P&G utiliza IoT y análisis predictivo para mejorar los pañales Pampers

Buscando evitar que miles de pañales se dañaran durante el proceso de producción, Procter & Gamble (P&G) decidió utilizar datos para mejorar su negocio en la fabricación de pañales Pampers.

“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 para Servicios y Soluciones Globales de Cuidado del Bebé en Procter & Gamble, cuyo equipo comenzó a planificar una solución en finales de 2021 para corregir costosos defectos de fabricación, especialmente aquellos que afectaron la línea de pañales.

En ese sentido, la empresa ahora emplea su plataforma Hot Melt Optimization para detectar problemas y volver a encarrilar el proceso. El proyecto, que le valió a P&G el premio CIO 100 2023 a la innovación y el liderazgo en TI, tuvo un impacto profundamente material en el piso de producción.

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

Desde que implementó la solución en 11 fábricas, P&G estima que ha eliminado el 70% de los pañales defectuosos que deben desecharse – aunque no se ha revelado la cantidad exacta ahorrada cada semana, la cifra ronda los siete dígitos.

 

ANÁLISIS DE PAÑALES BASADO EN DATOS

Durante el proceso de fabricación del pañal, el flujo de pegamento se libera desde una válvula solenoide automatizada de manera muy precisa para garantizar que las capas del pañal se coagulen adecuadamente.

“Los pañales vuelan por la línea de fabricación a gran velocidad durante el proceso de ensamblaje, por lo que se necesita esta aplicación súper precisa de pegamentos que son adhesivos hot melt”, dice Krietemeyer, y agrega que los pegamentos son seguros para la piel humana.

Sin embargo, si la temperatura y la presión del flujo de pegamento son inexactas, o si el pegamento se obstruye en la válvula y no se corrige a tiempo, los pañales producidos deben desecharse.

Para abordar estos problemas, P&G trabajó estrechamente con Microsoft para implementar sus soluciones de análisis IoT y Edge, así como la nube de Azure, sensores de IoT, análisis de punta y modelos de machine learning. La plataforma resultante fue probada durante nueve meses en una fábrica de la gigante de bienes de consumo antes de implementarse en la mitad de las fábricas de Pampers de P&G en Estados Unidos.

Kietermeyer explicó que la combinación se ha empleado con éxito para abordar anomalías de presión y temperatura, así como problemas de hardware de válvulas que pueden ocurrir en el proceso de fabricación de pañales.

Por eso, en la línea de montaje, P&G emplea controladores lógicos programables industriales Rockwell y otros sensores para monitorear y registrar de cerca los datos de temperatura y presión del flujo de pegamento. Los datos alimentan plataformas analíticas y código desarrollado internamente para identificar errores o anomalías que deben corregirse en tiempo real, sin dejar la fabricación offline. Esto garantiza que la producción de cada instalación supere lo logrado antes del lanzamiento de Hot Melt Optimization.

“Estos microcontroladores industriales funcionan a muy alta velocidad y son muy meticulosos”, afirma Kietermeyer. “Hacer que trabajen con mucha precisión para hacer el pañal perfecto cada vez requiere mucho esfuerzo e inspección, y no hay una persona altamente capacitada disponible las 24 horas del día, los 7 días de la semana para monitorear la línea. Incluso si lo hubiera, necesitarían un descanso. De ahí surgió la idea del proyecto”.

EL PODER DEL ANÁLISIS PREDICTIVO

En la producción de Pampers, el análisis predictivo es clave. Las especificaciones de fabricación de P&G se prueban continuamente con los datos recibidos de manera oportuna a través del motor de análisis de última generación de Microsoft, que ayuda a detectar las correcciones necesarias con varias horas de anticipación. “Si la tendencia de los datos es mala, se puede ver en seis a ocho horas si [la fabricación] falla”, dice Kietermeyer. “Podemos anticiparnos a tiempo para detenerlo y repararlo antes de que realmente salga de las especificaciones”.

Como una de las empresas de productos de consumo más grandes del mundo, que genera más de 75 mil millones de dólares al año, P&G enfatiza la importancia de este uso de la recopilación de datos y el análisis predictivo para los resultados de la empresa.

“La demanda comercial 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 significativo en el negocio, incluido el apoyo a nuestra capacidad para mantener e incrementar la capacidad de producción, reducir el tiempo de inactividad no planificado y reducir la cantidad de residuos generados durante la producción”.

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