Reciba actualizaciones recientes de Hortonworks por correo electrónico

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

Sign up for the Developers Newsletter

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

cta

Empezar

nube

¿Está preparado para empezar?

Descargue sandbox

¿Cómo podemos ayudarle?

* Entiendo que puedo darme de baja en cualquier momento. Agradezco asimismo la información complementaria porporcionada en la Política de privacidad de Hortonworks.
cerrarBotón de cerrar
diapositiva anterior
Five Big Data Mistakes to Avoid When Implementing a Strategy
May 31, 2018
Three Things We Learned About Big Data Applications From DataWorks Summit Berlin
diapositiva siguiente

El software de análisis predictivo les evita tiempo de inactividad a los fabricantes

Como fabricante, el tiempo de inactividad afecta negativamente a su eficiencia, lo que significa que también afecta a los resultados finales. La predicción y prevención del tiempo de inactividad o de los fallos de los equipos es crucial para mantener su empresa funcionando sin problemas y de manera productiva. Los fabricantes están recurriendo al software de análisis predictivo para vigilar de cerca la infraestructura crítica y evitar el tiempo de inactividad. La capacidad de predecir los fallos de los equipos y responder con mantenimiento preventivo o un recambio le garantizará que su empresa siga funcionando con la máxima eficiencia.

La confluencia de la tecnología pone el análisis predictivo al alcance de la mano

La convergencia de múltiples tecnologías y capacidades está propiciando el surgimiento de la analítica predictiva. Los dispositivos conectados a Internet permiten la captura de datos en tiempo real o casi real. Al mismo tiempo, el almacenamiento en la nube ha facilitado y abaratado el almacenamiento y análisis de conjuntos de datos cada vez más grandes. Los modelos predictivos solían construirse utilizando solo conjuntos de datos históricos o descriptivos retrospectivos. Estos modelos solo utilizaban una pequeña porción de datos porque disponían de menos capacidad para almacenar datos, menos poder para procesarlos y, ciertamente, menos capacidad para capturarlos en tiempo real. Sin embargo, ahora es posible procesar datos ilimitados a través de utilidades de software de código abierto como Hadoop. El coste de almacenamiento de datos se ha visto reducido, lo que permite a los equipos de datos construir modelos más robustos con acceso a un conjunto completo de datos, en lugar de a una pequeña parte del conjunto. Esa capacidad aumenta la posibilidad de capturar más características y atributos predictivos, lo que permite a las organizaciones de todo tipo y tamaño utilizar el análisis predictivo de forma más amplia.

Aplicaciones prácticas del software de análisis predictivo

Noble Energy es una compañía independiente de petróleo y gas con presencia en todo el mundo. Comenzaron a utilizar una gran plataforma de datos para predecir y prevenir el tiempo de inactividad en su infraestructura. Frank Besch, director de integración empresarial de Noble Energy, señala que "la infraestructura crea valor: dinero. Se traduce en ventas, y cuando esa capacidad no se utiliza completamente quiere decir que hay valor que no se está capturando". El análisis predictivo permite a la compañía mantener su infraestructura de hidrocarburos en condiciones óptimas. El próximo objetivo de Noble Energy para el análisis predictivo es utilizar los datos para mejorar la seguridad y prevenir las lesiones de los trabajadores.

Rowan Companies, proveedor de servicios de perforación petrolera marítima, no tenía acceso a una arquitectura de datos distribuida y en tiempo real. Sin acceso a datos en tiempo real, sus equipos operaban con una capacidad limitada a la hora de proporcionar asistencia técnica remota. Necesitaban una solución de Internet de las Cosas que les permitiera conectar perfectamente el mar con la costa. Ahora, Rowan recopila de forma fiable datos en tiempo real de sus sistemas industriales y los transmite instantáneamente. Esto permite la monitorización remota de ciertas condiciones, algunas de ellas críticas. Con el análisis predictivo y el pronóstico de mantenimiento, Rowan espera reducir el tiempo de inactividad y el número de viajes a sus plataformas para la resolución de problemas.

Qué supone esto para los fabricantes de hoy en día

En la actualidad, la mayoría de las empresas realizan un mantenimiento reactivo (reparación de los equipos cuando se rompen) o un mantenimiento preventivo (un programa de tareas de mantenimiento que suele recomendar el fabricante del equipo). En cambio, los fabricantes que buscan obtener una ventaja en sus mercados están buscando un mantenimiento predictivo. Con el uso de datos en tiempo real y modelado predictivo, los fabricantes pueden optimizar sus programas de reparación porque saben, con un grado de certeza cada vez mayor, cuándo se degradará o fallará un equipo o infraestructura. Con ese conocimiento, pueden optimizar el uso de los equipos y reducir los costes al realizar el mantenimiento justo a tiempo. De esta forma se previenen las paradas de producción causadas por fallos críticos, se hace una óptima gestión de los activos y se mantiene al personal centrado en las tareas más importantes.

El uso de software de análisis predictivo para potenciar el mantenimiento predictivo permite mejorar el mantenimiento de los activos y la toma de decisiones internas, proporcionando a los fabricantes una ventaja competitiva.

Mire este vídeo y descúbralo Noble Energy utiliza software de análisis predictivo para mantener su infraestructura y mejorar la seguridad de los trabajadores.

Dejar una respuesta

No se publicará su dirección de correo electrónico. Los campos obligatorios están marcados con *.