El pasado 31 de marzo tuvo lugar el Artefact: Charlas en línea sobre Data e IA – IA para la industria, sobre el tema « ¿Se puede confiar la resiliencia, la seguridad y el rendimiento del sector industrial a la inteligencia artificial? ». Este artículo estratégico resume las aportaciones y las experiencias sobre el terreno de los expertos de Artefact y de sus socios tecnológicos AVEVA, líder mundial en software industrial y transformación digital, y Neo4j, pionero en bases de datos orientadas a grafos. Al explorar la transformación de la cadena de valor, la inteligencia operativa, la estructuración de datos mediante grafos y la aparición de la’IA de agentes, este seminario web exclusivo explica cómo el ser humano sigue siendo el artífice de la fábrica del futuro.
1 – La transformación de la inteligencia artificial en la industria: casos de aplicación a lo largo de toda la cadena de valor
Los retos industriales son inmutables. Desde la optimización de los gastos de capital hasta la sincronización de una cadena de suministro global, los problemas a los que nos enfrentamos hoy en día son los mismos que hace veinte años. Lo que ha cambiado radicalmente es la naturaleza y la eficacia de las respuestas que podemos aportar. La IA permite unificar información que antes estaba aislada en silos para ofrecer una visibilidad transversal, transformando los procesos fragmentados en un proceso de toma de decisiones fluido y continuo.
Tal y como destaca Alexandre Thion de la Chaume, Managing Partner y responsable global del sector en Artefact, cualquier estrategia de IA que no esté conectada con la realidad operativa está abocada al fracaso. Para generar valor, debe basarse en la planta de producción. El experto debe identificar en primer lugar el punto concreto del problema. Partiendo de las “fricciones” del terreno es como se construyen los casos de uso en ROI sólido. Sin esa inmersión, la tecnología no es más que una cáscara vacía, ignorada por quienes deben utilizarla.
En la actualidad, cuatro factores clave determinan la estructura del mercado y condicionan el éxito de la transformación:
- La unificación del patrimonio de datos : La capacidad de romper las barreras entre ingeniería y producción para crear una fuente única constituye la base indispensable. Esto permite optimizar la asignación de los gastos de capital (CAPEX) al simular con mayor precisión el impacto de las inversiones.
- Herramientas innovadoras para la excelencia operativa : El uso de nuevas herramientas tecnológicas permite transformar los procesos de control de calidad y aumentar la disponibilidad de las máquinas.
- El desarrollo de las competencias del ingeniero : La IA actúa como un compañero cognitivo, garantizando la continuidad de la información entre las fases del ciclo de vida del producto, que a menudo están desconectadas entre sí.
- La precisión de los nuevos mecanismos de respuesta : Aunque los retos siguen siendo los de siempre, las soluciones (IA predictiva, agentes autónomos) aportan un nivel de detalle en la gestión que redefine los estándares de rendimiento.
2- Optimizar el rendimiento de las herramientas y los procesos: la tecnología digital como eje central de la transformación industrial con AVEVA
El sector industrial se basa en el determinismo: una acción debe producir un resultado previsible y explicable. Por el contrario, la IA genérica es probabilística y suele funcionar como una “caja negra”. Para Sébastien Ory, presidente de AVEVA Francia y vicepresidente de la comisión de Industria de Numeum, el éxito reside en « la inteligencia industrial », un enfoque que combina el potencial de los algoritmos con el rigor del sector.
Para convertir la IA en un motor de rendimiento, hay tres requisitos imprescindibles:
- Liderazgo y visión directiva : La transformación debe ser impulsada por la alta dirección para superar las resistencias culturales. Los directivos deben desarrollar su propia cultura de datos para hacer realidad esta ambición.
- Infraestructura de datos especializada : Los datos industriales son complejos, contienen ruido y son heterogéneos (series temporales, datos 3D, mantenimiento). Una infraestructura genérica no es suficiente. Se necesitan sistemas capaces de filtrar el ruido de los sensores y garantizar la integridad de los datos de ingeniería para que la IA genere resultados aprovechables.
- Casos de uso específicos y “resultados inmediatos” : En lugar de un “Big Bang” tecnológico, hay que centrarse en aplicaciones específicas cuyo retorno de la inversión sea inmediato, lo que favorecerá la aceptación por parte de los equipos sobre el terreno.
La IA no debe sustituir al responsable de la toma de decisiones, sino potenciarlo, sobre todo en los procesos críticos. Tomemos como ejemplo el mantenimiento de una turbina. Una IA genérica diría: “Hay una probabilidad de 73 % de que se produzca una avería”. Esta información resulta inútil, e incluso generadora de ansiedad, para un operador. La Inteligencia Industrial, por su parte, identificará que dicha probabilidad se basa en una desviación de la vibración y un aumento específico de la temperatura. A continuación, propondrá tres puntos de control físicos extraídos de la base de conocimientos de la empresa. El operador tiene la última palabra y valida la recomendación de la IA basándose en parámetros tangibles.
3- Lista de materiales conectada: cómo acelerar el tiempo de comercialización gracias a la IA y a Neo4j
La Lista de materiales (BOM), constituye el núcleo semántico de la industria. Sin embargo, a menudo se encuentra fragmentada entre la ingeniería, la fabricación y el servicio. Esta fragmentación, que suele gestionarse mediante archivos de Excel, es una fuente importante de ineficiencia. Cuando un cambio en el diseño no se refleja en tiempo real en la línea de fabricación, aumentan los costes derivados de la falta de calidad.
Para Nicolas Rouyer, director sénior de Ingeniería de Soluciones en Neo4j, las bases de datos relacionales tradicionales no dan la talla ante la complejidad de los productos modernos. Un helicóptero o una turbina pueden presentar estructuras de árbol de 20, 30 o incluso 40 niveles de profundidad. Mientras que un sistema tradicional se satura al calcular las dependencias, la tecnología de grafos recorre estas relaciones en una fracción de segundo, conectando piezas, proveedores, certificaciones y procesos.
Si el diseño especifica una pieza de aluminio, pero, debido a una falta de información, en la fabricación se utilizan tornillos de titanio, se producirá una corrosión acelerada, lo que ilustra a la perfección el riesgo operativo. Detectar este error en una cadena de montaje resulta infinitamente más costoso que identificarlo al instante mediante una lista de materiales (BOM) conectada que comprueba la conformidad semántica de los ensamblajes desde la fase de diseño.
La combinación de los grafos y la IA permite procesos fotográficos revolucionarios. Un usuario puede formular consultas en lenguaje natural y la IA recorre al instante el grafo para ofrecer una respuesta precisa y documentada.
4. Los retos de la IA agentiva para la Industria 4.0/5.0
Si l‘Industria 4.0» ha aportado la conectividad, la’Industria 5.0 poner a la persona en el centro, utilizando la tecnología para potenciar sus capacidades en lugar de sustituirla. Florence Bénézit, experta de Artefact, destaca que la IA agentiva transforma radicalmente el día a día del operador:
- Democratización del acceso a los datos : Un técnico puede consultar el historial de una máquina o un procedimiento complejo utilizando lenguaje natural, sin necesidad de navegar por programas especializados. Esto permite resolver problemas de forma local y autónoma.
- Diarios de a bordo mejorados : La IA puede deducir acontecimientos a partir de los datos de las máquinas para generar informes automáticos. Esto mejora la fiabilidad del “cambio de turno”, reduciendo el riesgo de que se pierda información crucial entre dos turnos.
- Orientación contextual : En tiempo real, la IA actúa como un mentor, sugiriendo ajustes en los parámetros o guiando al operador a través de estrictos protocolos de seguridad.
La IA basada en agentes no sustituye al ser humano ; le devuelve su papel de piloto en un entorno industrial que se ha vuelto demasiado complejo para una gestión puramente manual. Así, el éxito industrial no depende de la sofisticación del algoritmo, sino de su integración con la experiencia sobre el terreno. Al conectar los datos a través de grafos y dotar al ser humano de herramientas mediante la IA agentiva, la industria gana en agilidad. El pragmatismo debe seguir siendo la regla de oro: la tecnología no es más que una palanca al servicio de la ejecución operativa.
Vea la grabación completa del seminario web replay:
