Los fabricantes más pequeños se optimizan con la inteligencia artificial

La inteligencia artificial es ampliamente reconocida como un aspecto crucial de lo que en general se conoce como Industria 4.0. Si bien nadie sabe aún cómo se incorporará la inteligencia artificial en la próxima fase de la Revolución Industrial, la mayoría está de acuerdo en que permitirá una mayor conectividad entre las personas, las máquinas y la tecnología de la información, lo que permitirá a los fabricantes optimizar mejor los procesos y predecir problemas.

¿Cómo se supone que los pequeños y medianos fabricantes (SMM), que normalmente no tienen el tiempo o el capital necesarios para probar las tecnologías emergentes, evalúan cómo la inteligencia artificial podría afectar a su organización y desempeñan un papel en la preparación para la Industria 4.0? ?

Esperar a que el sector manufacturero decida, por así decirlo, ciertamente no es una opción. Una demora de uno, dos o cinco años podría hacer que un fabricante se quede atrás. El momento de actuar es ahora, pero el camino a seguir no está claro.

Una forma de abordar esto es evaluar la inteligencia artificial a través de una transformación continua que muchas PYMES ya han adoptado:la manufactura esbelta.

Poner lo "continuo" en mejora continua con inteligencia artificial

La idea central de la filosofía lean es la mejora continua. Es un compromiso con el cambio continuo. Para hacer lean, se debe mantener la disposición al cambio en todo momento, de modo que cuando se identifique una oportunidad de mejora, se pueda implementar rápidamente.

Las mejoras lean proceden de intervenciones. Si se identifica un problema, digamos en un proceso, el trabajo se detiene. Los miembros del equipo están llamados a observar, sacar conclusiones, emitir juicios y, finalmente, tomar acciones que aborden la causa del problema. Esta operación intermitente es como funciona Lean, aunque su ritmo stop-start parece fundamentalmente en desacuerdo con la idea de mejora continua. Sin embargo, es lo que actualmente es factible, o al menos humanamente posible.

Ahora bien, ¿qué pasaría si no tuviera que detener el trabajo para realizar una operación ajustada? ¿Qué pasaría si pudiera hacer la mayor parte del proceso Lean fundamental (observar, sacar conclusiones, emitir juicios, tomar medidas) mientras se realiza el trabajo, haciendo que el proceso Lean sea más continuo? Esta es una de las principales promesas de la inteligencia artificial para operaciones de fabricación de cualquier escala.

Dónde pueden comenzar las operaciones ajustadas con la inteligencia artificial

La inteligencia artificial es un campo vasto que incluye una amplia gama de tecnologías, desde algoritmos capaces de aprender de conjuntos de datos hasta robots que se asemejan a algo salido de una historia de ciencia ficción.

En lo que respecta a los pequeños fabricantes, el tipo de inteligencia artificial que debería interesarles principalmente es una subdisciplina llamada aprendizaje automático. Como lo define Amit Manghani en su "Introducción al aprendizaje automático":

Manghani continúa describiendo cuatro tipos de aprendizaje automático, todos los cuales podrían tener aplicaciones para la manufactura esbelta. Sin embargo, esto supone que un pequeño fabricante está dispuesto a invertir en la potencia informática para que los datos necesarios estén disponibles para el análisis computacional:

1. Aprendizaje automático supervisado
2. Aprendizaje automático sin supervisión
3. Aprendizaje automático semisupervisado
4. Aprendizaje automático de refuerzo

Exploremos cada una de estas cuatro oportunidades para aplicar el aprendizaje automático a la fabricación ajustada con un poco más de detalle a continuación:

1. Aprendizaje automático supervisado

En el aprendizaje automático supervisado, los algoritmos analizan los datos entrantes y asignan etiquetas a cualquier dato que cumpla con los criterios predefinidos. Los fabricantes ajustados podrían utilizar una técnica de este tipo para automatizar el control de calidad de piezas complejas, por ejemplo, suponiendo que los datos de piezas relevantes se puedan registrar y poner a disposición del algoritmo.

2. Aprendizaje automático no supervisado

Con el aprendizaje automático no supervisado, no hay respuestas predeterminadas que un algoritmo pueda usar para ordenar los datos. Más bien, el algoritmo debe observar y evaluar los datos a medida que se acumulan, identificando patrones y creando etiquetas emergentes. Los fabricantes ajustados podrían utilizar este tipo de aprendizaje automático para monitorear una máquina de producción, o una serie de máquinas en red, en busca de un comportamiento inusual y, por lo tanto, anticipar un mal funcionamiento.

3. Aprendizaje automático semi supervisado

Como su nombre lo indica, el aprendizaje automático semi-supervisado combina enfoques supervisados ​​y no supervisados. En un escenario semi-supervisado, existen algunas etiquetas para los datos. El algoritmo también desarrolla otros criterios a lo largo del tiempo con la ayuda de la supervisión humana. Un escenario semi-supervisado podría ser útil para optimizar la producción repetitiva de piezas, eliminando potencialmente tanto el desperdicio de piezas como el de proceso.

4. Aprendizaje automático de refuerzo

En un escenario de refuerzo, un algoritmo proyecta qué acción, de un conjunto de acciones posibles, dará como resultado la recompensa más alta. Los SMM que participan en un proceso de transformación ajustada podrían usar este tipo de aprendizaje automático para sopesar diferentes caminos hacia los cambios orientados al proceso que imaginan.

El aprendizaje automático puede complementar la fabricación ajustada

Centrándonos en el aprendizaje automático, uno puede comenzar a ver cómo existen aplicaciones de inteligencia artificial que son útiles y accesibles para la mayoría de los fabricantes, sin importar su tamaño. En algunos casos, es posible que las piezas del rompecabezas ya estén disponibles en forma de datos recopilados por sensores de máquinas ya instalados, tecnología de la información (TI) y tecnología operativa (OT) existente.

A medida que los SMM comienzan a contemplar aplicaciones para la inteligencia artificial, es importante recordar que ninguno de estos escenarios amenaza automáticamente la disponibilidad de trabajos para los humanos. Más bien, estas ideas se pueden perseguir de una manera que sea complementaria a un proceso esbelto que empodera a los trabajadores al brindarles a los empleados acceso a información en tiempo real y mejores herramientas para la resolución y ejecución de problemas en el trabajo.

Una analogía útil es la tecnología actual de sensores de automóviles, que complementa la conciencia y las percepciones de los conductores humanos. Esta tecnología no solo mejora la seguridad, sino que también ayuda a garantizar que haya menos fricción en el sistema de conducción general al alinear el comportamiento de todos en la carretera. De esta manera, la tecnología de seguridad del automóvil no saca a nadie de la ecuación de la conducción, sino que hace que la conducción sea una experiencia más segura y eficiente.

Si adoptamos esta perspectiva, la inteligencia artificial puede verse como una herramienta más en la caja de herramientas ajustada, aunque una que tiene el potencial de ser muy poderosa.