Cómo obtener rentabilidad de la IA en las operaciones de fabricación

Los fabricantes han pasado este año sometidos a la presión de incorporar la inteligencia artificial a sus operaciones y de demostrar los resultados obtenidos. Los márgenes son más ajustados, por lo que la inversión se realiza por etapas, en lugar de mediante un único presupuesto de transformación, y se espera que cada etapa genere un resultado cuantificable.

Los resultados han sido desiguales, y no porque la tecnología no haya estado a la altura. La creación de una primera versión de una solución se ha acelerado. Sin embargo, verificarla, conectarla a datos en los que el equipo confía y ponerla en marcha en una segunda ubicación sigue requiriendo el mismo esfuerzo de siempre. Esto significa que la pregunta ha cambiado. Ya no se trata de si la IA puede crear algo, sino de qué condiciones deben cumplirse para que lo que crea sea fiable, pueda ser auditado y se pueda ejecutar en más de un lugar.

Hay tres factores que marcan la agenda de los responsables de operaciones con los que colaboramos.

El capital se está destinando a nuevas líneas de producción a un ritmo más rápido del que las tecnologías de la información pueden soportar. Por ello, a menudo una línea comienza a producir antes de que se hayan implantado los sistemas destinados a gestionarla.

La productividad debe provenir del equipo con el que ya se cuenta. No de un aumento de la plantilla, ni de una adquisición significativa de software o hardware.

La mayoría de los fabricantes ya saben qué es lo que hay que cambiar. Lograr una mejora cuantificable es otra cuestión, y este año es precisamente esa la que recibirá financiación.

Para un responsable de operaciones, la cuestión ya no es si la inteligencia artificial puede elaborar una solución o analizar un conjunto de datos. Se trata de qué elementos deben estar en marcha antes de que se pueda confiar en los resultados que genera, auditarlos y aplicarlos en más de una sede.

Crear una solución implica convertir lo que sabe el departamento operativo en algo que pueda ejecutarse: los pasos, la lógica, las conexiones de datos y las comprobaciones que garantizan el cumplimiento normativo del trabajo. Esa labor siempre ha dependido de las personas que comprenden el proceso, y la mayor parte de su jornada se dedicaba a tareas de montaje, más que a la toma de decisiones. La IA elimina una buena parte de esas tareas de montaje y mantiene la toma de decisiones tal y como estaba. Ha aumentado el rendimiento sin cambiar quién debe revisarlo.

Dirigir la operación implica actuar en función de los datos almacenados en sistemas diseñados para tareas distintas. Un sistema de programación contiene lo que se había planificado, un controlador de máquina contiene lo que se ha ejecutado, un registro en papel contiene lo que el operador ha observado y una hoja de cálculo contiene lo que alguien ha decidido hacer al respecto. Ninguno de ellos intercambia datos con los demás, por lo que la información permanece donde se creó y las personas concilian los datos manualmente antes de que nadie pueda tomar una decisión.

Esa conciliación es la parte que no resiste la automatización. Una persona puede conciliar dos sistemas que presentan discrepancias porque sabe en qué fuente confiar. Un agente no puede hacerlo. O bien se niega a responder, o bien ofrece una respuesta con seguridad que resulta errónea.

La escalabilidad consiste en aplicar una solución que haya demostrado su eficacia en una instalación al resto de la red. A menudo, una solución validada en una planta nunca llega a las demás, por lo que el mismo problema se resuelve cinco veces en cinco lugares distintos. Y, al no existir un registro del origen de cada copia, un equipo central puede confirmar que algo está en funcionamiento en una instalación, pero no si se trata de la versión actual.

¿Por qué la experiencia pertinente no es experiencia en IA?

Ninguno de los tres es un problema relacionado con la IA. Cada uno de ellos se refiere a lo que rodea a la IA: quién la aprobó, qué datos procesó y qué versión se está ejecutando en cada lugar.

Tulip Ha trabajado durante más de una década en sectores en los que un error acarrea consecuencias, como la industria farmacéutica, la de dispositivos médicos y la de fabricación de material de defensa. Los permisos, las autorizaciones y los registros de auditoría se integraron en la plataforma mucho antes de que existiera un agente que la gestionara, lo que significa que la inteligencia artificial se integra en el marco de supervisión bajo el que ya trabaja su equipo, en lugar de funcionar en paralelo a él. No se sustituye ningún componente de la estructura existente.

La construcción: desde el montaje hasta la evaluación

Los ingenieros y los constructores siempre han utilizado las herramientas que mejor resuelven sus problemas, ya sea el papel, las hojas de cálculo y, con el tiempo, las aplicaciones digitales. La inteligencia artificial es la siguiente en la lista, y cumple la misma función.

Independientemente de la herramienta, los procesos que han perdurado son aquellos diseñados por quienes mejor comprendían sus propias operaciones. Para resolver los cuellos de botella entre el acceso a las herramientas y los conocimientos operativos, hemos creado el «Authoring Agent». El «Authoring Agent» funciona dentro del editor de la aplicación, elaborando un borrador de solución a partir de los documentos que ya mantiene el departamento operativo —incluidos los procedimientos operativos estándar (SOP) y las instrucciones de trabajo— y editando dicho borrador cuando se le solicite.

Lo que cambia es cómo se desarrolla la jornada laboral del experto. En lugar de crear manualmente los pasos, la lógica, las conexiones de datos y las comprobaciones de cumplimiento, son las personas que conocen el proceso quienes deciden qué debe hacer la solución. Cuando se recibe un borrador que se acerca bastante a lo deseado, son ellos mismos quienes modifican el campo, en lugar de presentar una solicitud y esperar a que haya capacidad disponible.

Cuanto más rápido se desarrollan las soluciones, mayor es su número, y un cambio en una de ellas puede provocar el fallo de otra antes de que nadie se dé cuenta de que ambas estaban relacionadas.

Los proyectos son el marco en el que se diseña el sistema en su conjunto, en lugar de diseñar una aplicación tras otra. Las aplicaciones, las estructuras de datos, las automatizaciones y las conexiones que dan respuesta a un único caso de uso se agrupan y se asignan al área física a la que dan soporte, de modo que las relaciones entre los casos de uso quedan explícitas, en lugar de darse por supuestas. Cualquier cambio puede evaluarse en el contexto del sistema al que pertenece. Y una solución que haya demostrado su eficacia se traslada como una única unidad con control de versiones, en lugar de como un conjunto de piezas que alguien vuelve a montar en la siguiente instalación.

Ejecución con un único registro

El sistema de planificación, el controlador de la máquina, el registro en papel y la hoja de cálculo solo se convierten en un único registro si algo los pone en las mismas condiciones.

TulipLa capacidad de conectividad industrial de la plataforma conecta dispositivos y sistemas empresariales de forma nativa, a través de protocolos industriales estándar. A continuación, unifica sus datos de salida, de modo que una orden de trabajo, el estado de una máquina, un lote y la acción de un operario tengan la misma definición en todas las aplicaciones, paneles de control y agentes. De este modo, los datos de las máquinas pueden consultarse en relación con los registros de pedidos, los códigos de defectos y la actividad de las estaciones. Esto es lo que permite a un equipo correlacionar los desechos con los cambios de producción, o los defectos con un turno o un lote de material, sin necesidad de crear primero la integración. Las lecturas de alta frecuencia se agregan en el borde de la red antes de salir de las instalaciones, de modo que solo se transmite lo que el análisis necesita.

Factory Playback considera las cámaras ya instaladas en una planta de producción como una fuente de datos operativos. Las grabaciones se sincronizan con la misma línea temporal que los datos de las máquinas y de los pedidos, de modo que una investigación parte del vídeo asociado al registro, en lugar de basarse en la memoria. Se pueden buscar en el pasado acontecimientos para los que nadie haya configurado una alerta, ya que un modelo de lenguaje de visión interpreta lo que aparece en el encuadre, en lugar de buscar coincidencias con una regla establecida de antemano. Las mismas cámaras responden a nuevas preguntas sin necesidad de hardware adicional: recuentos en un banco de trabajo, tiempo de permanencia en una zona o si una estación está activa o inactiva.

Los agentes actúan basándose en ese historial combinado. Responden a las preguntas a partir de él, elaboran el análisis cuando se les solicita y actúan según un calendario preestablecido, en lugar de esperar a que se les solicite. La organización establece qué acciones lleva a cabo un agente por iniciativa propia, cuáles requieren autorización y cuáles están prohibidas. Las personas que conocen el proceso aportan su experiencia a la toma de decisiones, en lugar de a la conciliación.

Ampliación con control

La gobernanza cumple tres funciones: visibilidad, control y confianza.

OpsMoto ofrece visibilidad. Reúne en una única vista las implementaciones, las aplicaciones, las automatizaciones y la actividad de los usuarios en todos los sitios e instancias, y registra el historial de cada solución. Un equipo central puede determinar qué sitios ejecutan qué versión y en qué punto se ha producido una divergencia. De no ser así, para obtener esa visión general habría que iniciar sesión en cada instancia por separado.

Además, OpsMoto funciona de forma independiente del ciclo de lanzamiento de la plataforma principal, lo que significa que su implantación y actualización no obligan a someter de nuevo a revalidación un sistema ya validado.

Enterprise Library ofrece control. Un equipo central publica una solución aprobada una sola vez, y cada sede instala la versión actual a partir de un catálogo en el que se puede navegar, en lugar de recibir un archivo que debe importarse manualmente. Una corrección que ha sido verificada llega a toda la red. Además, cada sede puede adaptar lo que ha instalado a los procesos locales sin perder el vínculo con la plantilla, por lo que la adaptación local deja de mermar la visibilidad central.

La confianza no es un producto. Es la condición en la que se desarrolla el resto del proceso: dónde se almacenan los datos, cómo se protegen y qué se permite que haga la IA. Esos son los controles en los que ya se basa el funcionamiento en entornos regulados y seguros, y no un conjunto independiente diseñado específicamente para la IA.

Dos días con fabricantes que ya están obteniendo beneficios gracias a la inteligencia artificial y que le explicarán cuánto les ha costado llegar hasta ahí. Podrá presentar una idea a alguien que ya la haya probado y conocer en qué puntos ha fallado.

En la zona de demostración se puede realizar una experiencia práctica con las tres opciones. Se crea una solución a partir de un procedimiento operativo estándar (SOP). Se trabaja con máquinas conectadas y datos de vídeo. Se transfiere una solución entre centros y se observa lo mismo que ve el equipo central.

Las sesiones siguen el mismo esquema: equipos en plena fase de implantación, equipos centrales que gestionan una red y el trabajo de ingeniería que supone aplicar la inteligencia artificial en un entorno de producción real.

Operations Calling Tendrá lugar en Somerville, los días 6 y 7 de octubre, y en Lyon, los días 3 y 4 de noviembre. Le mostraremos todas las posibilidades que ofrece. En cuanto a los resultados obtenidos, se lo explicarán los fabricantes presentes en la sala. ¡Consiga su entrada hoy mismo!