El desarrollo de ciertos productos puede llevar años. Por eso, cuando aumenta su demanda no es solo una buena noticia para los productores. También constituye todo un reto. De ahí que esos mismos productores hayan tomado nota al comprobar que las ventas de licor habían aumentado de nuevo un cuatro por ciento en 2017 por octavo año consecutivo.
Esta demanda hace necesario que las empresas de producción de bebidas alcohólicas maximicen su rendimiento, pero de tal modo que dicho aumento no implique impacto negativo alguno sobre la calidad del producto final, sobre las recetas tradicionales que utilizan o sobre la coherencia de la producción.
Ya sabemos cómo pueden las destilerías maximizar su rendimiento sin sacrificar la calidad y que es posible aumentar la optimización sin cambiar la receta gracias a la tecnología de control predictivo basado en modelo (MPC). Los operadores de una empresa que haya adoptado el MPC pueden, basándose en las tendencias de los análisis, utilizar diferentes ajustes para mejorar la producción o calidad del producto o para conseguir el máximo rendimiento.
Los análisis también ayudan
El MPC es el responsable de optimizar el rendimiento de los equipos de la planta y de ayudar a los operadores a realizar los ajustes necesarios para mejorar la producción. Cuando estos ajustes se implementan en un proceso, el software también ayuda a ajustar el resto de procesos aguas abajo.
Por su parte, los análisis son útiles si se sufren problemas en la producción o en la calidad del producto. Si las máquinas no ofrecen el rendimiento esperado, la calidad de los lotes y la producción se verán afectados. Por eso, las capacidades de detección de anomalías y de mantenimiento predictivo que ofrecen estos últimos son de gran ayuda. El trabajo conjunto de ambos permite llegar un paso más allá. Gracias al aprendizaje automático avanzado y a otras técnicas de procesamiento de datos se pueden encontrar fallos en las operaciones.
Mantenimiento predictivo en profundidad
Veamos en profundidad el mantenimiento predictivo para comprender cómo los operadores pueden realizar sus tareas de la forma más rentable posible —en tiempo y en dinero— gracias al uso de análisis y de un plan de MPC.
Las aplicaciones de mantenimiento predictivo reconocen, basándose en modelos predeterminados, cuándo los equipos no funcionan normalmente. Cuando un equipo se desvía de esos modelos, los responsables de planta y los operadores reciben un aviso y pueden solucionar esos desvíos antes de que aparezcan los problemas. Este tipo de mantenimiento disminuye los costes de equipamiento, porque permite que los errores se resuelvan antes y reduce el desgaste de los equipos.
Consideremos, por ejemplo, el mantenimiento predictivo de una mezcladora. Si la mezcladora falla durante la fermentación, la levadura se asentará y no interactuará correctamente con los azúcares, lo que disminuirá la calidad del producto final. Sin una mezcla completa, además, el fermentador tampoco funcionará como se espera que haga. Sin embargo, las aplicaciones de mantenimiento predictivo pueden avisar a los productores de bebidas alcohólicas de que la mezcladora no se está comportando cómo se espera e identificar el problema que se está produciendo en el proceso.
Y no solo eso, con una aplicación MPC, el modelo de sensores de software incluso puede pronosticar en tiempo real la calidad del producto. Los análisis la estiman entre muestras manuales. Y, como esta tecnología de sensores de software puede configurarse para que mida cualquier parámetro de calidad que deseemos seguir de cerca, puede ahorrar tiempo, ya que en otro caso tendríamos que haber esperado al resultado de las muestras de laboratorio para detectar el fallo en la fermentación.
Detección de anomalías y comportamientos de los procesos
La otra aplicación relevante de los análisis al MPC es la detección de anomalías. Al igual que ocurre con el mantenimiento predictivo, la detección de anomalías ahorra tiempo y dinero, ya que avisa a los operadores cuando los equipos no están funcionando del modo que se espera y dónde se ha originado el problema.
Por ejemplo, los operadores limpian los equipos para evitar la acumulación de restos. Pero si no se retira por completo el limpiador corrosivo que utilizan, la levadura puede verse afectada y el producto final puede ser de mala calidad.
Y aquí es donde entra en juego la detección de anomalías, que avisará al operador desde el principio de que el lote está estropeado en lugar de tener que esperar hasta el final del proceso de producción para comprobarlo. Información que el operador utilizará para detener el lote defectuoso, dar los pasos necesarios para resolver la situación y reiniciar el lote, ahora sí con la calidad esperada.
Los análisis determinan qué equipo ha fallado e indican por qué lo ha hecho, basándose en modelos que reflejan cómo deben comportarse las operaciones en una situación ideal. Y, gracias a esta información, los operadores están mejor informados y pueden reducir o evitar los problemas.
Los análisis seguirán creciendo
En resumen, el uso de un MPC en combinación con análisis disminuye los tiempos improductivos no planificados, aumenta la productividad y el rendimiento y mejora la calidad y la coherencia del producto final. Un resultado que permite que los operadores y los responsables puedan centrarse en tareas importantes en lugar de en buscar posibles problemas o de preocuparse de que la producción no se desvíe de las recetas tradicionales.
Desde un punto de vista más general, los análisis son ventajosos porque permiten que los operadores y jefes de planta conozcan y comprendan sus equipos al máximo.
Y, aunque la incorporación de los análisis a la industria de bebidas es nueva y aún está evolucionando, me atrevo a predecir que a partir de ahora su crecimiento se disparará, especialmente a medida que otras empresas y sectores observen el éxito de los primeros en adoptarlos.
Y, dado que la demanda de licores fluctúa con el tiempo, los productores de bebidas alcohólicas cada vez dependerán más de tecnologías como el MPC para controlar su rendimiento. Si desea obtener más información sobre las ventajas del MPC y de los análisis, lea más sobre ello aquí.
Publicado 29 de abril de 2019
