¿Cuál es el futuro de la Industria Digital?
El viaje que sigue...
Aún hay un gran camino por avanzar para las compañías que buscan lograr la Empresa Digital como se define hoy. Aunque el concepto de inicio a fin de la Digital Thread está bien establecido, y aunque los fabricantes de pensamiento más moderno han aceptado que la digitalización es tanto inevitable como un aspecto crítico de su estrategia de mercado hacia el futuro, el viaje hacia Industria 4.0 es y continuará siendo solo eso –un viaje largo y lleno de retos–. Al mismo tiempo, ciertas tecnologías habilitantes crecerán en su significancia para este espacio en los años que vienen.
El reino del Gemelo Digital
Aunque ya es un tema bastante difundido en varias industrias, el concepto del Gemelo Digital [Digital Twin] se originó dentro del ambiente de manufactura. No fue de sorprender a nadie que, aquello que está en el contexto de manufactura será lo que se adopte más naturalmente en los años por venir. El Gemelo Digital es una copia digital del flujo de trabajo entero de procesos de negocio, cubriendo todos los procesos de manufactura, productos, máquinas, recursos y el ecosistema de TI existente entero (así como la forma en la que los sistemas dentro de este interactúan).
Esencialmente, el Gemelo Digital proporciona un ambiente libre de riesgos para que los fabricantes estudien sus procesos, prueben los cambios y evalúen el impacto que ciertas decisiones tendrían en sus operaciones y su negocio. En el futuro, el Gemelo Digital será un activo básico para toda organización. Todo en manufacturas se probará y simulará primero antes de que cualesquier cambios físicos se efectúen, ya sea en la planta o en el proceso. Las decisiones respecto a la contratación de nuevos recursos, decidir si un nuevo diseño de un modelo de auto habría de introducirse, ejecutar análisis de costo y cadena de suministro para determinar la efectividad en costo. Todos estos pronto se harán primeramente en un ambiente simulado para asegurar la inteligente toma de decisiones, optimizar procesos y conducir mejoras continuas en la empresa.
El problema de (Big) Data y Mantenimiento 4.0
Una ventaja competitiva será lograda por los fabricantes que sepan cómo invertir en aquel recurso con el mayor potencial: los datos. A diferencia de muchos recursos valiosos, los datos no están limitados, y es algo con lo que ya se cuenta en alguna parte, esperando que se aproveche y analice para el mayor beneficio del negocio. Más, los volúmenes en aumento y la variedad de los datos disponibles no necesariamente se traducen en valor para el negocio. Los fabricantes deben de entender qué datos necesitan, qué datos les son relevantes, y qué datos se pueden utilizar para dar mejoras reales. En consecuencia, la habilidad de transformar datos en inteligencia y usar esta inteligencia para efectuar decisiones oportunas, se convertirá en una ventaja competitiva primaria.
Pero incluso esto no es suficiente si no usamos las tecnologías capaces de manejar altos volúmenes de datos para derivar una visión sistémica, que domine la complejidad intrínseca de los procesos de producción y soporte de producción complejos. Solo de esta forma será posible vincular el desempeño de activos individuales al valor generado para la compañía durante su ciclo de vida. Mantenimiento 4.0, de la que son componentes centrales el mantenimiento predictivo y el análisis predictivo, define una versión digital asistida por máquina de todas las cosas que hemos estado haciendo en los últimos cuarenta años como humanos para asegurar que nuestros activos entreguen valor para nuestra organización. Mantenimiento 4.0 incluye una visión holística de fuentes de datos, formas de conectarse, formas de recolectar, formas de analizar y acciones recomendadas a poner en marcha para asegurar que la función (confiabilidad) de los activos, así como el valor (gestión de activos) sean asistidos digitalmente. Mantenimiento 4.0, en consecuencia, significará evaluar y anticipar el impacto de políticas de mantenimiento individuales, no solo en el activo individual, sino en los márgenes corporativos totales, tomando en cuenta todos los factores involucrados, así como la complejidad del ecosistema como un todo.
Robots colaborativos y manufactura inteligente
La manufactura "a luces apagadas" promueve la idea de que, mediante automatización y robótica avanzadas, pronto vamos a tener fábricas funcionado por sí mismas, con intervención mínima o nula por parte de los humanos. Pero esto suena que, y muy seguramente en efecto está más en línea con el mundo futurístico que se muestra en películas de ciencia ficción, antes que con la realidad. Ya, los principios de Industria 4.0 –interoperabilidad, transparencia de información, asistencia técnica y fábricas auto-organizables– de hecho dan la imagen de sistemas inteligentes acumulando y analizando datos para autónomamente tomar decisiones informadas, resolver problemas, e incluso realizar tareas que antes las ejecutaban trabajadores humanos. Pero el objetivo de la Manufactura Inteligente no es la eliminación de recursos o de humanos del proceso. En lugar de ello, el objetivo es la asignación y utilización de recursos de la forma correcta.
El futuro de Smart Manufacturing, entonces, es la automatización de tareas monótonas, repetitivas, peligrosas, con muchos datos, y de precisión, así como la reasignación de humanos hacia actividades más conductoras del negocio y de valor añadido. Esto es el auténtico objetivo final del paradigma de Industria 4.0 –redes inteligentes que conectan y habilitan la comunicación entre personas, cosas, máquinas y sistemas para ayudar a los fabricantes a hacerse más inteligentes, más eficientes y más rentables–.
IA y Aprendizaje de Máquina
Ya teniendo a la tendencia hacia la digitalización en franco avance en el sector de manufacturas, estamos aprovechando y recolectando más datos del piso de producción que en cualquier momento del pasado. Las capacidades computacionales avanzadas y las herramientas analíticas nos habilitan para cotejar más datos reunidos, con el fin de hacer evidentes tendencias, asuntos y oportunidades para la mejora de las operaciones. Pero aún más que eso, los datos nos permiten hacer avanzar la forma en que las máquinas operan al programar poder de toma de decisiones dentro de las máquinas mismas.
Un modelo de Aprendizaje de Máquina es una aplicación de software que se ha diseñado para replicar la forma en la que un ser humano piensa acerca de, y procesa la información. Los modelos de Deep Learning o aprendizaje profundo son más flexibles que sus contrapartes desarrolladas tradicionalmente. Imagine que sus máquinas de producción contasen con la capacidad de determinar cuándo podría ocurrir un defecto. Imagine que, antes de que fuera probable que el defecto ocurriese, pudieran, de forma automática, emprender la acción correctiva, así previniendo por completo que el defecto de diera. ¿Qué, si las máquinas pudieran pensar acerca de su desempeño, y determinar automáticamente cuándo podrían necesitar mantenimiento? Con Aprendizaje de Máquina e Inteligencia Artificial (IA), esto se vuelve una posibilidad definitiva.
Una nota final (sobre Engineering)
Nuestra misión en Engineering siempre ha sido entregar soluciones y servicios tecnológicos que hacen avanzar la forma en que funciona el mundo de las manufacturas. Nuestro equipo aprovecha cada oportunidad para compartir experiencia y mejora continua con nuestros clientes, socios y la comunidad. Estamos orgullosos de unirnos a todos ellos en sus esfuerzos para desarrollar sistemas nuevos que dirigen la innovación y que ayudan a mejorar la calidad de sus productos. Al diseñar y entregar la Digital Thread, nuestro grupo de Industries eXcellence ayuda a fabricantes en todos los sectores, en cualquier parte del mundo, para concretar la empresa del futuro.
