios: la documentación, en papel o digitalizada, es esencial a la hora de fijar la trazabilidad alimentaria en la industria. Es posible que tras este análisis, se observen mejoras en la forma de organizarla.
  2. Consulta con proveedores y clientes: la comunicación es esencial. Así se permite coordinar acciones y obtener recomendaciones de estos, además de otras entidades, como Administraciones públicas.
  3. Definición del ámbito de aplicación: es decir, conseguir que no haya grietas y la trazabilidad sea integral a lo largo de toda la cadena. Para ello, cada empresa deberá considerar cuáles de los 3 tipos de trazabilidad necesitan aplicar.
  4. Definición de criterios para la agrupación de productos en relación con la trazabilidad: aquí es donde entran en escena los lotes, aunque estas no son las únicas formas de agrupar productos. Estos criterios van desde la hora de fabricación, la línea de producción, dónde se ha recolectado, su tamaño, etc.
  5. Establecer registros y documentación necesaria como resultado de la investigación ejercida en el primer paso que hemos descrito. Estos archivos deben contener información relacionada con el ámbito de aplicación del sistema, las características del producto, los registros de las operaciones y el procedimiento de revisión y actualización del sistema documental.
  6. Establecer mecanismos de validación/verificación por parte de la empresa: es conveniente revisar cada cierto tiempo que el sistema de trazabilidad cumple con su función, evaluando la exactitud de la información y el tiempo de respuesta.
  7. Establecer mecanismos de comunicación interempresas, de forma que se implique a todos los componentes de la cadena de suministro.
  8. Establecer procedimiento para localización y/o inmovilización y, en su caso, retirada de productos.

Aunque la trazabilidad alimentaria es un concepto que lleva muchos años con nosotros, ahora disponemos de herramientas de digitalización que nos permiten cumplir con ella de manera más eficiente. Gracias a estas soluciones, consigues disponer de primera mano de información actualizada, más accesible y segura. 

Para llegar al nivel deseado, en Sixphere ponemos a tu alcance soluciones paperless para que conozcas hasta el más mínimo detalle de todo lo que sucede en tu planta. Con ellas, la trazabilidad de tus acciones está garantizada y reforzada con la digitalización de todos los documentos implicados. 

La importancia de llamarse PYME innovadora

La importancia de llamarse PYME innovadora

Hace poco recibimos, de parte del Ministerio de Ciencia e Innovación, el sello que nos acredita como PYME innovadora. Queremos contaros por qué en Sixphere somos innovación, qué significa para nosotros la innovación, y por qué creemos en la importancia de llamarse PYME innovadora.

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data, anomalías y predicción: análisis de una serie temporal

La determinación del tiempo de fabricación de un elemento en una línea de producción es clave para la optimización de los procesos asociados. Pero, ¿cómo puede calcularse? A continuación, un ejemplo práctico y técnico a través del uso y explotación de datos.

Los casos de éxito de Sixphere

¿Quieres conocer qué hacemos y el modo en que lo hacemos? Visita nuestros casos de éxito y pregúntanos todo lo que necesites saber.

Big Data y su papel en la fábrica del futuro

Big Data y su papel en la fábrica del futuro

Big Data y su papel en la fábrica del futuro

Big Data | Industria 4.0 | Smart Factory
A la hora de pensar en las fábricas del futuro, en ellas tenemos que contar, indiscutiblemente, con una serie de soluciones de última generación. No admite ninguna discusión el hecho de que entre ellas está Big Data. ¿Sabes por qué y cuáles son los requisitos que deben cumplir las plantas del mañana? Acompáñanos en el túnel del tiempo y hagamos un tour por la industria de los próximos años.

Big Data qué es y cómo funciona

El término Big Data lleva ya un tiempo copando buena parte de la información tecnológica. Un concepto que ha ido tomando importancia debido a que cada vez se generan más datos, a mayor velocidad y la tecnología nos permite tener más capacidad para almacenarlos a un precio aceptable, así como para procesarlos y extraer valor de ellos.

Big Data supuso un paso de gigante a la hora de trabajar con esta información, ya que no se podía trabajar con tales cantidades de datos con los métodos tradicionales. Con Big Data se consigue automatizar la recopilación, clasificación, gestión y análisis de toda la información.

Sin duda, Big Data consigue superar algunos de los retos que en un principio se le planteaban. Entre ellos, además de las enormes cantidades de datos, también se encontraba la tipología de estos.

Respecto a esto último, destacar el papel de los datos no estructurados. Es decir, aquellos que no están definidos por un modelo concreto. Para que lo veas más claro, datos estructurados son los multimedia, los correos electrónicos, hojas de cálculo, algunos provenientes de dispositivos IoT, etc. 

Además de estos, las soluciones Big Data también trabajan con datos estructurados – organizados en bases de datos – y semiestructurados, que son un híbrido entre ambos.

Tradicionalmente, Big Data se ha definido por una serie de características que se conocen como las V del Big Data. Estas son: volumen, variedad, velocidad, veracidad, valor.

Para conocer el funcionamiento de Big Data, no es necesario entrar en materia excesivamente técnica y sólo comprensible por expertos. Al menos si sólo quieres tener una visión general del proceso.

En primer lugar, hay que integrar las diversas fuentes de información de las que puedes sacar valor. En el caso de las fábricas del futuro, estos datos provendrán de sensores instalados en las líneas de producción, como los propios del Internet Industrial de las Cosas, así como de dispositivos beacons para el posicionamiento, de resultados de los controles de calidad, anotaciones de los propios trabajadores, etc.

Después habrá que darles en formato correcto y almacenarlos ordenadamente, ya sea en la nube o en un sistema interno propio. Por último, llega el momento del análisis de estos para poder extraer conclusiones que favorezcan la toma de decisiones. Algo que suele conseguirse con la contribución de otras tecnologías especializadas, como las propias de la inteligencia artificial (machine learning, deep learning…).

SIXPHERE - Big Data y fábrica del futuro

La Industria 4.0 y la fábrica del futuro

No cabe duda de que las fábricas del mañana se cimentarán sobre las bases de la Industria 4.0 y de la fábrica inteligente o Smart Factory. ¿Te parece que viajemos en el tiempo (no demasiado) y hagamos una visita a la fábrica del futuro?

Serán varios los aspectos que caracterizarán a las plantas industriales de los próximos años. Entre los más importantes, tenemos:

  • Conexión: la conectividad está por donde quiera que mires, en tu casa, en la calle, mientras viajas en metro y, por supuesto, en tu puesto de trabajo. Las fábricas conectadas permitirán una comunicación más fluida entre departamentos, estimulando el trabajo colaborativo.
  • Automatización: el desarrollo tecnológico permite que los sistemas hagan tareas que hasta entonces requerían de la intervención humana. Muchas de estas acciones apenas aportaban valor. Por lo que en la fábrica del futuro, las personas podrán enfocarse en realizar tareas realmente importantes.
  • Flexibilidad: la capacidad de respuesta es mucho mayor. La producción se adaptará perfectamente a las fluctuaciones de la demanda, así como a cambios inesperados y contingencias varias.
  • Sostenibilidad: el cuidado del medio ambiente es un objetivo común de la sociedad del mañana, y la industria no podía quedarse al margen. La economía circular, el mayor aprovechamiento de los recursos y el uso de energías renovables serán clave para ello.
  • Seguridad: la delicada situación sanitaria por la que estamos pasando ha puesto en evidencia lo importante que es cuidar de la salud del entorno laboral. Para ello se ha dado un gran paso en el desarrollo de soluciones que permiten monitorizar los movimientos realizados y evaluar si se toman medidas como la distancia de seguridad y el uso de mascarillas.
  • Logística avanzada: un aspecto clave para el desarrollo de la actividad industrial son las operaciones logísticas – gestión de almacén, aprovisionamiento, distribución – a lo largo de toda la cadena de suministro. En este sentido, tecnologías como Blockchain han contribuido enormemente a optimizarla.
  • Centrada en el cliente: hoy en día conocemos mejor a nuestros clientes que nunca. Esto nos permite ajustar nuestros productos a lo que realmente desean, así como ofrecerles una atención más personalizada. Todo ello en pro de su mayor satisfacción.

Importancia del análisis de datos y de Big Data en las empresas

Si hay un denominador común en todas estas facetas de la fábrica del futuro, son los datos. Los datos, junto con las personas, son el corazón de la fábrica del futuro. Y es que prácticamente cualquier actividad que tenga lugar generará información valiosa que, gracias a Big Data, no se te escapará.

La analítica de datos te permitirá saber en tiempo real qué está pasando en la planta, aplicando una trazabilidad integral de todos los procesos. Desde que se recibe la materia prima, hasta que el producto final llega al cliente.

Esto te hará mantener los estándares de calidad necesarios y exigidos por las autoridades y por el propio mercado. También te permitirá detectar patrones que harán que te anticipes al futuro. Un claro ejemplo de ello son las técnicas de mantenimiento predictivo.

Desde el punto de vista estrictamente humano, tendrás un conocimiento en profundidad del desempeño de los equipos de trabajo, facilitándote una gestión óptima de ellos. Además, podrás garantizar su salud mediante el control de los contagios.

Respecto a tu relación con proveedores, partners y clientes, se incrementará la confianza y transparencia entre todas las partes implicadas. Estrechando así los lazos de negocio.

En pocas palabras, conseguirás un control y una gestión integral de tu producción como nunca antes habías tenido. 

Aunque hayamos hablado de la fábrica del futuro, bien es cierto que prácticamente podríamos hacerlo de la fábrica del presente. Y es que las empresas que triunfan en su sector ya cuentan con la mayor parte de las características que hemos mencionado.

Si no deseas quedarte atrás, en Sixphere podemos ayudarte ofreciéndote soluciones de digitalización a medida que te harán estar a su misma altura y competir cara a cara. ¿Te ha picado la curiosidad sobre cómo lo hacemos? No te quedes con la intriga y contacta con nosotros para aclarar todas tus dudas. ¡Vamos a por ello!

La importancia de llamarse PYME innovadora

La importancia de llamarse PYME innovadora

Hace poco recibimos, de parte del Ministerio de Ciencia e Innovación, el sello que nos acredita como PYME innovadora. Queremos contaros por qué en Sixphere somos innovación, qué significa para nosotros la innovación, y por qué creemos en la importancia de llamarse PYME innovadora.

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data, anomalías y predicción: análisis de una serie temporal

La determinación del tiempo de fabricación de un elemento en una línea de producción es clave para la optimización de los procesos asociados. Pero, ¿cómo puede calcularse? A continuación, un ejemplo práctico y técnico a través del uso y explotación de datos.

Los casos de éxito de Sixphere

¿Quieres conocer qué hacemos y el modo en que lo hacemos? Visita nuestros casos de éxito y pregúntanos todo lo que necesites saber.

Sector industrial en España: claves y retos de digitalización

Sector industrial en España: claves y retos de digitalización

Sector industrial en España: claves y retos de digitalización

Industria 4.0 | sector industrial
Aunque la digitalización industrial no sea, ni mucho menos, algo novedoso, es cierto que en los últimos meses muchos han tomado realmente consciencia de lo importante que es. Tanto para los que llevan años interesándose en ella, como para los menos introducidos en la materia, es este artículo que repasa su situación y sus puntos estratégicos.

Una visión general de la digitalización del sector industrial en España

Podemos comenzar echando mano del III Estudio Smart Industry elaborado por el Observatorio Industria 4.0. Según éste, las empresas industriales españolas que ya cuentan con un plan de transformación digital han pasado del 26% en 2018 al 70% en 2020.

Un crecimiento que se debe a una mayor concienciación que, además, se ha visto favorecida por las consecuencias de la crisis sanitaria. Sin embargo, se sigue apreciando la resistencia al cambio como el mayor freno, además de la inversión requerida en una coyuntura delicada económicamente y las dudas sobre los beneficios que se aportan.

Por otra parte, se aprecia un mayor desempeño digital por parte de todos los trabajadores. Gracias en gran parte a un incremento de las acciones de formación en competencias digitales.

Las limitaciones tecnológicas son menores y cada vez la digitalización se alinea más con los objetivos estratégicos de la empresa.

En cuanto al ahorro de costes, se plantean más oportunidades en automatización, predicción, mantenimiento y planificación en toda la cadena de suministro

La recopilación de datos a lo largo del proceso y su tratamiento se mantienen como los principales paradigmas para conseguir reducir costes.

Atendiendo al Plan Digital 2020, elaborado por la CEOE, se recogen en el mismo una serie de propuestas, que se resumen en:

  • Garantizar el conocimiento del concepto de Industria 4.0 y de todo lo que la rodea.
  • Fomentar la colaboración entre empresas de diferentes sectores, así como centros de investigación, para fomentar el conocimiento y el desarrollo de soluciones tecnológicas.
  • Integrar la digitalización como una de las prioridades de las empresas.
  • Impulsar proyectos público-privados.
  • Asegurar la inversión en I+D+i.
  • Apostar por la estandarización.
  • Contar con incentivos para que las regiones españolas menos industrializadas puedan implementar las tecnologías propias de la Industria 4.0.

Digitalización de las principales industrias españolas

Transporte y logística

Este mismo plan de la CEOE, plasma una serie de acciones decisivas para la digitalización logística. Entre estas, destacan:

  • Gestión documental electrónica de toda la documentación implicada (hojas de ruta, certificados, permisos, contratos, etc.).
  • Impulso de la intermodalidad, tanto en transporte de pasajeros como de mercancías.
  • Vehículos autónomos e inteligentes.
  • Soluciones para la simulación y predicción del tráfico.
  • Medidas que garanticen la seguridad y la protección de los datos relacionados.
  • Monitorizar los puntos de carga eléctrica de vehículos.
  • Trazabilidad en los transportes.
  • Digitalización en puertos: eficiencia energética, gestión del tráfico rodado, seguridad, información de carga y descarga, etc.
SIXPHERE - Sector industrial en España y su digitalización

Energía

En cuanto a la digitalización de las empresas del sector energético, debemos contemplar iniciativas como:

  • Transformación de la cultura empresarial.
  • Fomento de la comunicación dentro de la misma empresa.
  • Modificación de los procesos.
  • Una relación con el cliente más personalizada. Fruto de un mejor conocimiento gracias a herramientas de análisis avanzado de datos y a los nuevos canales de comunicación.
  • Incorporación de nuevos talentos y retención de los actuales gracias a la formación en competencias digitales.
  • Redes eléctricas inteligentes o Smart Grids que permiten un mejor ajuste a la demanda real.
  • Soluciones que aportan al cliente información en tiempo real de su consumo.
  • Reaprovechar los sobrantes energéticos.

Aeronáutica

Sin duda, el sector aeroespacial se ha visto afectado por la crisis sanitaria. Como reacción a esto, instituciones como la Junta de Andalucía han planificado iniciativas para fomentar el impulso del sector.

Entre las medidas que se contemplan, destacan las relacionadas con la digitalización y la incorporación de tecnologías avanzadas en sus procesos con el desarrollo de I+D+i. Además, se hace hincapié en la diversificación de la actividad, la presencia en acciones de alto valor añadido y la internacionalización.

También es reseñable la importancia que tiene la participación en programas a nivel europeo, crear empleo de calidad y fomentar la colaboración público-privada.

Automoción

Podemos decir que la industria del automóvil es una de las que más ha integrado el uso de tecnologías como la robótica, la sensorización de las plantas (con IoT) y la integración de todos los sistemas. Dentro de este entorno digital, actualmente está adquiriendo buena importancia el aspecto energético.

De hecho, uno de los principales desafíos a los que se enfrenta es alcanzar la neutralidad climática. Algo para lo que es imprescindible la transformación digital del sector. La conexión entre las líneas de producción, los departamentos, la automatización, la capacidad predictiva y muchas más aplicaciones son esenciales para llegar a esta meta.

Esto no sería posible sin aplicar principios propios de la economía circular, la innovación ágil con ciclos productivos más cortos y contar con un equipo humano debidamente formado en competencias digitales.

Agroalimentaria

Para las empresas del entorno agroalimentario, cobra especial valor la Estrategia de Digitalización del Sector Agroalimentario y Forestal y del Medio Rural, elaborada por el Ministerio de Agricultura, Pesca y Alimentación (MAPA). Según éste, los objetivos a alcanzar son:

  • Reducción de la brecha digital.
  • Impulso de la conectividad en los medios rurales.
  • Estímulo de los nuevos modelos de negocio basados en lo digital, dando forma a conceptos implicados con la Industria 4.0, como es la agricultura inteligente.

Esta digitalización se pone en marcha gracias a aplicaciones como el gemelo digital, la automatización de los procesos, el mantenimiento predictivo, el control de calidad avanzado, el ahorro energético y las ligadas al control de plagas, entre muchas otras.

En definitiva, no hay quien detenga la digitalización de la industria en España. Iniciativas propias y las impulsadas con ayuda de las Administraciones Públicas dan forma a un panorama optimista. 

Para que no te quedes atrás, como has visto, tendrás que echar mano de una estrategia de transformación digital integral. Desde Sixphere te ayudamos a dar los pasos necesarios para que esta pase del papel a la realidad. ¿Lo hablamos juntos?

La importancia de llamarse PYME innovadora

La importancia de llamarse PYME innovadora

Hace poco recibimos, de parte del Ministerio de Ciencia e Innovación, el sello que nos acredita como PYME innovadora. Queremos contaros por qué en Sixphere somos innovación, qué significa para nosotros la innovación, y por qué creemos en la importancia de llamarse PYME innovadora.

Big Data, anomalías y predicción: análisis de una serie temporal

Big Data, anomalías y predicción: análisis de una serie temporal

La determinación del tiempo de fabricación de un elemento en una línea de producción es clave para la optimización de los procesos asociados. Pero, ¿cómo puede calcularse? A continuación, un ejemplo práctico y técnico a través del uso y explotación de datos.

Los casos de éxito de Sixphere

¿Quieres conocer qué hacemos y el modo en que lo hacemos? Visita nuestros casos de éxito y pregúntanos todo lo que necesites saber.