La transformación digital en la fabricación fusiona la tecnología emergente

La transformación digital en la fabricación requiere una combinación de tecnologías emergentes que aborden objetivos industriales ancestrales: impulsar la producción, mejorar la calidad y reducir el tiempo de inactividad de los equipos.

IoT, computación en la nube y perimetral, redes 5G e inteligencia artificial se encuentran entre los desarrollos de TI que los fabricantes esperan aprovechar. Las empresas suelen implementar nuevas tecnologías en combinación en lugar de centrarse en un solo campo como respuesta a sus necesidades.

"No es posible elegir solo una breve lista de tecnologías y declararlas como el próximo gran avance", dijo Max Ivannikov, consultor de soluciones de DataArt, una empresa de ingeniería de software con sede en Nueva York. "Cualquier proyecto de innovación es siempre una combinación de diferentes tecnologías y procesos minuciosamente diseñados con el objetivo de alcanzar los objetivos comerciales".

Llegar allí puede resultar difícil para las empresas de fabricación, que tienden a tener recursos de TI limitados en comparación con otras industrias. Los proveedores de servicios de TI buscan llenar ese vacío, ofreciendo servicios de consultoría e implementación para ayudar a las organizaciones a adoptar tecnologías emergentes. Los socios brindan experiencia en campos como la ciencia de datos y la gestión del cambio.

Sin embargo, la naturaleza distribuida de la fabricación complica su trabajo. Una gran empresa industrial puede abarcar múltiples fábricas, innumerables líneas de producción y pilas de tecnología variada. Además, los centros de fabricación individuales operan con altos grados de autonomía. Estas características de la industria dificultan escalar una implementación local en una organización, lo que presenta a los socios un desafío técnico y cultural.

Tecnologías emergentes en la fabricación: IIoT, nube y perímetro

Los fabricantes, si bien son un grupo variado, muestran algunos puntos en común en el uso de la tecnología. IoT a menudo sirve como base para proyectos de transformación. Los sensores de IoT industrial (IIoT) conectados a la maquinaria del taller generan una gran cantidad de datos sobre temperatura, vibración, voltaje, acústica y tiempo de ciclo, entre otros factores.

Como resultado, las empresas industriales se encuentran "sobre una gran cantidad de datos", dijo Özgür Kaynar, gerente general de Analythinx, una empresa de servicios administrados y ciencia de datos en Estambul, Turquía.

Las tecnologías adyacentes, como 5G, se agregarán a esos almacenes de datos. Ivannikov dijo que 5G proporciona la densidad de sensores, la baja latencia y la velocidad de conexión que los fabricantes desean, lo que hace que cantidades aún mayores de datos estén disponibles desde los dispositivos IIoT.

Los fabricantes aprovechan otra tecnología, la computación en la nube, para recopilar y almacenar esos datos para análisis e IA.

"Las tecnologías en la nube facilitan mucho la captura de datos de sensores", dijo Kaynar. La nube también puede albergar datos de sistemas ERP, las principales aplicaciones comerciales de las empresas industriales. Con acceso a fuentes de datos más amplias en la nube, los fabricantes pueden pasar de análisis descriptivos a análisis predictivos. Los beneficios resultantes incluyen el mantenimiento oportuno de los equipos, la optimización de la cadena de suministro y la optimización de la fuerza laboral, agregó.

Los proveedores de la nube han desarrollado componentes capaces para cada fase de análisis avanzado, explicó Kaynar. Estos incluyen integración de datos de sensores, informes de autoservicio, tableros y aprendizaje automático (ML).

En un proyecto, Blue.cloud trabaja con una gran empresa de fabricación en Turquía para recopilar datos de sensores y ponerlos a disposición en la nube para paneles y aplicaciones de inteligencia comercial. Los datos recopilados en la nube ayudan a la empresa a identificar anomalías en los procesos de fabricación y, en función de esa información, impulsar la producción, dijo Kaynar.

Si bien el análisis se lleva a cabo en la nube, también ocurre en el perímetro. Edge Computing acelera el análisis para decisiones basadas en datos. Esto se debe a que el enfoque informático mueve el procesamiento cerca de donde se originan los datos en el taller. Además, los datos confidenciales permanecen en el hardware local y no viajan a la nube, lo que refuerza la seguridad.

Los fabricantes están comenzando a usar tanto el borde como la nube para el análisis, usando el borde para obtener una mejor comprensión de las condiciones locales y usando la nube para tener una visión general de las operaciones en las fábricas, dijeron los ejecutivos de la industria. El continuo de análisis de datos comienza en el perímetro lejano, que incluye controladores lógicos programables en la planta de producción y una miríada de sensores, continúa hasta el perímetro cercano, donde se agregan los datos, y continúa hasta el perímetro macro, que incluye centros de datos locales, un sitio remoto o la nube, dijo Bruce McKinnon, arquitecto jefe de estrategia de Insight, un integrador de soluciones con sede en Chandler, Arizona. La nube representa el cuarto nivel en este borde inteligente, que ofrece cómputo y almacenamiento.

La nube se adapta bien al gran volumen de análisis de big data, dijo McKinnon. La nube, sin embargo, tiene una latencia más alta que el cómputo local local. Por esa razón, los fabricantes deben usar el borde cercano para aplicaciones de baja latencia. Citó el ejemplo de la seguridad de los trabajadores, que exige un procesamiento casi instantáneo para traducir una advertencia de seguridad en una orden de parada de la máquina o una alerta de notificación.

IA gana terreno

La adopción de AI y ML se ha vuelto más frecuente entre los fabricantes que tienen más datos para explotar. AI y ML permiten a las empresas automatizar procesos y hacerlos más inteligentes, dijo Ivannikov. "Es difícil imaginar un proyecto hoy en día sin usar AI/ML", señaló.

Cada vez más proyectos entran en la categoría de hiperautomatización. La hiperautomatización describe un conjunto de tecnologías utilizadas para escalar la automatización dentro de una empresa. AI, ML e IoT impulsan esa tendencia entre los fabricantes, dijo Paul Lewis, CTO de Pythian, una empresa de servicios de TI con sede en Ottawa.

La hiperautomatización va desde la simple automatización de tareas para los trabajadores de primera línea hasta la automatización de procesos para las líneas de producción y la operación comercial de varias plantas, señaló.

Este campo también incluye la minería de procesos, que ayuda a las empresas a descubrir cuellos de botella en sus operaciones. Accenture, por ejemplo, está utilizando la oferta de minería de procesos basada en IA de Celonis para mejorar los procesos en Mann+Hummel, una empresa alemana que fabrica tecnología de filtración. Accenture y Celonis se asociaron en enero de 2022.

El aspecto de la visión por computadora de la IA juega un papel en la fabricación, con la gestión de calidad como el caso de uso fundamental. La visión por computadora, utilizada con realidad aumentada y ML, puede detectar anomalías entre los elementos que salen de una línea de producción con mayor precisión que los inspectores de control de calidad humanos, dijo McKinnon, citando tasas de precisión en el rango alto del 90% para el método.

"El verdadero atractivo es mejorar la precisión", señaló.

La visión artificial permite a los fabricantes comparar una pieza con un buen registro conocido, que podría ser una imagen, un dibujo de ensamblaje o una lista de materiales. Los científicos de datos crean un modelo de ML para cada caso de uso para hacer esa comparación.

Servicios prestados

Los proveedores de servicios ayudan a los clientes a navegar por la red de tecnologías interrelacionadas, brindando experiencia adicional a las organizaciones que carecen de habilidades de transformación digital.

"A menudo, la transformación digital no es una habilidad fundamental para las empresas de fabricación", dijo Ivannikov.

Los equipos de TI también pueden carecer de habilidades en tecnologías específicas. Es posible que un fabricante no tenga personal dedicado a análisis avanzados o ingeniería de datos, dijo Kaynar. Un banco de primer nivel, por el contrario, podría recurrir a entre 100 y 150 expertos en ciencia e ingeniería de datos, dijo.

Los socios pueden abordar la escasez de talento con transformación digital y habilidades tecnológicas. Pero también ayudan a los clientes a construir sus propios grupos de experiencia. Blue.cloud ofrece un servicio de habilitación del Centro analítico de excelencia, que trabaja con los clientes para identificar candidatos entre el personal de TI interno para funciones de ciencia de datos o ingeniería de inteligencia artificial y luego brinda dos meses de capacitación.

El servicio también establece una estrategia de análisis y datos, que identifica los problemas comerciales para resolverlos con análisis y determina los tipos de datos y componentes tecnológicos para abordarlos. Blue.cloud también ofrece soporte a largo plazo, complementando al personal del cliente con sus ingenieros de análisis/nube y científicos de datos.

Pythian, mientras tanto, trabaja con clientes de fabricación para aprovechar al máximo sus datos, dijo Lewis. Eso podría significar ayudarlos a tomar las decisiones correctas sobre cómo usar los datos y la tecnología, anotó. O bien, Pythian puede colaborar con un fabricante para descubrir información del cliente que genere una ventaja competitiva.

Los servicios de consultoría (desarrollo de hojas de ruta para la estrategia digital de un cliente) y la orientación técnica tipifican las ofertas de la industria manufacturera de los socios. Además, los socios traducen la estrategia en un diseño arquitectónico, crean procesos ágiles y brindan servicios de implementación. La gestión del cambio, ayudar a los empleados de un fabricante a adoptar los procesos digitales recién creados, también se vuelve importante a medida que la transformación comienza a afianzarse.

"Cuando cambias el proceso, tienes que volver a capacitar a la gente", dijo McKinnon.

Escalar el éxito en entornos distribuidos

Un proyecto de transformación digital inicial generalmente tiene un alcance limitado dentro de una sola fábrica o línea de producción. Los beneficios de la tecnología avanzada se multiplican si se pueden escalar más allá del punto de apoyo inicial. Sin embargo, es más fácil decirlo que hacerlo.

"El proceso de transformación digital puede diferir incluso entre dos plantas de la misma empresa que fabrican los mismos productos", dijo Ivannikov. Las diferencias pueden no resultar dramáticas, pero los socios pueden esperar encontrar algo único dondequiera que busquen, agregó.

Una gran empresa de fabricación podría tener 40 fábricas, una variedad de entornos de TI internos y productores de máquinas, tres o cuatro proveedores de nube y diferentes herramientas de BI y análisis, señaló Kerem Koca, cofundador y codirector ejecutivo de Blue.cloud, un proveedor de soluciones de transformación digital con sede en Tampa, Florida. Dado ese nivel de diversidad, Blue.cloud crea una arquitectura de referencia para una fábrica y luego la replica en otras fábricas. La arquitectura de referencia incluye bloques de construcción de tecnología, estándares y código reutilizable.

El enfoque permite que las fábricas individuales compren productos de diferentes proveedores, siempre que se adhieran a la arquitectura, dijo Koca.

McKinnon de Insight también fomenta la visión arquitectónica a largo plazo, con los fabricantes implementando tecnologías de forma incremental dentro de ese marco. El escalamiento se convierte en una conversación continua entre el socio y el cliente a medida que buscan ganancias individuales a lo largo del tiempo.

"No se necesita una transformación digital integral para ver una mejora realmente significativa", dijo.