P&G recurre al IoT y al análisis predictivo para perfeccionar los pañales Pampers

El gigante de los bienes de consumo empaquetados ha recurrido a Microsoft IoT y al análisis de borde para capturar datos en tiempo real sobre los procesos de fabricación para anticipar fallas inminentes antes de que dañen los pañales.

Si hay artículos cotidianos que desea que sean a prueba de fallos, los pañales seguramente se encuentran entre ellos. Es por eso que Procter & Gamble Co. hace todo lo posible para garantizar la fidelidad de sus productos Pampers.

Pero cuando tirar miles de pañales dañados durante el proceso de fabricación se convierte en algo cotidiano, hay que hacer algo para aliviar el resultado final. Fue entonces cuando P&G decidió utilizar los datos para mejorar su negocio de fabricación de pañales.

"Siempre estamos analizando cuáles son las mayores fuentes de nuestras pérdidas y dónde las cosas podrían funcionar mejor", dice Jeff Krietemeyer, director senior de TI de Global Baby Care Services & Solutions en Procter & Gamble, cuyo equipo comenzó a planificar una solución en a finales de 2021 para solucionar los problemas de fabricación más costosos, especialmente aquellos que afectaban a los pañales.

Los pañales están hechos de pulpa de pelusa, plásticos, gránulos absorbentes y elásticos, y se utilizan diferentes procesos, como pegamento caliente y unión térmica, durante varios aspectos del proceso de fabricación altamente mecanizado.

Pero las cosas salen mal y, cuando lo hacen, Procter & Gamble ahora emplea su plataforma Hot Melt Optimization para detectar inconvenientes y volver a encarrilar el proceso. El proyecto, que le valió a Procter & Gamble el premio CIO 100 2023 por su innovación y liderazgo en TI, ha tenido un impacto profundamente material en la planta de fabricación.

Hot Melt Optimization emplea un método patentado de recopilación de datos que utiliza sensores patentados en la línea de ensamblaje que, cuando se combina con el análisis predictivo de Microsoft y la nube Azure para la fabricación, permite a P&G producir pañales perfectos al reducir las pérdidas por daños durante el proceso de fabricación.

Desde que implementó la solución en 11 plantas, P&G estima que ha eliminado el 70% de los pañales defectuosos que deben desecharse. Los ejecutivos no revelaron la cantidad exacta que se ahorra cada semana, pero está en el rango de las siete cifras.

Durante el proceso de fabricación del pañal, se libera un chorro de pegamento caliente desde una válvula solenoide automatizada de manera muy precisa para garantizar que las capas del pañal se congelen correctamente.

"Los pañales vuelan a través de la línea de fabricación a altas velocidades durante el proceso de ensamblaje, por lo que se necesita esta aplicación súper precisa de pegamentos que son adhesivos termofusibles", dice Krietemeyer, y agrega que los pegamentos son seguros para la piel humana.

Sin embargo, si la temperatura y la presión de la corriente de pegamento no son exactas, o si el pegamento se obstruye en la válvula y no se corrige a tiempo, los pañales resultantes deben desecharse.

Para abordar estos problemas, Procter & Gamble trabajó estrechamente con Microsoft para implementar la plataforma de análisis de borde e IoT de Microsoft, su nube Azure para fabricación y sus sensores de IoT, análisis de borde y modelos de aprendizaje automático.

La plataforma resultante fue sometida a una prueba piloto durante nueve meses en una planta de P&G antes de implementarse en la mitad de las plantas de fabricación de Pampers de P&G en todo Estados Unidos.

De camino a una de esas plantas en Missouri, Kietermeyer explicó a CIO.com que la combinación de IoT y plataforma de borde, sensores y motor de reglas de análisis de borde se han empleado con éxito para abordar anomalías de presión y temperatura y los problemas de hardware de válvulas que pueden ocurrir en el proceso de confección de pañales.

"El equipo del proyecto exploró varios algoritmos, incluido el entrenamiento de modelos de redes neuronales, y descubrió que Microsoft AI Rules Engine lograba los mejores resultados", añadió Kietermeyer.

En la línea de montaje, P&G emplea controladores industriales lógicos programables Rockwell y otros sensores para monitorear y registrar de cerca los datos de temperatura y presión del flujo de pegamento. Los datos se introducen en plataformas de análisis y código desarrollado internamente para identificar errores o anomalías que deben corregirse en tiempo real, sin desconectar la fabricación. Esto garantiza que la producción de cada instalación supere lo que se lograba antes de que se lanzara Hot Melt Optimization.

La medición del flujo de datos se configuró utilizando una base de datos de control industrial denominada Influx Historian. Los datos se transmiten al modelo de análisis Edge de Microsoft mediante un sistema de transmisión y visualización previa de Grafana. El sensor y el software pueden detectar si algo va mal y, en varias horas, lo solucionan automáticamente.

"Estos microcontroladores industriales funcionan a velocidades súper altas y son muy delicados", dice Kietermeyer. “Conseguir que funcionen con mucha precisión para fabricar el pañal perfecto cada vez requiere mucho esfuerzo e inspección y no hay una persona muy experta disponible las 24 horas, los 7 días de la semana para vigilar la línea. Incluso si lo hubiera, necesitarían un tiempo de descanso. De ahí surgió la idea del proyecto”.

Aquí, el análisis predictivo es clave. Las especificaciones de fabricación de P&G se prueban continuamente con los datos entrantes de manera basada en reglas a través del motor de análisis de borde de Microsoft, lo que ayuda a detectar las correcciones necesarias con varias horas de anticipación. "Si los datos tienen una mala tendencia, se puede ver en seis a ocho horas si fallará [en la fabricación]", dice Kietermeyer. "Podemos predecir a tiempo que se detendrá y realizar el mantenimiento antes de que realmente salga de las especificaciones".

Procter & Gamble, que como una de las empresas de productos de consumo más grandes del mundo genera más de 75 mil millones de dólares al año, enfatiza cuán importante ha sido este uso de la recopilación de datos y el análisis predictivo para los resultados de la empresa.

"La demanda empresarial de productos para el cuidado del bebé es extremadamente alta y las líneas de producción necesarias para crear estos productos requieren muchos activos", informa la empresa. "La capacidad de P&G para mantener las líneas en funcionamiento tiene un impacto comercial significativo, incluido el respaldo a nuestra capacidad para mantener e incrementar la capacidad de producción, reducir el tiempo de inactividad no planificado y reducir la cantidad de chatarra generada durante la producción".

Hot Melt Optimization llega inmediatamente después de compromisos más amplios que P&G ha asumido para hacer evolucionar su negocio de fabricación utilizando tecnologías digitales e inteligencia artificial.

Un analista que sigue el uso de tecnologías digitales en la fabricación señala que es fundamental que los proveedores conozcan sus procesos por dentro y por fuera para beneficiarse de la tecnología de fabricación avanzada.

“La transformación digital utiliza sensores avanzados, análisis de datos y lo último en inteligencia artificial para recopilar información sobre los procesos de producción”, dice Carlos González, gerente de investigación de Ecosistemas y Tendencias de IoT en IDC. “El impulso del comercio digital está impulsando a las organizaciones a ser flexibles y producir bienes de manera eficiente y rápida. Para ello, las organizaciones deben comprender profundamente sus procesos industriales. Las plataformas de IoT y la recopilación avanzada de datos son necesarias para garantizar operaciones industriales exitosas y resilientes”.