habilitando la estrategia de ciencia de datos a través de

© 2017 SAP SE or an SAP affiliate company. All rights reserved.

Habilitando la Estrategia de Ciencia de Datos a través de Innovación Tecnológica

Roberto Olvera

Advanced Analytics Solution Advisor

SAP

“Ciencia de Datos es un campo interdisciplinario

que utiliza métodos, aprendizaje automatizado,

algoritmos y sistemas científicos para extraer

valor de los datos.

Los científicos de datos combinan una variedad

de habilidades, entre ellas estadísticas,

informática y conocimiento empresarial, para

analizar datos recopilados de la web, procesos,

de clientes, sensores y otras fuentes.

Ciencia de Datos

Ciencia de Datos

Colección de Datos Fuente

Modelos y Algoritmos

Exploración y Análisis de

Datos

Visualizar Reportes y Comunicar

Dato como un producto

Tomar

decisiones

Marco del

Problema

Proceso de Datos para el

Análisis


Ciencia de Datos

5CUSTOMER© 2017 SAP SE or an SAP affiliate company. All rights reserved. ǀ

La Eficiencia Energética se asocia a optimizar el Consumo de Energía

Mejorar el Medio Ambiente


Ahorro de Energía – Alcance PoC

Consumo de Gas

Consumo de Agua

Energía Eléctrica

óptimo uso del refrigerador,

Aire acondicionado,

periodos de encendido, etc.

El uso indiscriminado ha provocado escasez a nivel

global. Tomar acciones como evitar fugas, reemplazar

muebles sanitarios o válvulas, uso de sensores, etc.

El Gas es un recurso no renovable se recomienda ahorrar su consumo,

verificar el funcionamiento de la red y los equipos. El encendido y apagado

de parrillas a tiempo, fugas, o equipos en mal estado


Prueba de Concepto - CoberturaDesde el sensor a Resultados

Conectividad de Equipos

• Conectividad de Sensores

• Sincronización de eventos de lectura

• Pruebas de conectividad

Sensor

Análisis de datos

• Crear indicadores de uso y tendencia

• Identificar Patrones de comportamiento

• Detección de Alertas y Anomalías

Conocimiento

Acciones tomadas

• Optimizar el uso de los Recursos

• Supervisar Acciones identificadas

• Crear una disciplina en el uso de los recursos

Acción

Valor de Negocio

• Mejorar el ambiente

• Reducir Costos

• Eficiencia Operacional

Resultados

Ingestión de Datos

• Lectura de datos

• Ambiente de datos en Cloud

• Mezclar datos de sensores y de Operación

Datos


Arquitectura de Solución

Gerentes, Operación

Ejecutivos, Gerentes

IoT Service

SAP HANA service

SAP Analytics Cloud

HTTPS

Medidores y Sensores

Live connection

Media tensión

Trifásico (Energía Eléctrica)

Pulsos a Radio WeLink (Gas Natural)

Sensores de Temperatura / Sensores de

Puerta abierta (Cámara fría)

Modbus a Radio WeLink (Agua)

Gateway

Telcel Comunicación

4G/LTE

SAP Cloud Platform

Almacén de datos históricos

Reglas de negocio para alertas

Cálculo de KPIs

Desarrollo para envío de alertas

SMTP para envío de alertas

Servidor de Correo Electrónico

Live connection

Facturación y Otros KPIs

CFE, Agua, Gas

Comensales Visitantes

SAP CPI

Servicio de Mensajería SMS


Energía Eléctrica

1.Consumos por encima del promedio de las 12:00pm a las 6:00pm.

2.Picos de consumo irregulares al inicio del día.

Prueba de Concepto - Hallazgos

Consumo de Agua

1.Flujo anormal de agua durante la madrugada.

2.Consumos fuera de rango entre 12:00pm y 5:00pm.

3.Se detecto una fuga de agua bajo el periodo de nuevas políticas.

Consumo de Gas

1.Alto consumo durante la madrugada.

2.Alto consumo de 8:00am a 10:00am.


Energía Eléctrica

1.Encendido de aire acondicionado a partir de las 9:00am

2.Verificación de cierre de puertas en refrigeración.

3.Apagado de iluminación de tienda en horarios fuera deoperación.

Prueba de Concepto - Acciones tomadas

Consumo de Agua

1.Mantenimiento de válvulas.

2.Mayor atención en el consumo de agua en la cocina.

3.Atención a la operación de los equipo de hielo.

Consumo de Gas

1.Apagado de calderas durante la madrugada.

2.Atención al apagado de calentadores de platillos.

3.Atención en el encendido de las estufas.

-13.8%

-8.8%

-5%


Garantizar el cumplimento de avance de obra para el beneficio de losciudadanos de CDMX ante inundaciones.

Innovación tecnológica de SAP en el Túnel Emisor Oriente


Cumplimiento y reducción de riesgos en el avance de obra

Innovación tecnológica de SAP en el Túnel Emisor Oriente


Conectividad de Equipos

• Conectividad

• Seguridad

• Diferentes dispositivos

Alcance de la Prueba de ConceptoDesde el sensor a Resultados

Sensor

Análisis de datos

• Patrones de comportamiento

• Análisis de Causa Raíz

• Detección de Alertas y Anomalías

Conocimiento

Actividades de Mantenimiento

• Priorizar mantenimiento

• Supervisar Actividades de servicio

Acción

Valor de Negocio

• Incrementar la Calidad

• Reducir Costos

• Eficiencia Operacional

Resultados

Ingestión de Datos

• Lectura de datos

• Ambiente de datos en Cloud

• Mezclar datos de sensores y de Operación

Datos


IoT

Generación de datos

en Tiempo Real y

Alertas

Analíticas Predictivas

Evaluación Riesgos

Analíticos en Tiempo Real

Comportamiento SensoresAnálisis de la

Operación

Actividades realizadas

Como la tecnología de innovación de SAP puede habilitar:


Internet of Things (IoT) – Permite rescatar datos de los

diferentes sensores de la TBM en tiempo real para su análisis y

toma de decisiones inmediatas.


Base de

Datos

Plataforma

SAP HANA



Monitoreo Sensores - Analizar el comportamiento de las

mediciones de la perforadora en diferentes condiciones e identificarcomportamiento de cada sensor.

Ambiente de Consulta

Informes de Gestión

Indicadores de Alertas de Operación

✓ Directores

✓ Gerentes

✓ Supervisores

✓ Usuarios Operativos

✓ Supervisor de Turno

✓ Operador de TBM


Análisis de la Operación

basado en las actividades

realizadas con el avance de

perforación y colocación de anillos.




Analíticos Avanzados -Analizar el comportamiento de lossensores identificando patrones decomportamiento para detectaranomalías, anticiparse a posiblesdesviaciones o fallas.

Ambiente de Consulta

Análisis de Datos

✓ Analistas de negocio

✓ Supervisor de Turno

Análisis Predictivo

Comportamiento / Pronósticos

✓ Analista Investigador de comportamiento Predictivo


SAP Analytics Cloud History – Time Forecasting


Alcance de la PruebaModelos Predictivos

Relación de Anillos <-> Perfiles de medición <-> Actividades Realizadas

Identificar comunidades de anillos

Pronostico de Evolución / Tendencias e identificación de

valores extremos (Outliers)

Identificar Variables de mayor impacto en el comportamiento de

avance en la perforación

Classification/ Regression Model

Time Series Model

Social Network Model

Segmentación de Anillos con características similares en los

valores de medicionesClustering Model

Transacciones


Variable importantesPreparación de Datos

Datos:

• Datos históricos del Datalogger del TBM del : 17.Septiembre .2016 al 02.Marzo.2017 registrados cada 29 mm

• Variables : de 760 se consideraron 40 como : NET STROKE, CUTTER TORQUE, EARTH PRESS 1 AL 10,

GREASE PRESS, etc.

CONSUME_DISTANCE_PUMP_1

CONSUME_DISTANCE_PUMP_2

CONSUME_PUMP_1_WEIGHT

CONSUME_PUMP_2_WEIGHT

CONTADOR

CUTTER_ROTATION_SPEED

CUTTER_TORQUE

EARTH_PRESS___10_CENTER_LEFT_

EARTH_PRESS___1_UPPER_RIGHT_

EARTH_PRESS___2_UPPER_RIGHT_

EARTH_PRESS___3_LOWER_RIGHT_

EARTH_PRESS___4_LOWER_RIGHT_

EARTH_PRESS___5_LOWER_LEFT_

EARTH_PRESS___6_LOWER_LEFT_

EARTH_PRESS___7_UPPER_LEFT_

EARTH_PRESS___8_UPPER_LEFT_

EARTH_PRESS___9_CENTER_RIGHT_

GREASE_HBW

GREASE_INNER_CONSUME

GREASE_OUTER_CONSUME

Grease_Pressure_Outer_Seal_F

Grease_Pressure_Outer_Seal_R

Grease_Pressure_Inner_Seal_F

Grease_Pressure_Inner_Seal_R

NET_STROKE

NET_STROKE_DIFF

PENETRATION_MMRPM

PRESS_HBW

SCREW__1_ROTATION_SPEED

TAIL_GREASE_KG

THRUST_FORCE

THRUST_SPEED__1

THRUST_SPEED__14

THRUST_SPEED__22

THRUST_SPEED__7

RECORD_DATE

RINGNO_

Datos Históricos

de Anillos

Análisis de datos

Preparación de datos

Preparación

Visualización y entendimiento de la información participante


Creación de

Modelo de

aprendizaje

Modelo

Analíticos Predictivos

Creación

Análisis de

Comportamiento y

Nivel de Confianza

Ejecución del Modelo – Falla de Bomba

Calidad del Modelo

El modelo nos da confianza ya que sus valores

predictivos son cercanos a 1 como:

• Poder predictivo: 0.997

• Confianza en la predicción: 0.999

Porcentaje de la variable clave: “1” (Falla de Bomba)

identificados: 0.15%

Mediciones participantes: 46

De las cuales 10 mediciones fueron

las mas significativas en la prueba


Resultados del Modelo – Falla de Bomba

Contribución de las mediciones al indicador de Falla de Bomba:

La principales Mediciones que mas impactaron en la identificación de fallas :

1. CONSUME PUMP 2 WEIGHT 24 %

2. TAIL GREASE KG 19 %

3. CONSUME PUMP 2 WEIGHT 14 %

Otras mediciones de impacto son: LITERS SOAP FOAM, EARTH PRESS #3, #2, 7#, 8# Y #5


Se tiene una primera conclusión:

La combinación de estas 3 mediciones con sus respectivas rangos y su ponderación correspondiente identifican los umbrales de falla de bomba

Resultados del Modelo – Falla de BombaARBOL DE DECISION

Valores que combinados que

participan en la Falla de Bomba

que la hace critica

Probabilidad de falla de bomba

basada en la combinación de

los valores considerados


La publicación y monitoreo de las

variables se define de acuerdo a

las necesidades, ya sea utilizando

tableros de control, reportes de

visualización, informes en web,

etc.

Resultados del Modelo – Falla de Bomba

Publicación y Monitoreo


✓ Contar con información de indicadores de comportamiento en Tiempo Real.

✓ Contar con alertas de la principales variables de medición bajo umbrales

establecidos.

✓ Generación de gráficas de comportamiento de manera automática.

✓ Poder realizar análisis de las actividades de avance de obra.

Beneficios detectados durante la Prueba de Concepto


Mayor productividad de

activos

Maximizar la utilización de mano de obra

técnica

Mejorar la fiabilidad y la

visibilidad

Optimizar el tiempo y tipo de actividad de los

activos

Disminuir la tasa de inventario de

repuestos

Reduzca los Costos de

Operaciones y Mantenimiento

Mensajes clave para beneficio del negocio:


Roberto Olvera

Advanced Analytics Solution Advisor

[email protected]

habilitando la estrategia de ciencia de datos a través de

Documents