Tres formas en que la IA mejora las operaciones de fabricación

Jonathan Whiteside, consultor tecnológico principal del Departamento, detalla las tres formas en que la IA está mejorar las operaciones de fabricación...

Industria 4.0 se ha convertido en más que una palabra de moda en el mundo de la fabricación; es la nueva realidad. Una realidad que se ha visto acelerada por la pandemia del Covid-19. Durante los primeros tres meses de la pandemia, lo digital avanzó el equivalente a diez años, ya que tanto las empresas como los consumidores se adaptaron a un mundo en línea.

Los principios clave de un negocio preparado para el futuro (agilidad, resiliencia e innovación) pueden verse favorecidos por la inversión en soluciones digitales. Con la presión de optimizar las operaciones, reducir los costos y maximizar los ingresos, la transformación digital se ha convertido en un imperativo.

“Los ganadores en la transformación digital están utilizando tecnología disruptiva para enfrentar los desafíos comerciales, impulsando la mejora a través de la aplicación práctica. La digitalización de los procesos operativos es fundamental para que los fabricantes puedan hacer frente a las demandas y los desafíos de la crisis, y se considera un paso natural hacia adelante en la evolución de la fabricación”, dijo Jonathan Whiteside, consultor principal de tecnología del departamento 

“Afortunadamente, la innovación ahora ha llegado a un punto en el que las tecnologías emergentes, como la IA y el Internet de las cosas (IoT), están ampliamente disponibles, lo que ayuda a acelerar la transformación de los negocios de fabricación tradicionales. Hay tres áreas clave en las que los fabricantes pueden implementar la IA para ser más resistentes y mejorar los resultados:previsión, mantenimiento condicional y comunicación”.

#1 - Planificación y previsión de la demanda

Machine Learning tiene la capacidad de automatizar el análisis y detectar patrones de datos a una velocidad que sería imposible de alcanzar para los humanos. Puede llevar la segmentación de datos más allá de los simples grupos de palabras clave y abre la oportunidad de obtener información de nuevas fuentes de datos. Cuando se aplica a modelos de pronóstico, los resultados son impresionantes. Según , la previsión impulsada por IA puede reducir los errores entre un 30 % y un 50 % en las redes de la cadena de suministro. La precisión mejorada conduce a una reducción del 65 % en las ventas perdidas debido a situaciones de falta de existencias y los costos de almacenamiento disminuyen entre un 10 y un 40 %. El impacto de la IA dentro de la cadena de suministro es de entre 1,2 billones y 2 billones de dólares en

Con esas estadísticas en mente, no es de extrañar que los planificadores de demanda de toda la industria estén adoptando el aprendizaje automático. La velocidad y la precisión de los pronósticos de aprendizaje automático brindan múltiples beneficios, y la mejora de la experiencia del cliente como resultado de una mayor disponibilidad es solo la punta del iceberg. Cuando hay confianza en el pronóstico, se pueden reducir los niveles de existencias de reserva, lo que reduce el capital de trabajo y libera espacio valioso. Mejores pronósticos pueden generar ahorros en toda la cadena de valor, desde una mejor planificación del transporte hasta cronogramas laborales optimizados.

Mejorar la precisión del pronóstico de la demanda está demostrando resultados sólidos en todas las industrias con los fabricantes de bienes de consumo empaquetados a la cabeza. La multinacional francesa Danone Group está mejorando la coordinación de la planificación en marketing, ventas, gestión de cuentas y cadena de suministro con aprendizaje automático. A través del modelado de demanda impulsado por IA, y alcance sus niveles de servicio objetivo para inventarios a nivel de canal o tienda. El sistema condujo a una reducción del 20 % en el error de pronóstico, una reducción del 30 % en las ventas perdidas, una reducción del 30 % en la obsolescencia del producto y una reducción del 50 % en la carga de trabajo de los planificadores de la demanda.

El aprendizaje automático y la IA no solo influyen en cómo las empresas fabrican, pero también qué fabrican. Con el poder de identificar los gustos cambiantes de los consumidores, mediante el análisis de datos y la detección de tendencias, las empresas de alimentos envasados ​​pueden reaccionar cambiando los ingredientes para crear ofertas especiales por tiempo limitado que repercutirán en los consumidores. También existen grandes oportunidades para identificar posibles áreas para la expansión del producto mientras se acelera el proceso para un lanzamiento más oportuno.

#2 - Desarrollo y mantenimiento

El mantenimiento manual del equipo de fabricación es costoso y requiere mucho tiempo, además de que corre un alto riesgo de mal funcionamiento del equipo, lo que afecta enormemente el programa de producción y reduce la productividad. Por estas razones, predecir cuándo es probable que fallen las máquinas es el uso más popular de la IA en la fabricación actual.

“El tiempo de inactividad no planificado se puede prevenir con el mantenimiento predictivo. Los fabricantes pueden crear un plan de protección de viabilidad de activos que indique cuándo será más viable actualizar el equipo respondiendo a alertas y resolviendo problemas menores a medida que ocurren. Los algoritmos de aprendizaje automático supervisados ​​y no supervisados ​​interpretan los cambios en los datos en tiempo real. En segundos, puede detectar procesos, productos y flujos de trabajo previamente desconocidos mediante el aprovechamiento de una variedad de tipos de datos”, dijo Whiteside.

Los datos de los sensores se recopilan del propio equipo que detecta calor, vibraciones y movimiento, mientras que los datos del controlador lógico programable (PLC) rastrean las entradas y salidas de la máquina. Los datos de visión artificial se capturan desde las cámaras de la fábrica, y los datos de series temporales determinan el estado de la máquina en función de su historial. También se tienen en cuenta las fuentes de datos externas relevantes, como las condiciones climáticas cambiantes o los efectos colaterales de los equipos relacionados. Estos hallazgos brindan una excelente fuente de datos contextuales que se pueden usar para entrenar modelos de aprendizaje automático, desarrollar productos y optimizar la producción de la línea de ensamblaje.

#3 - Estrategias de comunicación

La IA y el aprendizaje automático no son solo para procesos operativos. Su capacidad para detectar patrones de varias fuentes, como audio, imagen y video, puede mejorar la forma en que se comunica con sus clientes y empleados. Aplicado a sus canales de comunicación, las empresas pueden ahorrar mucho tiempo.

Un chat-bot de IA podría aliviar la presión sobre su centro de llamadas y liberar a los equipos de ventas de campo para que se concentren en la adquisición de nuevos clientes, al tiempo que brinda respuestas oportunas y relevantes a las consultas de sus clientes. Si está utilizando gemelos digitales, también debe conocer los ciclos de mantenimiento y cuándo pueden ocurrir posibles actualizaciones o problemas de sus productos. Automatizar el proceso de comunicaciones para informar a sus clientes con prontitud antes de que necesiten comunicarse con usted ganará elogios en las apuestas de servicio al cliente.

A través de los avances en la conectividad de redes en línea, más recientemente la implementación de dispositivos conectados 5G y el fortalecimiento continuo de Bluetooth, es más fácil que nunca conectar los diversos dispositivos que permiten funciones comerciales clave. Hay dos formas en que esto se realiza:análisis de datos y automatización. Estos datos interconectados a menudo se recopilan a través de software en la nube, agrupando datos en un lugar de fácil acceso. Una empresa puede utilizar aplicaciones en la nube para recopilar información sobre las preguntas frecuentes de los sitios web más buscados, el registro de cumplimiento y devoluciones y los datos de abastecimiento de materiales. Esto puede rastrear cuándo los clientes comenzaron a experimentar un problema en particular con un producto, si el problema se puede resolver a través del soporte o requiere un retiro, y si corresponde a un pedido en particular de un proveedor. Juntos, se pueden deducir tanto el problema como la solución.

Avanzando con soluciones escalables

Las empresas manufactureras de todo el mundo aceleraron la digitalización en respuesta a los desafíos planteados por la pandemia de Covid-19. En el Reino Unido, más de dos de cada cinco fabricantes (43 %) dijeron eso para sus respectivas operaciones comerciales durante el año. Y, a pesar de que casi el 95 % de los fabricantes globales u operadores de la cadena de suministro afirman que la pandemia los ha afectado negativamente, el 82 % ahora se siente preparado para enfrentar un evento similar en el futuro. Su conclusión clave es la capacidad de transformar y adoptar habilitadores digitales.

Inspírate y aprende de los líderes mundiales. Por ejemplo, de varias maneras; optimizar el consumo de energía en las plantas durante la producción en vivo; controles de calidad operados por máquinas y ajuste autónomo de la posición de los rotores de los aerogeneradores para aumentar los rendimientos del parque eólico. para llevar nuevos niveles de controles de calidad a sus centros de fabricación. Los componentes de fabricación se examinan de cerca mediante radiografía industrial para verificar la integridad de cada pieza y su estructura interna.

La industria manufacturera está más equipada que nunca para utilizar estrategias de IA, y el valor de hacerlo se ha vuelto muy claro. Al centrarse en la digitalización, acercarse a los usuarios finales e innovar el ecosistema digital para garantizar que se puedan satisfacer las necesidades de los clientes, los fabricantes pueden evitar la mercantilización, estar mejor posicionados para vencer a la competencia y fomentar la lealtad a largo plazo tanto de los nuevos como de los existentes. clientes.

Para obtener más información sobre temas de fabricación, consulte la última edición de

Síguenos en y .