La fabricación es un negocio costoso, por lo que los fabricantes inteligentes de todos tamaños han estado buscando la fórmula de eficiencia perfecta para sus plantas.
Desafortunadamente, los resultados han sido mixtos, sin intención de juego de palabras.
Históricamente, muchas compañías intentaron optimizar procesos de producción usando reglas generales establecidas o similares a Excel para análisis de datos incompletos. Pero para la mayoría de los períodos de informe, encontrarían brechas importantes entre las ganancias realizadas y las esperadas. En nuestra experiencia, eso es debido a la falta de herramientas más avanzadas y mediciones precisas requeridas para detectar y comprender las pequeñas variaciones en tiempo real en las variables críticas en cada paso de fabricación que acumulan y erosionan los rendimientos de una instalación de procesamiento tradicional. Y aún cuando los datos están disponibles, interpretarlos y compartirlos lo suficientemente rápido para tomar acciones correctivas efectivamente presenta un desafío para el personal de la planta.
Afortunadamente, nuevas tecnologías pueden ayudar a los fabricantes de todos tamaños a abordar los problemas subyacentes y (parcialmente) cerrar las brechas de ganancias. Estas tecnologías son todas parte de la 4ta Revolución Industrial, conocida en resumen como la Industria 4.0.
¿Qué es la Industria 4.0?
La 4ta Revolución Industrial es la última gran transformación social impulsada por la tecnología y centrada en la expansión de la tecnología en todas las facetas de la vida. Las Revoluciones Industriales previas fueron:
Finales del siglo XVII a mediados del siglo XIX: La primera Revolución Industrial introdujo la división de trabajo básica y la organización de las fábricas. Combinado con la tecnología de energía de vapor y agua, esto revolucionó varias industrias importantes (y luego el mundo) como la textil;
Finales del siglo XIX: La 2da Revolución Industrial trajo las redes ferroviarias y de comunicación, además de los avances en la comprensión científica, lo que permitió una industria con economías de escala;
De mediados a fines del siglo XX: La 3ra Revolución Industrial vio nuevos materiales y electrónica (a saber, el transistor) desarrollados. Esto mejoró el intercambio de datos entre redes telefónicas, computadoras y satélites de comunicación.
La Cuarta Revolución Industrial se concentra en desarrollar tecnologías que se extienden a cada dispositivo y faceta de la vida. Últimamente, los fabricantes comenzaron a adaptar las nuevas tecnologías al entorno de fabricación. Las características de esta adaptación son:
Mejor intercambio de datos y comunicaciones.
Dispositivos y sistemas ciberfísicos.
Internet de las Cosas o IdC (IoT en englés) (incluidas las conexiones inalámbricas a máquinas y sensores).
Computación en la nube.
Inteligencia artificial (IA).
A menudo se incluyen o se asocian con la Industria 4.0 otros conceptos como la fabricación inteligente, la fabricación sin luces (o fabricación oscura), la fábrica inteligente y el Internet Industrial de las Cosas (IIdC) (IIoT en englés).
La premisa detrás del aprovechamiento de las tecnologías de la Industria 4.0 en la fabricación es construir una red de máquinas, dispositivos, computadoras, personas y organizaciones que puedan comunicarse y compartir datos de manera fácil y sin problemas en tiempo real. Una vez construida, la red puede recopilar innumerables puntos de datos de controladores de máquinas, sensores, tarjetas RFID, dispositivos portátiles, etc., y analizarlo todo para anticipar problemas y cambios en producción, o para predecir los resultados de cambios o ajustes. Esto conlleva a mejor control sobre los procesos de fabricación y mejor toma de decisiones.
La meta final de la tecnología es desarrollar sistemas autónomos que puedan actuar por sí mismos basados en los datos entrantes. En última instancia, esto mejorará la productividad laboral al reducir el contenido de mano de obra en la fabricación. Calidad y otras eficiencias (por ejemplo, uso de materiales y tiempos de entrega) también mejorarán a medida que los datos adicionales puedan predecir ajustes anticipados a los sistemas y procesos para mantenerlos optimizados. Esta actividad esta basada en el uso de grandes conjuntos de datos para identificar problemas rápidamente – o hasta antes de que ocurran – para reaccionar ante ellos apropiadamente. Las empresas esperan grandes rendimientos de esta evolución porque estos problemas han sido casi imposibles de resolver con los métodos tradicionales (o los de las últimas dos o tres décadas desde el punto más alto de la Tercera Revolución Industrial).
Un panorama tecnológico complejo
El panorama que rodea la implementación de la Industria 4.0 es complejo, con una variedad de diferentes tipos de productos y servicios disponibles. Como la revolución esta en sus primeras etapas, hay muchos proveedores nuevos, lo que resulta en una complejidad increíble para las empresas que eligen una nueva solución. Algunas empresas ofrecen soluciones llave en mano, pero la mayoría produce componentes o ofrecen sistemas que abordan partes de la tecnología y el sistema. Un mapa de la industria demuestra la complejidad y cómo varias empresas y sus productos y servicios se superponen:
Inevitablemente, esta complejidad genera confusión entre los clientes, resultando en numerosas preguntas sobre las soluciones de servicio y las advertencias de los proveedores.
Aún así, un problema aún mayor con la realización de los beneficios de la Industria 4.0 son los costos de implementación, que se derivan de varios componentes, que incluyen:
Inversión en nuevos equipos y nuevos sistemas que contengan la tecnología necesaria para la instalación de las redes.
Los costos asociados con interrupciones en producción a medida que la nueva tecnología se coloca y se integra en el proceso de fabricación (en algunos casos esto significa nuevas plantas que deben construirse, equiparse y calificarse).
El costo de oportunidad de negocio perdido mientras se lleva a cabo la implementación.
Desafortunadamente para fabricantes innovadores, estos costos a menudo son significativos y están más allá de los medios de muchas operaciones por debajo de la lista de empresas Fortune 1000. Esto deja a los pequeños y medianos fabricantes en una desventaja con respecto a empresas que tienen los medios para adoptar la tecnología y pueden continuamente mejorar tanto en términos de costo como de servicio al cliente. Eventualmente, estas empresas en desventaja constantemente perderán negocios a manos de empresas más grandes y ahora más eficientes o nuevos participantes que comienzan desde cero con plantas y equipos. Obviamente, esto deja a estas empresas más pequeñas en una posición financiera insostenible.
Nuevas tecnologías para máquinas viejas
Una alternativa para las empresas es reacondicionar las máquinas y sistemas existentes para construir para el tipo de red, recopilación y análisis de datos que es posible con la tecnología disponible de la Industria 4.0. Esta es una solución menos costosa en términos de ambos desembolsos de capital y costos asociados con las interrupciones y la pérdida de negocios. Sin embargo, estas actualizaciones generalmente no logran todo el potencial de la tecnología y aún dejan a las empresas que eligen este camino en desventaja frente a empresas que implementan completamente la tecnología con nueva infraestructura.
La primera razón para ciertas fallas es que la mayoría de las empresas de fabricación dependen de Excel y herramientas de visualización de datos de proceso para ayudar a abordar problemas relacionados con el proceso. Aunque esto pueda funcionar para problemas simples y pequeños conjuntos de datos, especialmente cuando hay un modelo existente y conocido para problemas en el alcance, tratar de usar las mismas herramientas y métodos del libro de texto en un ambiente de fabricación más complejo es altamente obstaculizado por una serie de deficiencias:
No existe una forma fácil de configurar canales de datos automáticos para adquirir cantidades masivas de datos estructurados heterogéneamente.
Los datos en tiempo real son difíciles de contextualizar.
Las herramientas de análisis disponibles actualmente no son adecuadas para problemas multidimensionales y/o sustancialmente no lineales.
La solución de problemas en la canalización de datos y la (re)ejecución de análisis son ejercicios laboriosos y que consumen mucho tiempo.
La fabricación industrial es conocida por ser “DRIP” (por sus siglas en inglés) - Rica en Datos, Pobre en Información – por lo que una habilidad para recolectar, guardar y asimilar grandes conjuntos de datos es un prerrequisito crítico, pero sigue siendo solo un medio para un fin. Para aprovechar el poder de la “Big Data” y convertirla en información útil y conocimientos operativos, uno necesita un conjunto de métodos analíticos diferentes y más avanzados, particularmente los que están bajo el paraguas de la de la Inteligencia Artificial (IA) y el Aprendizaje Automático (AA). Estos métodos son “asignados” a la esquina superior derecha del Modelo de Ascendencia de Análisis de Gartner, que se muestra a continuación:
IBIS World, un equipo de investigación de confianza de la industria, considera que el uso de IA/AA es “una de las formas más significativas en el que el sector de fabricación ha evolucionado en la era digital”, basado en su reciente serie de informes “Fabricación en los EE.UU”.
Una solución tres en uno
Lo que complica aún más las cosas es el hecho de que las soluciones analíticas más avanzadas requieren algo más que datos de máquina de bajo nivel de buena calidad y algoritmos sofisticados para procesarlos. Estamos hablando de personas – ingenieros de datos y científicos de datos – que son fundamentales para lograr que estas soluciones funcionen. Atraer y retener este talento difícil de encontrar y bien pagado, buscado por muchos empleadores más grandes y atractivos, puede presentar un verdadero desafío para los fabricantes pequeños y medianos.
CPNet ofrece una “solución como servicio”, que combina los tres pilares – datos, tecnología y personas – en una oferta un conjunto de tecnología de la Industria 4.0, usando un equipo global de ingenieros y científicos de datos experimentados para:
Ingerir datos en tiempo real de máquinas y extraer datos de posproducción de otros sistemas empresariales.
Utilizar heurísticas sólidas de contextualización de datos para combinar perfectamente datos de máquinas transmitidos y datos empresariales extraídos por lotes.
Ejecutar datos reprocesados a través de modelos analíticos avanzados impulsados por algoritmos de aprendizaje automático, diseñados específicamente para casos de uso de fabricación.
Identificar patrones que llevan a mejor rendimiento y volverlos repetibles a través de la entrega de instrucciones oportunas y amigables para los humanos a los equipos operativos.
Las soluciones son ejecutadas en un sistema operativo industrial moderno y modular IdC que no solo se puede personalizar para configuraciones de punta a punta, sino que también se puede escalar de 1 a 2 activos a una fábrica completa.
Nuestra tecnología fue construida por completo internamente y desde cero, por lo que todos los componentes se integran a la perfección, logrando que sea posible adquirir y procesar datos de forma rentable, en ambos la nube y en edge. Además, el diseño de las canalizaciones de datos permite el entrenamiento automatizado de los modelos de aprendizaje automático, reduciendo aún más los costos de uso de la solución a lo largo del tiempo.
Aplicaciones y beneficios
IA/AA puede brindar múltiples beneficios para cada fabricante, desde tiendas locales a empresas Fortune 500. Según observaciones de IBIS World:
"Los operadores utilizan el análisis de Big Data para optimizar los procesos de fabricación, aumentar el rendimiento y mejorar la eficiencia de la cadena de abastecimiento. Por ejemplo, técnicas de mantenimiento predictivas, que se basan en análisis para monitorear la condición y rendimiento de los equipos durante las operaciones normales, están siendo utilizadas por operadores para identificar y reducir la posibilidad de fallas en las máquinas. Además, IA y el algoritmo de aprendizaje automático están siendo utilizados cada vez más por los fabricantes para realizar una variedad de procesos, desde la previsión de la demanda y la gestión del inventario hasta la predicción del rendimiento y la detección de defectos. Mediante estos procesos, la IA y los programas de aprendizaje automático permitieron a los fabricantes mejorar el rendimiento de las operaciones de extremo a extremo y reducir los costos asociados con el mantenimiento, el transporte y el almacenamiento.”
Sin embargo, un problema que es afrontado por cualquier fabricante que cuenta con líneas de producción heredadas es que estas máquinas probablemente no estén operando a su ritmo ideal, sino que a un ritmo que es “lo suficientemente ideal” debido a los recursos limitados para la experimentación. Frente a la ausencia de actualizaciones importantes en las líneas de producción y/o cambios en las materias primas de entrada, ingenieros tendrán la tarea de descubrir la receta de fabricación óptima aproximadamente una vez cada dos años, para ajustarse al rendimiento anterior del equipo envejecido. Esto es una tarea laboriosa y costosa, propensa a errores humanos y/o metodológicos, por lo que la mayoría de las plantas siguen una estrategia de hacer la experimentación suficiente para identificar un régimen de producción lo suficientemente bueno (que es: rentable).
La plataforma CPNET puede ejecutar efectivamente equivalencias digitales de estos experimentos tan frecuentemente como se necesite, generando entre un 5% y un 15% de ganancias sostenibles en los márgenes operativos brutos, a un costo muy modesto para el productor. En la intersección, el uso de nuestro software garantiza un ROI (10x+) más atractivo y una recuperación de la inversión más rápida (típicamente en menos de un año) que comprando nuevos activos capitales – todo sin riesgo operacional adicional.
AI no significa pérdida de puestos de trabajo
Por último pero no menos importante, vale la pena señalar que la adaptación de nuevas tecnologías, especialmente las etiquetadas como “IA” pueden verse comprometidas por una frecuente preocupación alrededor de la perdida posible de empleo. Cuando los empleados temen por sus trabajos, pueden ser reacios a adoptar una nueva tecnología o a utilizarla en toda su extensión. Sin embargo, plataformas como CPNET están concentrada en el trabajo que los humanos no pueden hacer, no con el fin de reemplazar especialistas valiosos sino que aumentando su inteligencia de fabricación. Nuestra plataforma esta creada para ayudar a los fabricantes a capturar el margen de beneficio perdido mediante una mayor productividad, lo que significa más oportunidades de mejorar las habilidades del personal existente, contratar innovadores senior que ayuden a la compañía a crecer, o reinvertir en más máquinas, creando más trabajos bajo la línea.
Esta es una de las promesas de las tecnologías de la Industria 4.0, que son ampliamente consideradas como los medios más disponibles para aumentar los ingresos por empleado, una medida critica de productividad laboral que estuvo estancada esencialmente durante la última década.
Es más, los avances de estas tecnologías, incluyendo el análisis de Big Data y la IA, están posicionados para crear más de 2 millones de trabajos en las industrias de manufactura tradicionales durante los 5-8 años próximos, según estimaciones de 2018 de Deloitte and The Manufacturing Institute. Su reporte conjunto es precedido por esta audaz declaración:
“La Cuarta Revolución Industrial está transformando el mundo del trabajo mediante la inteligencia artificial, roboticas avanzadas, automatización, análisis y el Internet de las Cosas. A pesar de los temores comunes, probablemente estas tecnologías creen más empleos de los que reemplacen – como es ilustrado por las estrictas condiciones laborales en los EE.UU. y la industria manufacturera mundial.”