Del análisis generado por IoT al motorizado por AI

Si usted ha estado trabajado en industrias desde hace un tiempo, ya ha experimentado las oleadas de tecnología digital inundando las plantas, desde los robots hasta las tablets. 

En la próxima década veremos una nueva ola tecnológica irrumpiendo en el escenario: la inteligencia artificial (AI), que se expande de un conjunto de tareas acotadas hasta aplicaciones mucho más sofisticadas que transformarán la industria.

Muchas compañías están al tanto de la llegada de esta nueva tecnología y están pensando en el impacto que esto tendrá en sus operaciones, desarrollo de personal y en su habilidad para competir en el mercado.

De acuerdo con Gartner, hacia el año 2021, la inteligencia artificial creará cerca de USD 3 trillones en negocios. ¿Qué es lo que motoriza esta tendencia? Se podrían mencionar varios factores, incluyendo la progresión de AI desde rutinas simples y preprogramadas, a algoritmos de aprendizaje automático, como también a la introducción de plataformas de AI y a la oferta de servicios que facilitan el diseño y la utilización de nuevas aplicaciones 

La IoT industrial

Pero cuando se trata de fabricación, hay otro factor que entra en juego: el auge de la Internet de las Cosas (IoT). La IoT industrial es una ola en sí misma, está facilitada por la computación periférica, la convergencia de IT y OT y la conectividad extendida en los entornos industriales. IoT industrial generó una explosión de datos y presenta el desafío de cómo explotar el valor de esos datos en forma completa.

Ciertamente, mucho del equipamiento industrial, y de los sensores de IoT de hoy, en día están produciendo enormes cantidades de datos que no necesariamente están siendo utilizados. Mientras los fabricantes tratan de obtener ventajas competitivas, están comenzando a observar qué es lo que pueden hacer con esos datos, qué pueden aprender de ellos y, efectivamente, cómo pueden mejorar el manejo de sus empresas basados en esos datos.

Hay enormes mejoras de costo-beneficio que se pueden realizar. Se estima que los fabricantes podrían reducir los costos de desarrollo de producto en un 50%, los costos operativos en un 25% y podrían aumentar los márgenes brutos en un tercio si consistentemente explotasen los datos que tienen disponibles. 

Los beneficios y las posibilidades aumentan a medida que las compañías escalan el sistema y utilizan aplicaciones de AI más sofisticadas

La progresión del análisis generado por AI se parece a la siguiente:  

  • Descriptivo
    • ¿Qué ocurrió?
    • ¿Por qué ocurrió eso?
    • ¿Qué está ocurriendo ahora? 
    • ¿Qué ocurrirá? 
  • Prescriptivo
    • ¿Qué debería hacerse? 

El mero acceso a los datos y al motor de análisis no garantiza la comprensión completa de las operaciones de la planta. Usted deberá construir los fundamentos y tener una evolución de la comprensión que generará acciones basadas en esa comprensión. En definitiva, lo que se busca son datos que puedan comenzar a automatizar decisiones.  

Análisis predictivo versus prescriptivo y automatización 

Retrocedamos un poco. La automatización puede ser el santo grial de AI y la analítica avanzada al límite, pero hoy todavía muchas de las empresas están en etapas intermedias. A medida que aumentan la comprensión y van adquiriendo un análisis predictivo, se les abre un nuevo mundo de posibilidades para poder mantener proactivamente activos como maquinarias, flotas de vehículos e instalaciones.

Si los datos proporcionan el entendimiento de qué parte del activo en cuestión va fallar, se pueden programar acordemente servicios de mantenimiento para lo específicamente requerido.

Imagine el impacto de esto en los costos de mantenimiento, los horarios de los trabajadores y el tiempo improductivo de las plantas. En vez de sacar a un activo de producción 10 veces por cuatrimestre para realizar reparaciones de emergencia no previstas, la aplicación del mantenimiento predictivo puede informar de antemano a los operarios cuándo puede llegar a fallar el activo, que podría llegar a ser 2 o 3 veces por cuatrimestre.

En un nivel más avanzado la analítica prescriptiva requiere no sólo la certeza de que las predicciones sean correctas, sino también que las piezas técnicas estén disponibles para que las acciones necesarias puedan llevarse a cabo.

Típicamente, los activos estarán generando datos. Los datos tienen que ser transportados desde el activo a un ambiente donde puedan se analizados y convertidos en predicciones (qué ocurrirá) y prescripciones (qué debería efectuarse).

Además, todo esto tiene que ocurrir en un tiempo razonable. Si tener acceso a los datos lleva horas, el evento pudo haber ocurrido antes de que una acción pueda ser tomada. Es por eso que es crítico tener acceso a la información sin demoras, mover los datos sin demoras y responder con acciones sin demoras. 

Fuente: por «alongwor», HPE Blogger