Despliegue de una capa corporativa de datos industriales para gobernar la operación y acelerar la transformación digital de Mahou San Miguel

Indicadores y procesos de mejora

Los indicadores se organizan en tres ámbitos. El primero mide la cobertura y fiabilidad del dato mediante los centros, activos y señales integrados, la disponibilidad de la información, la calidad de las series y el tiempo de incorporación de nuevas fuentes. El segundo evalúa la operación mediante producción, OEE, paradas, rendimiento, alarmas y tiempos de diagnóstico. El tercero analiza la eficiencia energética y de los servicios industriales mediante los consumos de electricidad, gas, agua, aire comprimido, y otras energías y fluidos, relacionados con la producción, el tipo de producto, la línea y el turno.

El proceso de mejora comprende cuatro etapas comunes. Primero se detecta la desviación, después se analiza su causa, a continuación se aplica la medida correctora y finalmente se verifica el resultado frente a una línea base comparable. Solo las mejoras medidas y sostenidas se proponen para su réplica en otros centros.

Cuantificación/Estimación reducción consumo

Las estimaciones se basan en un escenario conservador de mejora de entre el 0,5% y el 1% sobre un consumo energético anual de referencia de 382.679 MWh. Este intervalo representa un ahorro potencial de entre 1.913 y 3.827 MWh al año cuando la solución alcance el perímetro corporativo considerado.

La reducción procederá de la detección de consumos anómalos, funcionamiento fuera de horario, fugas, consignas inadecuadas y pérdidas de rendimiento. No se presenta como un ahorro ya conseguido. El resultado se calculará por centro, línea y actuación, comparando consumos específicos antes y después y corrigiendo las variaciones de producción, producto y condiciones operativas.

Cuantificación/Estimación reducción emisiones CO2

Las estimaciones de reducción de emisiones aplican el mismo escenario de mejora energética, situado entre el 0,5% y el 1%. Sobre el consumo de referencia y utilizando un factor medio corporativo de 0,117 tCO₂e/MWh, el potencial se sitúa entre 224 y 447 tCO₂e evitadas al año. El intervalo expresa una proyección para el perímetro corporativo considerado, no una reducción ya conseguida.

La cifra definitiva se calculará para cada centro y fuente energética, aplicando el factor de emisión que corresponda y contabilizando únicamente las reducciones vinculadas a ahorros de consumo medidos y sostenidos.

Innovación aplicada y buenas prácticas

El punto de partida era un entorno industrial distribuido, con equipos, protocolos y aplicaciones diferentes en cada centro y una creciente necesidad de compartir datos con otras áreas y sistemas.

La solución implantada establece una capa común de información industrial que combina nodos locales con consolidación corporativa. Los datos se adquieren, contextualizan, historizan y distribuyen mediante interfaces estándar, evitando repetir una integración específica para cada nueva necesidad. El modelo mantiene la autonomía operativa de los equipos de planta y, al mismo tiempo, introduce criterios comunes para gestionar y reutilizar la información.

Su principal valor como buena práctica es la posibilidad de desarrollar nuevos casos de uso e incorporar centros adicionales aprovechando la arquitectura, el conocimiento y las integraciones ya disponibles.

Uso de tecnologías (TICs)

La arquitectura combina procesamiento local y consolidación corporativa. N3uron dispone de un nodo en cada uno de los ocho centros conectados. La capa central desplegada en AWS consta de un nodo central de N3uron y una instancia de TimescaleDB para historizar los datos y ofrecer una visión conjunta de la red productiva.

La plataforma integra PLC, SCADA/HMI, pasarelas, instrumentación, bases de datos, MES y ERP mediante OPC UA, Modbus, IEC 102, REST, SQL, MQTT, TCP, Siemens y EtherNet/IP. Los datos se utilizan en interfaces web y HMI, Grafana, informes y sistemas de aviso por correo electrónico y SMS.

Las API y los estándares permiten reutilizar y compartir la información de forma controlada, reduciendo los accesos directos a los sistemas de planta. MCP Server prepara además la arquitectura para futuros casos de IA agéntica, con acceso gobernado a datos contextualizados para consultar información, interpretar alarmas y apoyar el diagnóstico.