Elaborar una estrategia de datos para la industria de manufacturing

En la industria de manufacturing, hay muchas ideas para aprovechar los datos, a fin de mejorar la productividad. Sin embargo, el verdadero obstáculo radica en poner en práctica estas ideas, en especial, dadas las limitaciones de las estrategias de costos e implementación.

Entonces, ¿cómo pueden las empresas superar estos obstáculos y aprovechar las oportunidades que presenta la tecnología emergente?

Para crear un plan detallado para el éxito en la industria de manufacturing, los expertos se reunieron en una mesa redonda que se llamó "Aprovechar el potencial de los datos en el sector de manufacturing". Fue organizada por Jicara Media y presentada por Rackspace Technology® y Microsoft®.

Entre los fabricantes, el concepto de un hilo digital, que conecta los datos de I+D, hasta el desarrollo de productos y la producción, a menudo sirve como punto de partida para cualquier conversación en torno a la democratización de los datos, afirmó Shwetank Sheel, director de Preventas y Soluciones Globales de Datos de Nube Pública de Rackspace Technology.

Según Sheel, una plataforma de datos exitosa para el sector de manufacturing debe tener un "hilo digital" que conecte todos los diferentes procesos y sistemas. Al mismo tiempo, es importante identificar casos de uso específicos que puedan impulsar el valor comercial a través de la plataforma. Estas dos actividades deben realizarse en simultáneo, ya que intentar escalar desde proyectos de prueba de concepto se vuelve difícil sin una comprensión clara de cómo se utilizará la plataforma para crear valor.

Desafíos en el sector de manufacturing en el mundo real

Un ejemplo de esta estrategia en la práctica ocurrió con el fabricante de cereales Kellogg Asia Pacific. Uno de los desafíos más persistentes de la empresa fue la armonización de los datos.

"Me he encontrado con datos en diversos formatos y estructuras en las empresas para las que he trabajado", dijo Saurabh Lal, director sénior de Red de Cadena de Suministro y Digital de la empresa. "Tenemos hojas de cálculo de Excel, diferentes ERP y operamos en varios países. Poner todo en un formato que se pueda utilizar es nuestro mayor desafío".

Además de este problema, Kellogg también está investigando el manufacturing inteligente.

"Tenemos algunas plantas heredadas que tienen tecnología obsoleta y menos automatización", explicó. "¿Cómo convertimos estas plantas en fábricas inteligentes? Ese es el segundo desafío. Y cuando digo 'fábrica inteligente', no se trata solo de las condiciones de operación estándar. También se trata de mejorar el control de calidad, implementar prácticas de mantenimiento inteligente y otras medidas similares".

En otro ejemplo, un importante fabricante de medicamentos se enfrentó a la seguridad del consumidor como su principal consideración, al tiempo que trabajaba para agilizar sus operaciones.

Un director de la división de TI del fabricante de medicamentos dijo que el desafío radica en conectar los datos a través de varias áreas del proceso de manufacturing de manera tal que pueda impulsar mejoras, incluidos los equipos y la infraestructura de TI.

Sin embargo, dado que el objetivo final es llevar el producto al mercado, también es importante asegurarse de que los datos cumplan con los requisitos reglamentarios de diferentes mercados. Esto puede ser particularmente complejo en lo que respecta a la AI, que puede tener diferentes expectativas y regulaciones según el mercado.

"Una vez que esperamos que las personas tomen decisiones, en esencia, asumen la responsabilidad de garantizar que nuestro producto sea seguro", continuó. "La pregunta es si nos sentimos cómodos delegando esa responsabilidad a una AI".

Según Saj Kumar, líder regional de Manufacturing de Microsoft Asia, los datos de la industria de manufacturing pueden clasificarse ampliamente en dos segmentos principales: datos de negocio y datos de planta y tecnología operativa (OT). Mientras que los datos comerciales están más estructurados y bien definidos, los datos de OT son mucho más complicados, dijo Kumar.

"Muchos de los datos de OT en el sector de manufacturing consisten en datos de series temporales, lo que implica capturar señales de máquinas a lo largo del tiempo para informes y análisis", explicó. "Sin embargo, este tipo de datos por sí solos no proporcionan una visibilidad completa de principio a fin, en especial, cuando se trata de conectar los pedidos de los clientes o de producción con máquinas, lotes y materiales específicos. Esto requiere combinar diferentes tipos de datos, que pueden ser desafiantes".

Diferentes caminos hacia una hoja de ruta de datos

Cuando se trata de centralizar los datos, a menudo surgen conflictos dentro de una organización, debido a la gran variedad de formas en que los distintos departamentos usan los datos.

Ajith Narayanan, CTO del fabricante de sistemas robóticos Zoid Labs, cree que aunque la centralización de datos es imprescindible, las organizaciones deben aplicar niveles de flexibilidad para permitir que diferentes personas consuman diferentes aplicaciones a su propio ritmo.

"El desafío radica en la arquitectura de los datos", explicó Narayanan. “La forma en que representamos los datos y las interconexiones entre diferentes fragmentos de datos es fundamental. En nuestro desarrollo de productos, usamos datos para perfeccionar el producto en la etapa de I+D. Para simplificar este proceso, decidimos usar solo los formatos YAML y JSON desde el principio. Nuestro proceso de pensamiento fue que si podemos conseguir que la mentalidad dentro de una organización piense en los datos de manera diferente, quizá un par de formatos como JSON y YAML satisfagan a todos".

Para Saurabh Lal de Kellogg, los responsables de la toma de decisiones deben estar convencidos de que una solución en particular no solo beneficiará una función, sino también, al menos, a una unidad de negocio completa.

“Cuando dice que puede ayudarlo a mejorar sus ventas o que ayudará a mejorar los resultados, esos equipos deben incorporarse y aprobar esa solución en particular”, dijo.

Shwetank Sheel de Rackspace Technology reconoció el papel importante que desempeña la nube en convertir las ideas de negocio en confianza, una hazaña que ha sido demostrada a través de muchas de las historias de éxito de sus clientes.

"La nube le permite experimentar a pequeña escala y validar sus ideas", explicó. "Por ejemplo, desea crear un caso de negocio que muestre un aumento potencial de ingresos de SG$10 millones. Al invertir una pequeña cantidad de dinero, puede ver si sus esfuerzos inclinan la balanza. Pueden determinar si este es el enfoque correcto o no".

El futuro de la AI en el sector del manufacturing

La AI sigue ofreciendo nuevas posibilidades cada día, dejando al descubierto una gran cantidad de casos de uso. Aunque la AI tradicionalmente ha encontrado aplicaciones en áreas como la experiencia del cliente, la llegada de soluciones populares como ChatGPT está revolucionando industrias enteras, lo que presenta soluciones innovadoras y crea nuevas vías para generar ingresos.

Algunos fabricantes son conscientes de lo que la AI puede aportar a su negocio. No pasará mucho tiempo antes de que comience el uso generalizado de la tecnología.

Ajith Narayanan de Zoid Labs, por ejemplo, prevé que el mantenimiento predictivo impulsado por AI desempeñará un papel fundamental en la reducción del tiempo de inactividad y, posiblemente, incluso en la prevención de accidentes en fábricas.

Afirmó: "Aún no estamos en la fase en la que los modelos de AI estén listos, pero tenemos un escenario en el que los datos generados por el sistema de medición de la corrosión de IoT se envían a través de MQTT a un servidor. Usaremos estos datos con algunos modelos para analizar y predecir cuándo debemos realizar el mantenimiento de las máquinas".

En lo que respecta a la AI generativa, Saj Kumar de Microsoft cree que ya hay alguna funcionalidad con la que los fabricantes pueden experimentar. Sin embargo, aún no se ha aprovechado todo el potencial de la tecnología.

"Por ahora, estamos viendo que se usa para datos no estructurados", dijo Kumar, "ya sea documentación o SOP, todos ellos son documentos estructurados clásicos que han existido en las fábricas para que la gente los consulte. Pero si surge una situación particular en la fábrica, por ejemplo, una pregunta sobre lo que se debe hacer, la AI podrá reunir todos esos documentos y proporcionar una respuesta. Ya puede hacerlo hoy. Entonces, creo que ahí es donde veremos la primera revolución en términos de hacer estas preguntas y obtener respuestas".

A pesar de esto, las soluciones de AI deben ir más allá de digitalizar documentos o HTML etiquetado. El objetivo es que la AI generativa pueda proporcionar a los operadores respuestas precisas cuando sea necesario. Hasta entonces, empresas como Rackspace Technology y Microsoft están haciendo su parte para investigar aún más las posibilidades de la AI.

(Este artículo apareció originalmente en Frontier Enterprise).

< entidad-drupal data-align="left" data-embed-button="media_entity_embed" data-entity-embed-display="view_mode:media.full" data-entity-type="media" data-entity-uuid="ffc70d81-8bc0-42e9-b646-2faec089e354" data-langcode="en"> < /drupal-entity>

Aproveche el poder de la IA de forma rápida y responsable con Foundry for AI de Rackspace Technology (FAIR™). FAIR™ está a la vanguardia de la innovación global en IA, allanando el camino para que las empresas aceleren la adopción responsable de soluciones de IA. FAIR se alinea con cientos de casos de uso de IA en una amplia gama de industrias y, al mismo tiempo, permite la personalización mediante la creación de una estrategia de IA personalizada que se aplica a sus necesidades comerciales específicas. Capaces de implementarse en cualquier plataforma de nube pública privada, híbrida o de hiperescala, las soluciones FAIR empoderan a las empresas de todo el mundo al ir más allá de la transformación digital para desbloquear la creatividad, liberar la productividad y abrir la puerta a nuevas áreas de crecimiento para nuestros clientes.Siga a FAIR en LinkedIn.

Aprende más

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.