La inteligencia artificial (IA) se nutre de datos para funcionar y, si existe un lugar dónde se generan una gran cantidad de datos, ese es precisamente una factoría. En esta sesión se ha definido el concepto de IA y se han expuesto sus potencialidades para mejorar los procesos productivos. 

También ha servido para conocer algunos instrumentos concretos de IA y su aplicación. A pesar de su aparente complejidad, la simplificación de la información procesada por estos instrumentos permite ponerla al alcance de muchos usuarios.

Oscar Pierre, vicepresidente de C2G, se ha encargado de conducir la sesión y para empezar ha recordado aquellos ámbitos en que la IA ofrece beneficios contrastados: la optimización de procesos, el mantenimiento, el control de la producción y la logística, el rendimiento de los equipos, la predicción de fallos, y la toma de decisiones.

La sesión ha contado con la presencia de tres expertos: Javier Campelo, Head of Analytics & Artificial Intelligence de Aggity; Borja Luengo, Innovation Lab and Customer Intelligence Manager de SAS y Arné Cordes, Senior Data Scientist de Volkswagen.

INTELIGENCIA ARTIFICIAL: LA DISRUPCIÓN HA LLEGADO

Javier Campelo ha profundizado en la definición y capacidades de la IA, una herramienta que, para empezar, hay que entenderla en el contexto de la industria 4.0.

La industria 4.0 es el resultado de una evolución progresiva de la tecnología aplicada a la industria. Cada etapa de la historia de la industria ha tenido su elemento disruptivo y a este elemento le ha correspondido una tecnología determinada. 

Así, primero fue el vapor, que dio lugar a la mecanización. Luego, la electricidad propició la producción en masa. La informática y la automatización favorecieron los sistemas de mejora de la eficiencia. Y, finalmente, la digitalización ha desembocado en la IA, que lleva aún más lejos las mejoras de la automatización.


Según Javier Campelo, “independientemente del momento evolutivo, la industria siempre ha buscado lo mismo, es decir, aumentar la producción reduciendo costes, ganar calidad y minimizar las averías de los equipos”.

Los datos procedentes de una encuesta de Deloitte a 3.000 directivos constatan que existe una elevada conciencia sobre el actual momento disruptivo: un 94% de los encuestados manifiestan que su negocio se verá afectado por la IA en los próximos años. 

COLABORACIÓN HOMBRE-MÁQUINA

Por definición, la IA es un conjunto de técnicas que permiten a las máquinas replicar ciertas funciones de la inteligencia humana. Dentro de la IA se habla de Machine Learning al referirse a las capacidades de las máquinas para realizar un aprendizaje continuo y reforzado. Y cada vez cobra más relevancia el Deep Learning, que implica un aprendizaje automático más avanzado que se acerca a la complejidad perceptiva humana (visión, habla, conocimiento) y se realiza de forma autónoma.

A pesar de todo, la IA no es un elemento totalmente sustitutivo, sino complementario. El Deep learning por ejemplo puede llegar a comprender el lenguaje natural de un operario. La presencia humana es importante porque aporta una inteligencia genuina e insustituible. 


Las máquinas superan a las personas en capacidad de cálculo, de simulación y de predicción o en la extracción de patrones, y eliminan los sesgos de tipo subjetivo. Pero las personas poseen la capacidad de abstracción, la imaginación, la experiencia y, además, conocen el negocio en el sentido más amplio de la expresión.

DECISIONES AUTOMATIZADAS

“El desarrollo actual de los algoritmos de IA nos permite conocer el pasado y cada vez más el futuro”, en palabras de Javier Campelo. En sus inicios, el análisis de datos era capaz de describir lo que había ocurrido en un proceso. Más adelante ya podía explicar el porqué de lo que había sucedido. El siguiente paso fue la predicción: podía anunciar lo que iba a suceder en el proceso a partir de los datos recopilados.

“El último paso –según Javier Campelo– es la prescripción, en el cual la IA puede dar apoyo para tomar una decisión o incluso tomarla directamente de forma automatizada”. En esta fase avanzada, las acciones reservadas antes de forma exclusiva a la decisión humana entran en el ámbito de la máquina. “Esto ha sido posible por el crecimiento exponencial de la capacidad de los algoritmos, que se están continuamente perfeccionando”, ha apuntado Campelo.

En este escenario, la acción humana tampoco desaparece por las razones enunciadas anteriormente, aunque se debe focalizar hacia otros campos dentro de la compañía. En este punto “las empresas acaban siendo en función de cómo trabajan con sus datos”, ha señalado Campelo.

MATRICES DE CORRELACIÓN Y ÁRBOLES DE DECISIÓN

En el marco de la IA, existen dos instrumentos destacados. Uno de ellos es la matriz de correlación que permite conocer, gracias a la recopilación extensiva de datos, “cómo está funcionando la fábrica en todos sus aspectos”. Y no solo eso, sino que además ofrece la posibilidad de entender qué relaciones se establecen entre ellos.


Esta última opción es particularmente interesante a la hora de identificar qué factores han influido negativamente en un proceso de producción y, más en general, cuando hay que entender las causas de cualquier problema. La matriz de correlación permite también realizar simulaciones para mejorar procesos y determinar cuáles serán los factores clave en este objetivo.

Por su parte, los árboles de decisión sirven para identificar donde están los puntos críticos de una variable concreta, así como conocer las variables que más inciden en un proceso.

Estos dos ejemplos demuestran que los datos y su análisis son los drivers principales de la transformación digital con una elevada capacidad para incidir en uno de los elementos más difíciles de gestionar en una fábrica: la variabilidad. De este modo es posible predecir la demanda, optimizar el inventario y la producción y conseguir mejoras consistentes en los productos y servicios, ganando eficiencia y reduciendo costes.

INFORMACIÓN ACCESIBLE

Borja Luengo, Innovation Lab and Customer Intelligence Manager de SAS, ha mostrado como, a pesar de la complejidad que hay detrás de la IA, la presentación de los resultados se puede llevar a cabo de un modo simplificado y comprensible en una plataforma. Desde este punto de vista, ha subrayado la voluntad de su compañía “de que todo el mundo tenga acceso a la analítica avanzada”.

El experto ha presentado un ejemplo de algoritmo que funciona con los datos recogidos por sensores en turbinas de motores. Borja Luengo ha explicado que en este caso se ha procedido al análisis de datos “modelando la normalidad”, es decir, midiendo y delimitando todo lo que se considera normal para poder así identificar aquello que se separa del “área de normalidad”, que será considerado una anomalía. 

Una vez obtenidos los datos, la plataforma es capaz de ofrecer todo tipo de explicaciones y estadísticas sobre el comportamiento de las variables y las relaciones entre ellas, en un lenguaje natural y accesible. Igualmente, puede realizar predicciones sobre si unos determinados parámetros se van a mantener a van a experimentar cambios. 

“Todo esto posibilita que podamos explorar nuestros datos a fondo y convertirlos en conocimiento para tomar decisiones” ha señalado Borja Luengo.

ANALÍTICA AVANZADA COMO CATALIZADOR DE NEGOCIO

Al final de la sesión, Arné Cordes ha explicado cómo se introdujeron paulatinamente en Volkswagen los instrumentos de analítica avanzada de SAS. “Poco a poco nos fuimos convenciendo de que con estos instrumentos podríamos ganar valor añadido para la empresa”, ha señalado.

La introducción de la analítica avanzada comenzó por pequeños proyectos como determinar, mediante técnicas de regresión, el valor residual de los coches en modalidad de renting o alquiler, es decir, el valor que tiene el vehículo después de haber sido utilizado durante un periodo de tiempo determinado.  


El próximo paso fue adquirir la plataforma de gestión de datos SAS Viya que cubre todo el ciclo analítico y que permite ir de la recolección de datos a su aplicación. Esta plataforma también permite compartir fácilmente sus resultados plasmados en informes, dando diferentes derechos de uso (lectura, edición) según el tipo de usuario.

SAS Viya genera visualizaciones que permiten comprender como funcionan determinados algoritmos que, en realidad son extremadamente complejos de entender. “Nos dimos cuenta que para vender y convencer estos nuevos conceptos estas visualizaciones son muy importantes ya que llegan muy bien al destinatario”, ha destacado.

Para Arné Cordes la experiencia de Volkswagen demuestra que la analítica avanzada se asienta en la compañía conforme se van llevando a cabo proyectos analíticos. En este proceso es crucial el desarrollo de talento interno en este campo, así como la figura de un “evangelizador” que defienda este instrumento (que puede ser interno o externo). Y, no menos importante, es el papel de la dirección para impulsar su uso y generar convencimiento.