Cómo la IA impulsa la eficiencia e innovación en la manufactura moderna

Jonathan Whiteside, Consultor Principal de Tecnología en Dept, detalla las tres formas en que la IA está mejorando las operaciones de manufactura.

La Industria 4.0 se ha convertido en algo más que una palabra de moda en el mundo de la manufactura; es la nueva realidad. Una realidad que ha sido acelerada por la pandemia de Covid-19. Durante los primeros tres meses de la pandemia tomando fuerza, lo digital avanzó el equivalente a diez años, ya que tanto empresas como consumidores se ajustaron a un mundo en línea.

Los pilares clave de un negocio preparado para el futuro - agilidad, resiliencia e innovación - pueden ser ayudados por inversión en soluciones digitales. Con la presión para agilizar operaciones, reducir costes y maximizar ingresos, la transformación digital se ha vuelto imperativa.

"Los ganadores en transformación digital están utilizando tecnología disruptiva para abordar retos de negocio, impulsando mejora a través de aplicación práctica. Digitalizar procesos operativos es crítico para que los fabricantes lidien con las demandas y desafíos de la crisis, y se considera un paso natural adelante en la evolución de la manufactura", dijo Jonathan Whiteside, Consultor Principal de Tecnología en Dept.

"Afortunadamente, la innovación ha alcanzado un punto donde tecnologías emergentes como IA e Internet de las Cosas (IoT), están ampliamente disponibles, ayudando a acelerar la transformación de negocios manufactureros tradicionales. Hay tres áreas clave donde los fabricantes pueden implementar IA para volverse más resilientes y mejorar el resultado final: pronóstico, mantenimiento condicional y comunicación".

#1 - Planificación de demanda y pronóstico

El Aprendizaje Automático tiene la capacidad de automatizar el análisis y detectar patrones de datos a una velocidad imposible para los humanos. Puede llevar la segmentación de datos más allá de simples clusters 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 estudios, el pronóstico impulsado por IA puede reducir errores en un 30-50% en redes de cadena de suministro. La precisión mejorada conduce hasta un 65% de reducción en ventas perdidas por situaciones de inventario fuera de stock y los costes de almacenamiento disminuyen alrededor de un 10-40%. El impacto de la IA dentro de la cadena de suministro está entre 1,2 y 2 billones de dólares.

Con esas estadísticas en mente, no es de extrañar que el machine learning esté siendo adoptado por planificadores de demanda en la industria. La velocidad y precisión de los pronósticos de machine learning proporcionan múltiples beneficios, con la mejora en experiencia del cliente como resultado de mejor disponibilidad siendo solo la punta del iceberg. Cuando hay confianza en el pronóstico, los niveles de stock de seguridad pueden reducirse, reduciendo así capital de trabajo y liberando espacio valioso. Mejores pronósticos pueden generar ahorros en toda la cadena de valor, desde mejor planificación de transporte hasta optimización de horarios laborales.

Mejorar la precisión del pronóstico de demanda está demostrando resultados sólidos en todas las industrias, con fabricantes de Bienes de Consumo Empaquetados liderando. El grupo multinacional francés Danone está mejorando la coordinación de planificación entre marketing, ventas, gestión de cuentas y cadena de suministro con machine learning. A través de modelado de demanda impulsado por IA, logra sus niveles de servicio objetivo para inventarios a nivel de canal o tienda. El sistema llevó a una reducción del 20% en error de pronóstico, 30% en ventas perdidas, 30% en obsolescencia de producto y 50% en carga de trabajo de planificadores de demanda.

El machine learning y la IA no solo están influyendo en cómo las empresas manufacturan, sino también en qué manufacturan. Con el poder de identificar gustos cambiantes de consumidores, analizando datos y detectando tendencias, empresas de alimentos envasados pueden reaccionar cambiando ingredientes para crear ediciones limitadas que resonarán con consumidores. También hay grandes oportunidades para identificar posibles áreas de expansión de producto mientras se acelera el proceso para un lanzamiento más oportuno.

#2 - Desarrollo y mantenimiento

Mantener manualmente equipos de manufactura es costoso y consume tiempo, además conlleva alto riesgo de malfuncionamiento de equipos, dando un golpe enorme al calendario de producción y disminuyendo productividad. Por estas razones, predecir cuándo es probable que fallen las máquinas es el uso más popular de IA en manufactura hoy.

"El tiempo de inactividad no planificado es prevenible con mantenimiento predictivo. Los fabricantes pueden construir un plan de protección de viabilidad de activos indicando cuándo será más viable actualizar equipos respondiendo a alertas y resolviendo problemas menores conforme ocurren. Algoritmos de machine learning supervisados y no supervisados interpretan cambios en datos en tiempo real. En segundos puede detectar procesos, productos y flujos de trabajo previamente desconocidos aprovechando una variedad de tipos de datos", dijo Whiteside.

Los datos de sensores se recopilan del propio equipo detectando calor, vibraciones y movimiento, mientras que los datos de controlador lógico programable (PLC) rastrean entradas y salidas de la máquina. Los datos de visión por computadora se capturan de cámaras alrededor de la fábrica, y los datos de series temporales determinan el estado de la máquina basado en su historial. Fuentes de datos externas relevantes también se tienen en cuenta, como condiciones climáticas cambiantes o efectos derivados de equipos relacionados. Estos hallazgos proporcionan una excelente fuente de datos contextuales que pueden usarse para entrenar modelos de machine learning, desarrollo de producto y optimización de línea de montaje.

#3 - Estrategias de comunicación

La IA y el machine learning no son solo para procesos operativos. Su capacidad para detectar patrones de diversas fuentes como audio, imagen y video, puede mejorar cómo te comunicas con tus clientes y empleados. Aplicado a tus canales de comunicación, las empresas pueden lograr enormes ahorros de tiempo.

Un chatbot de IA podría aliviar la presión en tu centro de llamadas y liberar a equipos de ventas de campo para enfocarse en adquisición de nuevos clientes, mientras proporciona respuestas oportunas y relevantes a las consultas de tus clientes. Si estás usando gemelos digitales, también deberías conocer los ciclos de mantenimiento y cuándo pueden ocurrir actualizaciones o problemas potenciales de tus productos. Automatizar el proceso de comunicación para informar a tus clientes puntualmente antes de que necesiten contactarte ganará puntos en servicio al cliente.

A través de avances en conectividad de red en línea, más recientemente el despliegue de dispositivos conectados 5G y el fortalecimiento continuo de Bluetooth, es más fácil que nunca conectar los diversos dispositivos que habilitan funciones clave de negocio. 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 fácilmente accesible. Una empresa puede usar aplicaciones en la nube para recopilar información sobre las FAQs más buscadas en el web, el registro de cumplimiento y devoluciones, y datos de abastecimiento de materiales. Esto puede rastrear cuándo los clientes empezaron a experimentar un problema particular con un producto, si el problema puede resolverse con soporte o requiere un recall, y si corresponde a un pedido particular de un proveedor. Juntos, tanto el problema como la solución pueden deducirse.

Avanzando con soluciones escalables

Empresas manufactureras en 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 que para sus respectivas operaciones empresariales durante el año. Y, a pesar de que casi el 95% de fabricantes globales u operadores de cadena de suministro dijeron que han sido impactados negativamente por la pandemia, el 82% ahora se siente preparado para lidiar con un evento similar en el futuro. Su conclusión clave es la capacidad de transformar y abrazar habilitadores digitales.

Toma inspiración y aprendizajes de líderes globales. Por ejemplo, de varias formas: optimizando consumo de energía en plantas durante producción en vivo; controles de calidad operados por máquina, y ajustando autónomamente la posición de rotores de turbinas eólicas para aumentar rendimientos de parques eólicos. Para traer nuevos niveles de control de calidad a sus centros de manufactura. Componentes de manufactura son examinados de cerca usando radiografía industrial para verificar la integridad de cada parte 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 abundantemente claro. Enfocándose en digitalización, acercándose a usuarios finales, e innovando el ecosistema digital para asegurar que las necesidades de los clientes puedan ser satisfechas, los fabricantes pueden evitar la commoditización, estar mejor posicionados para vencer a la competencia, y nutrir lealtad a largo plazo de clientes tanto nuevos como existentes.

Para más información sobre temas de manufactura, echa un vistazo a la última edición de

Síguenos en y .