Por qué el intercambio de datos es clave para conocer la evolución de la Industria 4.0

Si bien las máquinas pueden aprender de los seres humanos, ninguno hace la misma tarea de la misma forma, por lo que tiene sentido identificar cuáles son las mejores prácticas.

La inteligencia artificial está lista para impulsar la próxima etapa de la Industria 4.0, pues en el sector manufacturero se están desarrollando fábricas inteligentes gemelos digitales de activos físicos e implementando el aprendizaje automático.

La firma analista Gartner ha anticipado que el crecimiento de la inteligencia artificial se está acelerando. “Hace cuatro años, la implementación de la inteligencia artificial era algo extraño, solo el 10% de los encuestados reportó que sus organizaciones habían desplegado esta tecnología o lo harían a corto plazo”, afirmó Chris Howard, vicepresidente de Gartner. “Para 2019, el número ha crecido de un 37 a un 270%”.

“Si eres un CIO y tu organización no usa inteligencia artificial, hay altas probabilidades de que tus competidores lo hagan, y esto debería preocuparte”.

Entre los temas candentes que se discutieron durante el Foro Económico Mundial en Davos está el uso de la inteligencia artificial, y en particular, su uso en el sector industrial para impulsar la confiabilidad y permitir nuevos modelos empresariales.

En un artículo publicado al inicio de Foro, Roland Busch, CTO de Siemens, escribió: “Las claves del éxito en la era digital son la velocidad y la escala. Y si hay un área en la que la inteligencia artificial ya está muy por delante de nosotros, los humanos, es la tremenda velocidad a la que los modelos procesan los datos y luego detectan y excluyen los errores. En resumen, tiene el potencial de ayudarnos a evitar errores y superar la coincidencia».

Siemens ha sido un pionero en la Industria 4.0, ya que están utilizando la automatización para ejecutar fábricas inteligentes. Busch considera a la inteligencia artificial, a través de su uso industrial, como la siguiente fase en la reinvención de la fabricación tradicional.

«Con la Industria 4.0, hemos iniciado con éxito la transformación digital», dijo en el artículo. “Con la inteligencia artificial industrial, ahora podemos llevarlo a un nivel completamente nuevo. Podemos superar el error y la coincidencia. Podemos impulsar la innovación. Podemos aumentar la eficiencia y la productividad. Podemos dar forma al progreso tecnológico y social «.

Desafíos del aprendizaje automático supervisado

El proceso complejo en el ensamblaje de aeronaves, en el que las llaves dinamométricas y las herramientas de remache deben usarse en configuraciones específicas de manera altamente controlada para unir paneles a una aeronave como el Airbus A320, podría considerarse un buen candidato para la implementación del aprendizaje automático.

Pero Sébastien Boria, líder en tecnología de mecatrónica y robótica de Airbus, dijo que «para tener un aprendizaje automático eficiente, se necesitan sistemas supervisados para recopilar grandes cantidades de datos».

Esto es más evidente cuando los sistemas de aprendizaje automático se utilizan para observar cómo los operadores humanos realizan una función manual en particular, para aprender cómo automatizar el trabajo o cómo puede ejecutarse de manera más eficiente.

Para Boria, el desafío es que el algoritmo de inteligencia artificial solo puede aprender cómo funcionan los operadores humanos. «El principal problema con el aprendizaje automático supervisado es que si en algún momento basa sus resultados en alguien que no tiene el mejor desempeño, terminará obteniendo un rendimiento promedio», dijo.

Un sistema de inteligencia artificial que toma una muestra de cómo todas las personas que trabajan en este proceso manual en particular hacen el mismo trabajo, puede dar una respuesta promedio, pero para Boria, el promedio no se traduce necesariamente en la mejor manera de lograr el mismo resultado.

«La tecnología no es una democracia», dijo. «Solo porque el 50% de la población hace algo, no lo convierte en la solución correcta». Peor aún, afirmó que los resultados del mejor desempeño «pueden ser vistos por la máquina como una anomalía».

A un nivel más granular, cada punto de datos o parámetro que necesita medición requiere un sensor. “Necesitas conectar el mundo físico con el mundo digital», dijo Boria. «Sin datos no puedes hacer nada. Esto significa que necesitas sensores y dispositivos electrónicos para capturar datos «.

Pero según Boria, simplemente no se puede gestionar todos los parámetros posibles que se pueden recopilar durante la construcción de una aeronave, por ejemplo. Algunos tipos de sensores son demasiado costosos o no funcionan bien cuando se implementan a gran escala.

Los dispositivos portables no son rentables

La recopilación de datos mediante el uso de elementos como gafas inteligentes para ver el trabajo que se está realizando no es práctica, de acuerdo a Boria. «Los portables no son aparatos rentables», dijo. “Estamos buscando productos que ofrezcan la experiencia de usuario adecuada. Habiendo mirado todas las gafas en el mercado, creo que la gente no quiere usar estos sistemas en sus ojos durante un turno de ocho horas».

Chen Linchevski, CEO y co-fundador de Precognize, la startup israelí de inteligencia artificial, participó en una mesa redonda del Foro que analiza el impacto de esta tecnología. Dijo que «para seguir siendo competitivas, las empresas deben adoptar un enfoque predictivo de la calidad, mejorando las operaciones, la eficiencia y las restricciones ambientales. Maximizar la inversión en tecnologías basadas en inteligencia artificial es fundamental. A largo plazo, es menos costoso implementar un software que anticipa y gestiona los problemas antes de que detengan la producción».

Precognize combina el conocimiento humano y el aprendizaje automático para crear lo que Linchevski afirma son resultados mucho más naturales.

Al observar el aprendizaje automático supervisado, Linchevski dijo: «No se pueden obtener resultados que no sean precisos. Es necesario mirar capas adicionales detrás de los datos, donde los operadores experimentados pueden encajar en su conocimiento».

Cuando se le preguntó acerca de la premisa de Boria de que la máquina promedia lo que aprende, en lugar de identificar las mejores prácticas, Linchevski describió la idea de cómo una máquina puede ver la producción para identificar un lote de oro. «Si tienes un lote de oro y un contexto, puedes tomar el mejor periodo de producción y aprender de un año de historia para comprender que algo se está desviando», dijo. «El aprendizaje automático sabrá que una producción no es un lote de oro».

Industria 4.0 patentada

Parecería que los esfuerzos de la industria en aprendizaje automático están creando una Industria 4.0 patentada, donde las compañías trabajan en su propio software único de simulación digital y recopilan sus propios datos de sensores para alimentar sus algoritmos de inteligencia artificial.

Podría decirse que este enfoque no es escalable, y de hecho, no es la forma en que la industria del software evolucionó para soportar procesos comerciales comunes. Algunos expertos de la industria argumentan que cada máquina es diferente, lo que significa que cada una producirá su propio conjunto de datos para alimentar a su propio gemelo digital.

Durante la apertura del nuevo laboratorio de innovación de IoT de HPE en Ginebra, Phil Davis, presidente de Tecnología de la Información híbrida, dijo: «Creo que parte del problema con los clientes es la cantidad de datos que están recopilando. Nunca es bueno tirarlos a la basura si vendes almacenamiento. El desafío para los clientes es saber qué buscar en los datos”, dijo Davis.

Tom Bradicich, vicepresidente y gerente general de HPE, dijo: “La gente tiene miedo por la cantidad de información. No estamos seguros de las implicaciones éticas y legales del intercambio de datos, y creo que esto es un fuerte inhibidor».

Los ejemplos de la evolución de la Industria 4.0 parecen ser específicos para cada compañía, lo que hace difícil ver cómo puede escalar, a menos que las industrias adopten un enfoque común de interoperabilidad y comiencen a compartir sus datos.

Publicamos nuevo contenido todos los días, no olvides seguirnos en nuestras redes sociales, Twitter, Facebook y LinkedIn para recibir nuestros artículos más recientes de primera mano.

*Fuente: Computer Weekly.