No hay ningún problema en plantear una fábrica inteligente sin robots.
Sí, sí… sin robots industriales… e incluso sin bots.
La transformación digital de la fábrica no va ya hoy en día de automatizar o robotizar las operaciones de fabricación, control o manipulación de materiales, sino de cómo se gobiernan los procesos, sobre cómo se toman las decisiones, sobre cómo se tienen en cuenta los factores relevantes para ello y sobre quién (o qué) las toma.
Llevamos décadas impulsando iniciativas de automatización y robotización de nuestras fábricas, buscando fundamentalmente capacidad de producción, repetitividad, fiabilidad y en definitiva eficiencia en costes. Ya son casi 30 años desde que internet habita entre nosotros…
Pero de la misma manera en que se entiende fácilmente que una fábrica automatizada no implica que en ella exista una cultura digital (por muchas docenas de programas de software que haya instalados), no siempre se entiende bien que en la fábrica 4.0 ya no hablamos de programar PLCs y ni siquiera de internet, sino, como bien decía Alfons Cornella hace ya un tiempo, de la combinación de productos conectados con inteligencia artificial.
Bueno… la automatización sí es necesaria en una fábrica inteligente, porque el Internet of Things (IoT) no va por tanto de internet (que pasa a ser un simple canal por el que circulan los flujos de datos), pero sí de productos físicos que se comunican entre sí o con su entorno para concretar decisiones y ejecutarlas en función de lo que observan en esa comunicación. Y para ejecutar… se necesitan automatismos actuables.
Es verdad que, antes de ser inteligente, una fábrica necesita ser digital… y eso implica que todos los datos relevantes para entender lo que sucede en cada punto y en cada instante de los productos y los procesos debe ser información digital, que se transmita y almacene de manera accesible para la aplicación de métodos analíticos.
A partir de ahí, dos son los factores críticos para dotar de inteligencia a una fábrica: tiempo real e inteligencia artificial.
La habitual programación de rutinas y de lógicas basadas en reglas se sustituye ahora por algoritmos periódicamente reentrenados y redes neuronales artificiales que actúan en tiempo real sobre cantidades ingentes de información (Big Data) para conformar sistemas de aprendizaje automático (machine learning / deep learning) que son la base de lo que llamamos inteligencia artificial, pues configuran modelos predictivos de comportamiento en primer lugar (de defectos, de funcionamiento de máquina, de consumos, de demanda…) para intentar alcanzar el nivel prescriptivo, en el que son las propias máquinas de inteligencia artificial las que deciden qué hacer y lanzan las órdenes de ejecución correspondiente.
Ya hemos llegado a definir modelos predictivos con notable éxito (a adivinar lo que va a pasar)… pero aún nos falta camino para disponer, en la inmensa mayoría de los casos, de suficiente aproximación para que el aprendizaje automático sea capaz además de «entender» el por qué de que vaya a suceder lo que predice y para que identifique las variables de control y prediga a su vez las variaciones de resultado que se deriven de desplazamientos sobre las mismas, antes de elegir y ejecutar una orden.
En la mayoría de los casos, al menos en procesos industriales, los modelos prescriptivos no alcanzan aún precisiones de acierto muy superiores al 30-40% de las situaciones que predicen.
Lamentablemente, nuestros procesos no parecen estar cómodos en relaciones lineales causa-efecto, sino más bien en relaciones complejas multivariante, donde además nos falta aún una parte del conocimiento que, por lo que se ve derivado de nuestros límites de mejora de efectividad, debe ser relevante.
Vamos, como en los seres humanos… 🙄
Eso es lo que nos condena a permanecer aún pegados al actual estado del arte de tecnologías y procesos (que es el statu quo que tratamos de desafiar con la AI) y eso nos salva… 😉 … por el momento.
Aunque parece… que queda cada vez menos para que el software, esta vez sí, domine el universo.
inquietos 
Necesitamos entender los procedimientos de trabajo y la importancia de seguirlos; saber identificar, en nuestras tareas, qué pasos damos, de quién(es) recibimos la información que utilizamos, a quién(es) afectan nuestros resultados… Ver nuestro día a día como un entramado complejo de canales de información y ser conscientes de esas rutas de datos.
Sólo así, lograremos comprender qué es el dato y cómo «producir» aquellos que podrán venderse. Un poco como sucede en Matrix, pero esperemos que con diferente devenir…
Me gustaMe gusta
Gracias de nuevo por comentar, Unai. Yo creo que no podemos plantearnos ese entramado de canales de información como algo «complejo», como lo calificas. A ver… claro que lo es… y mucho, pero creo que la adopción dependerá mucho de que esa complejidad quede oculta para el que la explote ordinariamente, aunque sí le exija desarrollar unas competencias de interacción que hoy no existen. Buen ejemplo el que pones de Matrix, donde hace falta optar por la píldora roja para hacerse consciente de una realidad que aparentemente responde a la simplicidad de la vida cotidiana. Hará falta ser «un Apple» que permita manejar con un botón un universo de posibilidades. Lo de vender el dato… eso vendrá luego, aunque tengo para mí que hay universos (como el nuestro de componentes metálicos) para el que será difícil encontrar compradores más allá de los clientes…
Me gustaMe gusta