Menu
PackML y el Modelo de Estados ISA-88: Estandarizando los estados de la máquina para un OEE limpio

PackML y el Modelo de Estados ISA-88: Estandarizando los estados de la máquina para un OEE limpio

Descubra cómo el estándar de fabricación PackML (modelo de estados) y la norma ISA-88 proporcionan a cada máquina estados idénticos para que las causas del tiempo de inactividad y el OEE se consoliden de forma clara a nivel de planta.
PackML y el Modelo de Estados ISA-88: Estandarizando los estados de la máquina para un OEE limpio

El modelo de estados PackML es un conjunto estandarizado de estados operativos de máquinas, definido en el marco ISA-88 (también llamado ISA-TR88.00.02), que le da a cada máquina de envasado y producción el mismo vocabulario para describir lo que está haciendo en cada momento. En lugar de que una máquina informe "idle" mientras otra informa "waiting" y una tercera "standby" para la misma condición física, PackML las obliga a todas a encajar en un mapa de estados idéntico. Esa consistencia es lo que convierte códigos de estado desordenados y específicos por máquina en datos limpios y comparables de tiempo de inactividad y OEE en toda una línea o planta. Para cualquier equipo que busque números fiables de overall equipment effectiveness, esta estandarización es la base silenciosa sobre la que se apoya todo lo demás.

Por qué los estados inconsistentes de las máquinas arruinan el OEE

El OEE solo es tan fiable como los datos de estado que lo alimentan. La disponibilidad depende de saber exactamente cuándo una máquina estaba en funcionamiento frente a detenida, y por qué. El rendimiento depende de conocer el tiempo real de producción. Cuando cada proveedor de máquinas define sus propios estados, los integradores acaban mapeando manualmente docenas de banderas propietarios, y cada mapeo es una oportunidad para clasificar mal una parada.

El fracaso clásico se ve así: una llenadora cuenta un cambio de formato como "downtime", mientras la enroscadora junto a ella cuenta ese mismo cambio como "not scheduled". Ahora tu OEE de línea penaliza doble o penaliza de menos el mismo evento según en qué máquina confíes. El trabajo de análisis de causa raíz se paraliza porque los números no son de fiar, y un análisis de Pareto de tus principales razones de pérdida se convierte en ficción. PackML elimina esa ambigüedad definiendo los estados una vez, para todos los activos.

Los 17 estados PackML, en términos sencillos

PackML define un conjunto fijo de estados agrupados por su comportamiento. La forma más útil de pensarlos es en tres grupos:

  • Acting states (transitional): Starting, Stopping, Aborting, Clearing, Suspending, Unsuspending, Holding, Unholding, Resetting, and Completing. Estas son las transiciones en las que la máquina se mueve activamente entre condiciones.
  • Wait states (stable): Idle, Stopped, Suspended, Held, Complete, and Aborted. La máquina permanece aquí hasta que un comando o evento la mueve.
  • The one true running state: Execute. Este es el único estado en el que la máquina realiza trabajo productivo, lo que hace que los cálculos de disponibilidad y rendimiento no tengan ambigüedad.

El poder está en las transiciones. Cada máquina sigue el mismo diagrama de estados, por lo que "¿cómo pasamos de Execute a Held?" significa lo mismo en una etiquetadora que en una palletizadora. Sistemas aguas abajo como SCADA y MES leen una estructura de tags común en lugar de un mapa personalizado por máquina.

Modos: producción, mantenimiento y manual

Los estados responden a "¿qué está haciendo la máquina?" y los modos responden a "¿bajo qué régimen?". PackML define al menos tres modos de unidad: Producing, Maintenance y Manual. El mismo estado (por ejemplo, Execute) cuenta de forma muy distinta según el modo. El tiempo en Execute bajo Producing es tiempo de producción real. El tiempo en Execute bajo Maintenance es un ciclo de prueba y debe excluirse de la disponibilidad del OEE, o tus números se inflarán.

Este emparejamiento modo-estado es lo que te permite separar automáticamente el trabajo planificado de mantenimiento proactivo de las averías no planificadas, proporcionando entradas más limpias a métricas de fiabilidad como MTBF y MTTR.

Ejemplo práctico: limpiar una línea con PackML

Considera una línea de embotellado que funciona en un turno de 8 horas (480 minutos). Las pausas planificadas suman 30 minutos, por lo que el tiempo programado es de 450 minutos. Antes de PackML, el controlador de la línea reportaba un único bloque de "stopped" de 90 minutos sin desglose fiable de las razones.

Tras estandarizar en estados y modos PackML, esos mismos 90 minutos de no producción se resuelven claramente:

  1. Held (falta de alimentación aguas arriba, sin botellas): 25 minutos
  2. Suspended (obstrucción aguas abajo, acumulador lleno): 15 minutos
  3. Stopped then Resetting (se despeja un atasco y se gestionan las fallas): 20 minutos
  4. Execute under Maintenance mode (una prueba de cambio de formato a mitad de turno): 30 minutos, ahora correctamente excluidos de la producción

El tiempo de funcionamiento en Execute bajo Producing es por tanto 450 menos 60 minutos de tiempo de inactividad real (Held, Suspended, Stopped), es decir, 390 minutos. La prueba de mantenimiento de 30 minutos ya no se hace pasar ni por tiempo activo ni por avería. La disponibilidad pasa a ser 390 / 450, lo que equivale al 86,7 por ciento. Más importante aún, el equipo ahora puede ver que 40 de los 60 minutos perdidos fueron causados por falta de alimentación y obstrucción, no por la propia máquina. Eso apunta directamente a una restricción de flujo, un problema de teoría de las restricciones, en lugar de un problema de mantenimiento, y evita que el personal ajuste el activo equivocado.

Consolidar estados en toda la planta

Porque todas las máquinas hablan el mismo idioma de estados, la agregación se convierte en aritmética en lugar de interpretación. Una vista a nivel de línea puede sumar tiempo-en-estado a través de todas las unidades y mostrar al instante si la línea está desabastecida, bloqueada o verdaderamente caída en su cuello de botella. Los códigos de razón asociados a los estados Stopped y Held crean una taxonomía consistente sobre la que un proyecto de mejora DMAIC puede actuar con confianza.

Aquí también es donde un CMMS bien gestionado gana su valor: los estados estandarizados permiten que un evento de tiempo de inactividad genere automáticamente una orden de trabajo etiquetada con el activo, estado y razón correctos, de modo que nada se registre como un vago "problema de máquina". Datos limpios de estados junto con una captura disciplinada de órdenes de trabajo es lo que hace que el tiempo de intervención de mantenimiento y el trabajo pendiente de mantenimiento sean medibles en lugar de anecdóticos.

Dónde encaja Fabrico

PackML te da las definiciones estandarizadas de estados; aún necesitas un sistema que capture esos estados en tiempo real y los convierta en OEE, razones de tiempo de inactividad y acciones de mantenimiento. Fabrico es esa base de datos en tiempo real. Proporciona monitorización en vivo de OEE y producción que lee estados de máquina y modos estandarizados, de modo que disponibilidad, rendimiento y calidad se consolidan de forma consistente a través de todos los activos de la línea.

Para equipos más antiguos o más sencillos que no tienen un PLC exponiendo tags PackML, Fabrico puede aplicar visión por computadora en la máquina para detectar condiciones de funcionamiento frente a parada, de modo que esos activos sigan contribuyendo con datos de estado limpios a la misma visión de planta. Cuando se detecta una parada, el CMMS listo para campo de Fabrico gestiona el seguimiento con órdenes de trabajo, registros de activos, programación preventiva y seguimiento de repuestos. Fabrico está desarrollado en la UE con residencia de datos en la UE, lo cual es importante para equipos que necesitan que sus datos de producción y mantenimiento permanezcan dentro de Europa. Puedes explorar ambos aspectos en la visión general de la solución MES y OEE y en la visión general de la solución CMMS.

Preguntas frecuentes

¿PackML es lo mismo que ISA-88?

No exactamente. ISA-88 es la norma más amplia de control por lotes, y PackML es una aplicación de ésta, formalizada en el informe técnico ISA-TR88.00.02, que adapta el modelo de estados específicamente para máquinas de envasado y discretas. En el lenguaje cotidiano de planta la gente usa los términos juntos, pero PackML es el modelo concreto de estados y modos que la mayoría de equipos implementa.

¿Necesito PackML para calcular OEE?

No, puedes calcular OEE sin él, pero tendrás que dedicar mucho más esfuerzo a reconciliar estados inconsistentes de máquina y a defender tus categorías de tiempo de inactividad. PackML hace que las entradas de disponibilidad y rendimiento sean inequívocas y comparables entre activos, por eso se prefiere fuertemente en líneas con varios proveedores. Sin él, tu taxonomía de códigos de razón tiende a deriva máquina por máquina.

¿Y si algunas de mis máquinas son antiguas y no tienen soporte PackML?

Esto es común. Las máquinas legacy rara vez exponen tags PackML, por lo que los equipos o bien retrofitan la lógica en el controlador o usan un método de detección externo. La visión por computadora que detecta estados de funcionamiento frente a parada es una manera práctica de incorporar esos activos a una imagen única y estandarizada de estados sin re-cablear los controles originales de la máquina.

¿Listo para convertir estados estandarizados de máquina en datos de OEE y tiempo de inactividad en los que realmente puedas confiar? Reserva una demostración de Fabrico y ve la captura de estados en tiempo real, OEE y CMMS trabajando juntos en tu línea.

Lo último de nuestro blog

Plant Winterization: Freeze Protection as a Scheduled Campaign
Leer ahora
Dead Leg Management: The Pipework Nobody Flows Through
Leer ahora
Defina su hoja de ruta de confiabilidad
Valida tu retorno de inversión potencial: Reserva una demostración en vivo.
Defina su hoja de ruta de confiabilidad
Al hacer clic en el botón Aceptar, usted da su consentimiento para el uso de cookies al acceder a este sitio web y utilizar nuestros servicios. Para obtener más información sobre cómo se utilizan y gestionan las cookies, consulte nuestra Política de privacidad y Declaración de cookies