Una de las principales aplicaciones de la inteligencia artificial en entornos industriales es el mantenimiento predictivo. Si antes existía un equipo humano de mantenimiento, con protocolos y rutinas de 'revisión y monitorización' (y reparación si era necesario) de cada segmento o área de la cadena de producción, la IA puede hacerlo con mucha más precisión y con menos recursos.
Inteligencia Artificial. Parece incongruente, pero ya nos hemos acostumbrado tanto al concepto que se ha convertido en parte de nuestra vida diaria, e incluso en nuestros hogares tenemos dispositivos que utilizan esta tecnología, empezando por nuestros teléfonos celulares. En las empresas el uso es mucho más amplio y profundo, y la IA está presente en la innovación y transformación de la mayoría de los procesos empresariales e industriales, abarcando toda la automatización y cualquier proceso robótico.
Pero, vayamos primero al concepto, ¿qué es la IA? El término fue acuñado por el científico y matemático estadounidense John McCarty ya en 1955. Es una rama de la informática que intenta imitar el funcionamiento de las neuronas humanas en las máquinas. Desde entonces hasta hoy, gracias a la gran velocidad de cálculo que permite la computación actual, algunas de estas máquinas ya se acercan mucho (algunos incluso creen que superan) a este concepto de 'pensamiento'.
El desarrollo de esta tecnología ha avanzado a pasos agigantados en esta era. En parte debido a su propia naturaleza, que le permite 'aprender' y ser multidisciplinar, como la inteligencia humana. Pero, sobre todo, reacciona a los cambios en su entorno (para lo cual, previamente, tiene que analizarlo y poseer todos los datos al respecto). Es esta capacidad de resolver problemas y adaptarse lo que hace que la IA sea tan valiosa.
Porque estamos hablando de un entorno, el virtual, que se está volviendo cada vez más vasto e inmanejable: petabytes de datos generados día tras día, minuto a minuto, segundo a segundo. Pues bien, una IA puede manejar y calcular con precisión las diferentes posibilidades resultantes de una situación y elegir la óptima. También puede identificar patrones para predecir y prevenir, y puede emitir alertas de fallo mucho antes de que se produzcan. E incluso puede 'dirigir' a los humanos hacia la solución de un problema.
La IA se convierte en una herramienta y guía a través de un almacén para encontrar exactamente dónde se encuentra un producto. Analiza el consumo de combustible de toda una flota de vehículos e identifica áreas de mejora. Calcula con precisión los parámetros y las estructuras de un edificio e incluso encuentra amenazas de seguridad y las parchea antes de que siquiera sepamos que existen. En las industrias, en particular, donde deben tenerse en cuenta cientos de miles de datos procedentes de las aportaciones de los clientes, el análisis de los sensores, los parámetros ambientales, los parámetros de los productos, etc., puede encargarse de (casi) todo, incluso antes de que se detecte la necesidad de actuar.
Una de las principales aplicaciones de la inteligencia artificial en entornos industriales es el mantenimiento predictivo. Si antes existía un equipo humano de mantenimiento, con protocolos y rutinas de 'revisión y monitorización' (y reparación si era necesario) de cada segmento o área de la cadena de producción, la IA puede hacerlo con mucha más precisión y con menos recursos. Debido a que es capaz de identificar y calcular el tiempo de servicio, el ciclo de vida estimado y la tensión en las piezas y componentes individuales de la cadena de suministro, también puede predecir con bastante precisión sus posibles puntos de fallo. También puede indicarnos cuándo deben realizarse las revisiones de mantenimiento o, en el caso del software, enviar ella misma los paquetes de actualización necesarios.
De esta forma, gracias a la Inteligencia Artificial, es posible evitar paradas o cortes en el servicio y, por tanto, en la producción, con el consiguiente ahorro de costes que esto conlleva. Pero, además, se aumenta el ciclo de vida de las piezas y, por tanto, la sostenibilidad, al desechar y tirar menos productos (se pueden sacar de servicio cuando aún no están rotos, lo que facilita su reutilización o reciclaje). Por último, los costes de mantenimiento serán mucho menores, ya que el sistema estará monitorizado en todo momento por la IA.
En el mantenimiento predictivo, es esencial una combinación de sensores IoT que monitoricen cada uno de los parámetros establecidos en los sistemas de producción (ruido, vibración, temperatura, etc.) y los algoritmos de análisis que reciben y calculan todos estos datos para predecir realmente lo que puede ocurrir. Estas fuentes de datos son cada vez mayores y producen más y más información, por lo que sólo los sistemas equipados con inteligencia artificial, edge computing y machine learning serán capaces de automatizar estos modelos de predicción y generar las correspondientes alertas.
Este modelo es especialmente interesante en entornos industriales, tanto los puramente orientados a la fabricación (automoción, bienes de consumo, etc.) como los denominados 'sectores críticos' (energía, transporte, etc.), con una actividad alta e intensa y un gran impacto en el servicio y la facturación en caso de interrupción o tiempo de inactividad.
Imagine una central eléctrica que abastece a toda una ciudad. Por supuesto, el sistema cuenta con medidas de seguridad redundantes y una monitorización continua tanto por sistemas automatizados como por equipos humanos, así como con 'equipos de rescate' listos para actuar con urgencia en caso de problemas. Un fallo o interrupción del sistema no sólo dejará a miles de ciudadanos sin electricidad, sino que también provocará caos en el tráfico y el transporte, millones de dólares en pérdidas para las empresas (cortes de producción, mercancías refrigeradas o congeladas, riesgo físico para los trabajadores), etc.
En estos casos, como en todos aquellos que implican un uso intensivo de activos (energía, transporte, agua, servicios públicos, sanidad, etc.), las empresas deben comprometerse a maximizar el rendimiento de estos activos, manteniéndolos al día y renovados: las tuberías se erosionan, los cables se rompen, las carreteras se desgastan.
Es evidente que las ventajas de aplicar la IA al mantenimiento predictivo son enormes, y no sólo prácticas, sino también económicas. Aunque estos sistemas son 'acusados' de ser costosos y poco rentables, la realidad es que el ROI, según encuestas a empresas que los utilizan, acaba siendo positivo en la mayoría de los casos. La plataforma Edge Industrial Barbara está destinada a facilitar la implementación de estos modelos de mantenimiento predictivo. No sólo permite la captura de datos de sensores, actuadores y otros elementos industriales de cualquier tipo, sino que también facilita la ejecución de algoritmos de edge computing, permitiendo la implementación de modelos predictivos mucho más complejos y la toma de decisiones automatizada. Entre otras funcionalidades, logra:
La verdad es que todos estos datos y análisis proporcionados por la inteligencia artificial son el impulso que la industria 5.0 necesita, y ya tiene, y lo que hará que las fábricas del futuro sean más eficientes, reduzcan su consumo de energía, aumenten su seguridad y sigan adaptándose, por muy rápido que sea el ritmo de la innovación, a cada nueva circunstancia. Incluso se espera que, con el aumento de la velocidad de computación y las redes (el 5G o incluso el 6G, que sin duda llegará), esta tecnología inteligente sea incluso capaz de 'leer entre líneas' e incorporar a su algoritmo no solo los datos que están ahí, sino también los datos que faltan. Esto, aunque ya se hace a pequeña escala a niveles más locales (Edge computing, donde los datos están disponibles más rápido y a mayor resolución), pronto estará disponible también para aplicaciones más masivas.
Para más información, ponte en contacto con el equipo de Barbara aquí.