Maple Leaf Foods, el mayor productor de carnes y aves preparadas de Canadá, quería encontrar las condiciones operativas ideales para su producto de mortadela, garantizando la consistencia del producto y mejorando al mismo tiempo el rendimiento y reduciendo los residuos. Al utilizar el Sistema de Ejecución de Fabricación AVEVA™ con modelos avanzados de IA de Braincube, Maple Leaf Foods redujo el desperdicio y mejoró el rendimiento de la producción de mortadela, aumentando el beneficio bruto entre un 10 y un 12 %.
Desafíos
Se buscaban mejoras adicionales en la productividad mediante el uso de tecnologías de IoT e IA en su planta tradicional
Búsqueda de nuevas formas de impulsar la excelencia operativa en la planta de producción
Quería reducir los residuos de forma constante y aumentar el rendimiento en la producción de mortadela
Resultados
10-12 %
de aumento del beneficio bruto gracias a la reducción de residuos y a la mejora del rendimiento de la producción de mortadela
Se aprovecharon los sistemas AVEVA MES/SCADA existentes y se incorporaron análisis de datos más avanzados para obtener información y responder casi en tiempo real en la planta de producción
3 meses
para ofrecer un ROI
Líder en sostenibilidad
Maple Leaf Foods, el mayor productor de carnes y aves preparadas de Canadá, se enorgullece de ser «la empresa de proteínas más sostenible del mundo». Como líder en sostenibilidad, la empresa busca continuamente nuevas formas de optimizar las operaciones en toda la cadena de suministro, como suele decir Andy Thorne, arquitecto sénior de soluciones: «de la granja a la mesa». Más recientemente, Maple Leaf Foods se ha centrado en su planta tradicional, donde produce mortadela y más de 800 millones de salchichas al año. La empresa quería garantizar la uniformidad del producto, al tiempo que mejoraba el rendimiento y reducía los residuos en la planta de producción. Por eso Maple Leaf Foods se asoció con Cygnus Consulting, un integrador de sistemas de AVEVA. Gracias al uso de las soluciones de AVEVA junto con los análisis con IA de Braincube, la empresa encontró las condiciones operativas ideales para producir un «lote dorado» en cada ciclo de producción.
Aprovechando lo que ya existe
Cuando Maple Leaf Foods concibió originalmente este proyecto de optimización, la idea era utilizar la tecnología IoT (implementando nuevos sensores IoT y recopilación de datos con análisis de datos avanzados) para mejorar la producción. «Al principio pensamos en instalar todos estos sensores IoT, conectarlos entre sí y enviar los datos a la nube para su análisis con IA», explica Blair Hembroff, presidente de Cygnus Consulting. Pero Andrew Thorne le recordó que Maple Leaf Foods ya contaba con un MES completo de AVEVA, que proporcionaba datos de proceso contextualizados. ¿Realmente necesitaban una implementación completa de IoT?
Así que, en lugar de invertir tiempo y dinero en sistemas IoT totalmente nuevos, el equipo se centró en aprovechar lo que ya tenían. Su MES existente ya les proporcionaba datos de proceso de la planta (temperaturas, ciclos de cocción), además de contexto, como información de fabricación de órdenes de producción y SKU, que luego podían enviar a Braincube para realizar un análisis más exhaustivo utilizando modelos gemelos digitales de los activos de la planta. Para el equipo también era importante conseguir la aceptación de los trabajadores de la planta, por lo que involucraron a los usuarios finales desde el principio en el proceso mediante talleres de UX/UI, escuchando y actuando en función de las aportaciones de los operarios.
Además de aprovechar lo que ya tenían, el equipo de Maple Leaf quería medir su éxito de una forma significativa. así que se centraron en ocho casos de uso específicos para reducir los residuos en cada etapa, desde la longitud de las barras hasta el corte y el curado. El objetivo final era elaborar un producto homogéneo, cocinado en la medida justa para minimizar la pérdida de rendimiento por humedad, y enviarlo a las salas de corte para cortarlo con las dimensiones exactas, con el fin de obtener el máximo rendimiento.
«Los chicos modifican constantemente la receta al comienzo de cada turno basándose en lo que les indica Braincube, lo que les permite obtener un lote perfecto cada vez».
–Andy Thorne, Arquitecto Senior de Soluciones, Maple Leaf Foods
Solución
Se utilizó el sistema de ejecución de fabricación de AVEVA™ con modelos avanzados de IA de Braincube para encontrar las condiciones operativas ideales para el producto de mortadela de Maple Leaf Foods.
Encontrar el lote perfecto
Para empezar, el equipo de Maple Leaf Foods supervisó todas las barras para comprobar que tuvieran la misma longitud, anchura y forma. Mediante su MES de AVEVA agnóstico, midieron las dimensiones de las barras, enviaron esos datos contextualizados a los modelos gemelos digitales de Braincube y utilizaron los parámetros ideales obtenidos de ese análisis más exhaustivo para alertar a los operarios cuando fuera necesario realizar ajustes. La IA y el aprendizaje automático empleados en los modelos se vuelven más precisos cuanto más datos se les proporcionan, de modo que, al final, los operarios obtienen siempre el lote perfecto, la barra ideal.
Los monitores de pantalla grande proporcionan información procesable en tiempo real a los operadores y supervisores
Después de cortar las barras, estas se llevan a la sala de cocción. Es importante asegurarse de que estén bien cocidas, pero cocinarlas en exceso puede provocar una pérdida de rendimiento por falta de humedad. Con un número limitado de operarios cargando varios hornos y con productos que tienen diferentes reglas de lote, existe el peligro de que las barras permanezcan demasiado tiempo en el horno y se cocinen en exceso. Mediante el uso de sondas de temperatura y datos del horno del MES, y la retroalimentación de esos datos al gemelo digital, el equipo pudo encontrar perfiles de temperatura óptimos y programas de horno optimizados para cada SKU.
El área en la que el equipo vio un mayor margen de mejora fue en el corte del producto: después de cocinar las barras, se envían a las cortadoras, que son máquinas bastante complejas. Mediante una estrecha supervisión y el ajuste de los parámetros de estas máquinas, el equipo logró encontrar la configuración óptima para las cortadoras, lo que aumentó el rendimiento al reducir las pérdidas finales. Los paneles de control codificados por colores en la planta de producción mostraban a los operarios el rendimiento de las cortadoras en tiempo real, de modo que sabían exactamente cuándo las máquinas presentaban desviaciones y necesitaban ajustes. Los modelos de Braincube sugerirían un cambio de 0,05 mm y los operarios verían el efecto de ese cambio de 0,05 mm de inmediato. Y a medida que cada máquina se desgasta, esta información les permite prolongar la vida útil de sus equipos.
Paneles de control en tiempo real para analizar las variaciones de procesos y productos
Ajustar las recetas para obtener el producto óptimo y aumentar el beneficio entre un 10 y un 12 %
Antes, los operarios introducían las recetas y se limitaban a poner en marcha las máquinas. Ahora, ajustan las recetas semanalmente para obtener el producto óptimo en todo momento. En cada etapa del proceso, se han obtenido beneficios: la mejora en el tamaño de las barras reduce los residuos; cuando las barras se introducen en los hornos, salen cocinadas de forma óptima y uniforme; Maple Leaf Foods ahorra dinero en energía al apagar los hornos antes; y las cortadoras producen el máximo rendimiento y el mínimo desperdicio. En solo tres meses, Maple Leaf Foods obtuvo un retorno de la inversión y un aumento del 10-12 % en el beneficio bruto mínimo. Al aprovechar su infraestructura existente y centrarse en identificar y medir cada caso de uso, Maple Leaf Foods pudo obtener beneficios precisos, ahorrando tiempo y dinero.
«En el MES, no solo obtenemos todos los datos del proceso de la planta, como las temperaturas y los ciclos de cocción, sino que también obtenemos todo el contexto de lo que hay en el MES, de modo que cuando los enviamos al sistema de IA, podemos contextualizar los datos del proceso con la información de fabricación de las órdenes de producción y las SKU, de modo que toda esa información de producción ya está pre-empaquetada para nosotros».
—Blair Hembruff, Presidente, Cygnus Consulting
Aspectos destacados del producto
AVEVA Manufacturing Execution System
Anteriormente Wonderware MES
Maximice el rendimiento, la flexibilidad, la calidad y el cumplimiento en la fabricación mediante la gestión digital en tiempo real de las normas y de la información de todas las actividades operativas y sucesos en la planta. Un enfoque centrado en los procesos de trabajo e impulsado por el modelo, reduce el tiempo de valor y costo de propiedad tanto de las puestas en funcionamiento de plantas como de los lanzamientos MES en varias ubicaciones.
