La Inteligencia Artificial representa un cambio de paradigma para las fábricas. Actualmente automatizan los procesos y la maquinaria a través de un enfoque basado en reglas, y la programación de la robótica actual se dirige a un conjunto fijo de escenarios. En el futuro se utilizará el soporte de la Inteligencia Artificial para automatizar los procesos y la maquinaria para responder a situaciones desconocidas o inesperadas tomando decisiones inteligentes.

Esto dará como resultado unos sistemas mucho más flexibles y adaptables. Para que me entendáis, bajo un enfoque basado en reglas, un robot no puede identificar y seleccionar piezas necesarias de un conjunto de piezas no clasificadas, porque carece de la programación detallada necesaria para hacer frente a la gama de posibles orientaciones de las piezas. Por el contrario, si estuviese apoyado en la IA, podría seleccionar las piezas deseadas de una masa no ordenada, independientemente de su orientación.

Varios casos de uso de la Inteligencia Artificial demuestran la mejora de la productividad en las principales áreas de operaciones, tanto dentro como fuera de la fábrica, destacando especialmente en producción, calidad y logística, y sin perder de vista que donde esas mejoras se producirán es en los casos de una integración de sistemas entre la fábrica, los grupos de datos entre funciones y con los sistemas de proveedores y clientes.

Fuera de la fábrica

La ingeniería y la gestión de la cadena de suministro son áreas operativas más importantes en las que aplicar la Inteligencia Artificial:

  • Ingeniería: Los fabricantes pueden utilizar la Inteligencia Artificial para promover los esfuerzos de I+D que optimicen los diseños, mejoren la respuesta a la demanda y expectativas de los clientes y simplifiquen la producción. La IA apoya el diseño de productos en el que los algoritmos exploran todas las soluciones de diseño posibles sobre la base de objetivos y limitaciones definidos. A través de pruebas y aprendizaje iterativos, los algoritmos optimizan el diseño y sugieren soluciones que pueden parecer poco convencionales para la mente humana. En el sector aeroespacial se utiliza el diseño generativo para desarrollar piezas de aeronaves con diseños completamente nuevos, como las estructuras biónicas que proporcionan la misma funcionalidad que los diseños tradicionales pero con un peso muchísimo menor.
  • Gestión de la cadena de suministro: la previsión de la demanda es un tema clave para aplicar la IA dentro de la gestión de la cadena de suministro. Al anticipar mejor los cambios en la demanda, las empresas pueden ajustar eficientemente los programas de producción y mejorar la producción. La IA apoya el pronóstico de la demanda de los clientes analizando y aprendiendo de los datos relacionados con los lanzamientos de productos, la información de los medios de comunicación y las condiciones meteorológicas o socioeconómicas. Algunas empresas utilizan Machine Learning para identificar patrones de demanda mediante la consolidación de datos de los sistemas de almacenamiento y ERPs con los conocimientos que van teniendo de los clientes.

Dentro de la fábrica.

De muros hacia dentro, la Inteligencia Artificial traerá varios beneficios al proceso de fabricación y a funciones de apoyo, mantenimiento, calidad y logística.

  • Producción: nuestro estudio abarcó toda la gama de entornos de producción, incluyendo los procesos continuos (sector químico, materiales de construcción…) y la ‘producción discreta’ (procesos de montaje). En todos los entornos, los fabricantes utilizarán la Inteligencia Artificial para reducir costes, aumentar la velocidad y, por tanto, mejorar la productividad. También se puede utilizar para mejorar la flexibilidad y hacer frente a la complejidad de la producción, por ejemplo, en la fabricación de productos personalizados para un cliente en concreto. La IA permite que máquinas y unidades de producción se conviertan en sistemas autooptimizados que ajustan sus parámetros en tiempo real mediante un proceso de análisis continuo y aprendizaje a partir de datos actuales e históricos. Ya hay algunos casos, en el sector siderúrgico, que utilizan la Inteligencia Artificial para permitir que los hornos se ajusten de foma automática y autónoma. La IA analiza la composición material de la ingesta de hierro e identifica la temperatura más baja para que las condiciones del proceso sean estables y óptimas, con el consiguiente ahorro energético. En otro caso en el sector automovilístico, los robots, mejorados con capacidades de reconocimiento inteligente de imágenes, recogen piezas no clasificadas en lugares no definidos como papeleras o cintas transportadoras.
  • Mantenimiento: los fabricantes utilizan la Inteligencia Artificial para reducir las averías y aumentar la utilización de los equipos. La IA apoya el mantenimiento predictivo, por ejemplo, evitando las averías mediante la sustitución de las piezas desgastadas en función de su estado real. La IA analiza de forma continua y aprende de los datos generados por sensores. Esto es algo que beneficia especialmente a las industrias de procesos, en las que las averías provocan pérdidas de ventas. Algunas refinarías han implementado este tipo de modelos que estiman el tiempo restante antes de fallos de los equipos. Lo hacen analizando más de mil variables con la entrada y salida de materiales, los parámetros de los procesos y las condiciones meteorológicas.
  • Calidad: aquí se utiliza la IA para ayudar a detectar posibles problemas de calidad lo antes posible. Los sistemas de visión utilizan tecnologías de reconocimiento para identificar defectos, y/o desviaciones en las características. Gracias a como están diseñados, no dejan de aprender, con lo que su rendimiento y capacidad aumenta continuamente. El sector del automóvil es uno de los que utiliza estos sistemas.
  • Logística: entendiéndola como la parte de almacenaje y la logística interna, ya que estamos hablando de ‘dentro de la fábrica’ y no de la logística a lo largo de la cadena de suministro externa, la Inteligencia Artificial permite el movimiento autónomo y suministro eficiente de materiales dentro de la planta, algo que se vuelve cada día más imprescindible debido a la creciente complejidad que conlleva la fabricación de múltiples variantes de productos y personalizaciones. Los AGVs (robots móviles) que llevan artículos y piezas de un lado a otro dentro de las fábricas utilizarán la IA para detectar obstáculos y ajustar su rumbo dentro de la búsqueda de la ruta más óptima. Los algoritmos de Machine Learning utilizarán datos logísticos, como datos sobre la salida y entrada de material, niveles de inventario, y tasas de giro de las piezas para permitir a los almacenes optimizar sus operaciones de forma autónoma, como por ejemplo llevar a las zonas más remotas del almacén las piezas con menos demanda y viceversa.

Algunos casos de uso de la Inteligencia Artificial aplican a más de una zona de operaciones, como los ‘agentes virtuales’ que son capaces de generar y procesar lenguaje natural y que permiten dar a los operadores información específica del contexto generado por los datos facilitados por el propio sistema.

Los sistemas sugerirán soluciones a las incidencias que se vayan produciendo, como averías, desviaciones de calidad, y pérdidas de rendimiento, sobre la base de informes de incidentes que analizan de forma continúa y de los que aprenden. Por ejemplo se me ocurre un algoritmo que utiliza los informes de incidencias para detectar patrones y que propone soluciones.

Pero todavía hay mucho por hacer. Existe un gap entre querer implementar estas soluciones y estar disfrutando de ellas, y ese limitado grado de implementación refleja un déficit en la planificación estratégica de las compañías.

Por daros unos datos del estudio de BCG que os hablaba antes, los porcentajes que adoptan anticipadamente la Inteligencia Artificial son más altos en Estados Unidos (25%), China (23%) e India (19%). En Alemania, como primera potencia europea, sólo el 15% es early adopter.

Para cerrar este gap del que os hablo es imprescindible abordar estos cuatro puntos:

  • Estrategia y hoja de ruta: para poder proporcionar dirección y guía para todo el proceso de implementación de la Inteligencia Artificial, las compañías necesitan una estrategia clara centrada en los casos de uso más valiosos, que son los que abordan necesidades y desafíos específicos de la empresa, y alinearlos con la estrategia digital general de ésta. Una empresa también necesita una hoja de ruta de implementación clara que establezca casos de negocio y objetivos medibles.
  • Modelo de gobernanza: un compromiso visible por parte de la dirección es fundamental para realizar estos cambios y mejoras. Debe utilizar comunicaciones internas bien estructuradas para garantizar la máxima comprensión por parte de toda la organización. La empresa debe establecer funciones y responsabilidades claras para la implementación de la IA y concebir una estructura organizativa clara. La colaboración y comunicación eficiente entre las funciones pertinentes son esenciales para superar las resistencias que se presenten… y presentarán.
  • Competencias del equipo: para adoptar la Inteligencia Artificial, y la Transformación Digital en general, una empresa debe tener un equipo con fuertes habilidades en tecnología, data, y otras competencias o, contar con un excelente compañero de viaje especialista en estas áreas, como puede ser Kabel. Para lograr que el equipo interno se empape de estas materias, puede hacerse a través de programas de formación y capacitación, y sea interna como externamente.
  • Infraestructuras IT: La interoperabilidad de los sistemas informáticos y los equipos preexistentes, promovidos por las interfaces de programación, la configuración de aplicaciones y las normas de red, son cruciales para el éxito de la aplicación de la Inteligencia Artificial. La ciberseguridad es otra preocupación importante que no debemos dejar pasar por alto en el mundo de la industria 4.0.

Al implementar la Inteligencia Artificial, una empresa debe considerar la adopción de un modo de trabajo ágil que le permita ajustar su estrategia y su hoja de ruta a medida que cambian sus requisitos. Al aplicar la IA, la empresa debería adoptar un enfoque de MVP (Producto Mínimo Viable) en el que se vayan haciendo pequeñas pruebas y luego se perfeccionen en iteraciones rápidas antes de comprometerse con un despliegue a gran escala. Los early adopters son más propensos a emplear este tipo de metodologías ágiles.

Y a partir de aquí toca ponerse a trabajar. Todos los estudios señalan la necesidad de que empresas industriales, proveedores de maquinaria industrial y automatización tomen medidas y adopten la Inteligencia Artificial en sus procesos y para ello deberían estructurarlo en tres etapas:

  • Evaluar el punto de partida: cuáles son sus puntos débiles y estado de madurez de la IA y sin perder de vista cómo está la empresa con respecto a sus pares y sector. También es conveniente evaluar el estado de sus infraestructuras de IT y ver si está preparada para soportar la solidez necesaria de una implementación de la IA.
  • Definir los habilitadores: la empresa debe elaborar una lista de los casos de uso de la Inteligencia Artificial para abordar los puntos débiles identificados durante el chequeo anterior. Todas las partes interesadas deberían reunirse y discutir los casos de uso en profundidad y determinar cuáles deben ser prioritarios para su aplicación. Las aportaciones de partners especialistas en Inteligencia Artificial e industria 4.0 como Kabel son extremadamente valiosas en esta etapa. A continuación toca elaborar el cuadro de objetivos en las operaciones y crear la hoja de ruta para su aplicación.

El modelo de gobernanza debe delimitar claramente las funciones y responsabilidades para la aplicación correcta de la Inteligencia Artificial y establecer una estructura organizativa coherente. La empresa también ha de comparar las cualificaciones de su equipo actual, las carencias y a quien acudir para reducir al máximo las brechas. Y todo sin olvidar la definición de requisitos de IT para la aplicación de los casos de uso y elaborar un segundo modelo de gobernanza para la gestión eficaz y eficiente de los datos. Los científicos de datos y los especialistas en IT con conocimientos en IA que formen parte de la organización deberían estar dentro del equipo que defina los requisitos.

  • Pruebas y escalado: la empresa debe probar los casos de uso en partes concretas de la empresa. Para acelerar el proceso, debe iniciar programas piloto al mismo tiempo que define una visión y establece habilitadores. El objetivo de cada piloto será desarrollar rápidamente un MVP y validar gracias a metodologías ágiles mejorando el diseño del piloto gracias a las múltiples iteraciones. Al interactuar con los pilotos, los empleados pueden experimentar el tacto y la sensación de los casos de uso de la Inteligencia Artificial. Para facilitar los pilotos la empresa debe tener acceso a herramientas tecnológicas que permitan un impacto rápido, como sensores IoT para supervisar activos, dispositivos de Realidad Mixta… Durante el proceso deben ampliarse las soluciones que han probado con éxito en los pilotos llegando al máximo potencial aplicando las soluciones a escala completa.

Sin duda, la Inteligencia Artificial está a punto de convertirse en la palanca más importante para mejorar la productividad operativa, pero todavía es necesario un cambio de mentalidad basado en entender los beneficios más allá de una inversión en tecnología para ‘ser lo más’. La gobernanza es clave, con una infraestructura de apoyo en condiciones y una reconfiguración y reciclaje de los equipos humanos. Esta es una última llamada para las industrias que no han adoptado una perspectiva holística en la aplicación de la Inteligencia Artificial, para que eleven rápidamente su nivel de juego y se pongan a la altura de los principales players de su sector.

Aplicaciónes prácticas de la Inteligencia Artificial

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies