Los datos de los diferentes sistemas de fabricación, tales como los historiadores de proceso,

sistemas de ejecución de fabricación (MES), sistemas de calidad o planificación de recursos

empresariales (ERP), no se ajusta a ningún modelo de datos único y las diferencias de tecnología
hacen que sea difícil reunir los datos de una variedad de fuentes. Así, mientras que las
operaciones de fabricación generan cantidades masivas de datos, es muy habitual que gran
parte de ella no se utiliza o se descarta.

Grandes cantidades de datos, evidentemente permiten sacar de manera eficiente conclusiones

de todos estos sistemas para responder a preguntas específicas, por ejemplo, qué ocurría en los
diversos sistemas de automatización para producirse un cierto defecto de fabricación, o el
seguimiento de todos los componentes fabricados que podrían verse afectados por una
máquina que estaba fuera de tolerancia, o cómo una condición de fuera de tolerancia en una
célula de fabricación especial afectaría los pedidos del cliente. Grandes cantidades de datos
permitirían responder a preguntas aparentemente simples, como “contar las veces que una
determinada máquina rebasó un umbral “, que de otra manera no se podría haber respondido
de forma rápida o fácilmente en el pasado.

El sector industrial ya está empezando a reaccionar. Por ejemplo: hace un tiempo un fabricante
de azulejos necesitaba defenderse contra reclamaciones importantes por defectos de
fabricación. Mediante la implementación de sistemas Big Data, fueron capaces de combinar los
datos de 20 fuentes distintas, tales como datos de los componentes de fabricación a pie de
máquina, los datos de las líneas de esmaltado, los datos de reclamaciones, los datos de texto
para las quejas y datos del servicio postventa. En cambio, las técnicas tradicionales podrían
haber tardado un año para tamizar a través de todos los datos, sin embargo, el uso de la
tecnología Big Data permitió detectar exactamente el origen de los problemas.

Estos casos de fabricación, en general, se pueden agrupar en cuatro categorías:

 Diagnósticos predictivos: Big Data puede ayudar a identificar de manera eficiente los
posibles patrones en los datos de calidad del producto, datos de fabricación, las
reclamaciones de garantía, informes de servicio y los datos de uso sobre los productos.
 Data Mining en fabricación: Mirando a los factores causales de los problemas de calidad,
la variabilidad del proceso y la trazabilidad de las piezas a través del proceso de
fabricación son algunos de los casos de uso que se ensayan en la fabricación.
 Análisis de Garantía: Big Data se ha comprobado que reduce significativamente los
costes de garantía a través de la identificación de las discrepancias en las reclamaciones
de garantía, ya sea debido a reclamaciones no válidas, inadecuada formación de
técnicos, problemas de fraude, o una advertencia temprana de fallos de las piezas.
 Servicios remotos inteligentes: Imagine que es capaz de detectar y resolver un problema
potencial – antes de que el cliente realmente se encuentra con él.

Las organizaciones en todas las industrias están tratando de dar sentido a la afluencia masiva de
grandes volúmenes de datos, así como el desarrollo de plataformas analíticas que pueden
sintetizar los datos estructurados tradicionales con fuentes de información semi – estructurados
y no estructurados. El uso del Big Data puede proporcionar información valiosa sobre las
tendencias del mercado, fallos de equipos, patrones de compra, ciclos de mantenimiento y
muchos otros problemas de negocio, reduciendo los costes y prestaciones para tomar
decisiones de negocio más específicos. Para las empresas industriales, Big Data puede ser
especialmente valioso a través de la detección temprana de problemas de calidad, reduciendo
los costes de garantía, la optimización de procesos de fabricación y proporcionando la capacidad
de transformar radicalmente el servicio al cliente.