Fabricantes Adoptan IoT Mejorado con IA para Cadena de Suministro, Producción e Innovación

El IoT extendido con IA trae tres beneficios principales a los fabricantes: optimización de cadena de suministro, manufactura inteligente e innovación de producto o servicio.

Hay una riqueza de datos ahora transmitiéndose desde los numerosos edges de IoT, así que es natural empezar a pensar en formas de aplicar inteligencia artificial (IA) para entregar insights valiosos al negocio. Para los fabricantes, esto puede ser un cambio de juego, recortando costos dramáticamente y acelerando su entrada en negocios de servicios. Sin embargo, muchos están solo al principio de este viaje.

La inminente convergencia entre IoT e IA fue explorada en un panel en la reciente conferencia AI World en Boston, moderado por Les Yeamans, editor ejecutivo de RTInsights.

Ver también: Alemania Convierte la Manufactura en una Forma de Arte IoT

El potencial para IoT extendido con IA trae tres beneficios principales a los fabricantes en este momento — optimización de cadena de suministro, manufactura inteligente e innovación de producto o servicio, dijo Reid Paquin, director de investigación con IDC. Actualmente, añadió, "la manufactura inteligente es donde la mayoría de las empresas están empezando y enfocando sus inversiones. Esto es particularmente cierto con manufactura de proceso, específicamente gestión de activos." En el lado de manufactura discreta, dice, "la gran oportunidad es productos y servicios — muchos fabricantes están tratando de sacar productos más rápido, pero también tratando de cambiar sus mezclas de producto a servicio, moviéndose hacia la servitización."

Moverse a una empresa impulsada por datos e IA puede tomar tiempo para muchos fabricantes, coincidieron los panelistas. "En cualquier proyecto de ciencia de datos o IA, el primer paso es recopilar y organizar tus datos", dijo Zachariah Eslami, líder de entrega, laboratorios expertos en datos e IA y aprendizaje para IBM. El desafío es reunir datos de partes dispares de la empresa, observó. "El tema es la entrada de datos y colecciones de datos, los almacenes a menudo están distribuidos entre diferentes grupos de TI, diferentes equipos que lo usan sin un solo repositorio o catálogo de conocimiento, que puedas tomar y distribuir los datos y manipularlos, extraer estos insights de ellos."

Otro desafío para proyectos IoT-IA es una falta general de habilidades, continuó Eslami. "Eso es tanto en el sentido de ser capaz de adaptarse a la ciencia de computación, entender, y aprender y usar cuadernos Python o R, y realmente obtener una comprensión clara de qué es limpiar datos, prepararlos, y luego empezar a hacer análisis sobre ellos, para que puedas construir modelos de máquina encima de ellos."

Cuando se trata de empezar el viaje de IA, "dónde estás parado depende de dónde te sientas", dijo Ryan Martin, analista principal con ABI Research. "Si tienes una planta de manufactura que es de tamaño decente — un par de cientos de miles de pies cuadrados — empieza con monitoreo de condición o rastreo de activos. El rastreo de activos va a ser con mucho el más relevante, ya que ayuda a los costos, ayuda a la empresa a mantenerse organizada." El mantenimiento predictivo es otro punto de partida, ya que "no tiene sentido enviar a alguien a inspeccionar todos los diferentes extintores de incendios que están por ahí mensualmente si solo cuatro necesitan ser reemplazados."

Paquin estuvo de acuerdo en que la gestión de activos es un buen punto de partida para IA mejorada con IoT, junto con sistemas de calidad basados en visión. Además, "todos los grandes proveedores de ERP están intentando tejer IA en sus aplicaciones, especialmente en el lado financiero y de planificación."

Los panelistas también discutieron el empleo de gemelos digitales para manufactura, ya sea implementando un gemelo digital para una parte, para una máquina, para una fábrica completa, para los productos en una fábrica. "La manufactura es un espacio muy grande para gemelos digitales", dijo Eslami. "NASA empezó a implementarlo primero, GE lo hace para motores a reacción, Siemens lo hace para energía alternativa, Chevron lo hace para distribución de campos petroleros. Lo genial de los gemelos digitales es que subyacente a todos ellos hay un modelo, que toma datos y puede probar varias circunstancias y situaciones. Con IA, puedes ingresar y probar múltiples variables en tiempo real, y ajustar rendimiento, y ver cómo reaccionará con el tiempo. Es un enorme ahorro de costos."

La inminente llegada de redes 5G — que facilitarán mejor redes máquina-a-máquina en tiempo real — también fue examinada. "5G va a pasar como 4G salió más rápido que 3G, 5G vendrá más rápido que 4G", predijo Martin. "Lo interesante sobre 5G son las capacidades que vienen con él — redes deterministas. Es decir, 'ok, es más importante decirle a ese robot que se detenga que tener el sensor de vibración seguir funcionando.' Eso vendrá con la especificación 5G más adelante, en el marco 2021-a-2025."

Martin añadió que "va a ser un tiempo antes de que realmente empieces a ver cosas, pero los ensayos tempranos que estamos viendo con 5G son increíblemente convincentes, la tecnología está haciendo lo que dicen que hará, solo es cuestión de envolver los estándares correctos alrededor y llevarlo al mercado."