Analítica avanzada. Acelerador clave de Industria 4.0

1. Resumen ejecutivo

Una de las expresiones más comunes que surge actualmente en las conversaciones es: “¿Cómo podíamos vivir sin esto?”. En muchos casos, ese “esto”, es un sofisticado aparato que hace la vida mucho más fácil. Recientemente, el mundo de la industria ha iniciado un camino que llevará irremediablemente a hacer una pregunta similar dentro de unas décadas: “¿Cómo era posible fabricar y competir en el mercado industrial sin “analytics”? Y es que la analítica avanzada cada vez tiene más presencia en el ámbito industrial y se postula como una de las herramientas más potentes para las empresas. Una herramienta que, dentro de poco, formará parte del kit básico que toda compañía industrial necesitará para ser diferencial. Desde Minsait ya se ha comenzado a construir camino hacia un portfolio de soluciones punteras de analítica avanzada enfocadas hacia el mundo de la industria con la Onesait Platform.

2. Introducción

Dentro de la multitud de aplicaciones englobadas debajo del paraguas de Industria 4.0 la Analítica Avanzada es uno de los principales aceleradores con mayor impacto y aplicación. Hace pocos años era impensable concebir a la algoritmia compleja y a la analítica en general como pilar fundamental de la transformación digital. Sin embargo, hoy, gracias al aumento de disponibilidad de datos a lo largo de toda la cadena de valor de la industria, el incremento de las capacidades de almacenamiento y las nuevas posibilidades de análisis y el procesado de datos mediante algoritmos más potentes y complejos, esto ha cambiado. El tamaño del mercado global de analítica avanzada se valoró por Grand View Research en 4.750 M$ en 2018 y se espera que alcance los 22.400 M$ en 2025. Se calcula este crecimiento con una expansión de una tasa compuesta anual del 25,2% entre 2019 y 2025. Estas previsiones significan que aún existen grandes oportunidades para el despliegue de analítica en la industria.  En Minsait se aúnan capacidades tanto en el ámbito de la fabricación como en el de la analítica para ofrecer soluciones diferenciales en el mundo de la manufactura.

Según un estudio realizado por Gartner en 2021[1]en empresas del sector industrial, el 85% de las empresas de producción discreta y el 80% de la industria de proceso continuo tiene previsto un aumento de relevancia en la estrategia global de la compañía, en los próximos tres años, del departamento de IT así como diferentes proyectos que permitan extender el alcance funcional de dicha división.

Como recoge Gartner en la encuesta realizada a multitud de CIOs1 en el ámbito industrial, en los últimos siete años se ha casi triplicado la relación entre las divisiones IT y OT de las empresas. Esta interacción es fruto, en gran parte, de la utilización de la información para la aplicación directa sobre el campo de operaciones a través de iniciativas de analítica avanzada. En la siguiente ilustración se presentan los distintos impactos económicos (billones $) que se estiman para 2025 y 2030 de los diferentes casos de uso de la analítica avanzada en el sector industrial.

Otro de los ámbitos de mayor desarrollo dentro de la industria es el de la sostenibilidad. Nuevamente la tecnología ofrece una ventana de posibilidades enfocadas a mejorar el impacto medioambiental del sector. Se prevé que para 2025 el 40% del total de la industria habrá creado un departamento de modelado de datos aplicado a la sostenibilidad y los objetivos de emisiones netas cero de carbono.

En este artículo se priorizan los casos de uso para los sectores con mayor potencial en aplicaciones de analítica avanzada: industria química, industria farmacéutica y biotecnológica, industria automoción, industria alimentación y bebidas, industria metalúrgica, industria aeronáutica, industria paquetera e industria médica. Actualmente, en Minsait Soluciones Digitales, se están desarrollando aplicaciones de analítica avanzada en ámbitos clave para las industrias que más se pueden beneficiar (p.ej. optimización de planificación, identificación de anomalías utilizando algoritmos de autoaprendizaje, calidad predictiva, identificación de defectos y mantenimiento predictivo-prescriptivo).

La necesidad de analítica avanzada en la industria es evidente. Actualmente en España hay diversidad de empresas de nicho, pero ninguna que pueda abarcar tantos ámbitos y con tanta profundidad como puede hacerlo Minsait. Las oportunidades dentro del ámbito de la analítica industrial para Minsait, que cuenta con el respaldo de un gigante tecnológico como Indra, son numerosas e interesantes.

3. Aplicaciones de analítica avanzada

La analítica avanzada es un recurso muy en boga en el ámbito industrial hoy en día. Su evolución y conquista de los mercados es imparable, al igual que su incremento de presencia como herramienta aceleradora en la industria. Como se puede ver en la Ilustración 3, solo el 8% de las empresas disponían en 2018 de aplicaciones industriales relacionadas con el Big Data y la inteligencia artificial. No obstante, las empresas han sido conscientes de la cantidad de datos disponibles en sus procesos, y por ello el 15% de las empresas han centrado sus esfuerzos e inversiones hacia estas tecnologías en los últimos años[2]

Las aplicaciones de “analytics” se suelen dividir en tres campos: descriptiva, predictiva y prescriptiva. En Smart Industry en Minsait, además se incluye la optimización como campo adicional por su propia entidad dentro de la industria.

3.1 Analítica descriptiva

Su función consiste en describir, diagnosticar y descubrir qué tendencias y patrones están ocurriendo en un proceso determinado a partir del estudio de datos históricos o en tiempo real. Sus aplicaciones más importantes son:

• Visualización en tiempo real.
• Visualización avanzada (p.ej. tablas comparativas con flexibilidad de variables y generación de reportes Ad hoc).
• Estadística descriptiva de procesos y detección por medio de PCA (p.ej. detección de anomalías en la producción).

3.2 Analítica predictiva

Está basada en métodos matemáticos más avanzados que incluyen análisis estadísticos, minería de datos, modelados predictivos o aprendizaje de una máquina, entre otros. Pronostica eventos que ocurrirán en el futuro gracias al desarrollo de un modelo de predicción. Las aplicaciones más importantes son:

• Predicción de fallos y alarmas.
• Estimación de demanda.
• Predicción de resultados de procesos según los valores de las variables (p.ej. modelo de detección de anomalías en la calidad de un producto).

3.3 Analítica prescriptiva

Define qué acciones tomar para obtener los mejores resultados en un proceso. Basado en modelos predictivos, simulación de escenarios, reglas localizadas y técnicas de optimización para transformar datos en recomendación de acciones según un resultado deseado. Es el nivel más completo y robusto. Se sirve de técnicas como procesamiento de eventos complejos, redes neuronales, aprendizaje heurístico o “machine learning”. Esta área, además, ha tenido un crecimiento enorme (21% incremento del CAGR entre 2016-2021)[3]. Las aplicaciones más destacadas son:

• Creación de escenarios para la recomendación de acciones.
• Identificación de mejores resultados de manera autónoma.
• Actualización proactiva de las recomendaciones de acciones debido a variación de sucesos.

3.4 Optimización

Consiste en buscar, analizar, y definir la configuración en la que productos, máquinas, procesos y sistemas tienen el mejor rendimiento. Las aplicaciones más relevantes son:

• Simulación de procesos y escenarios.
• Análisis de evolución y búsqueda de máximos y mínimos de valores clave.

Para poder clasificar la gran cantidad de aplicaciones existente es importante hacerlo a lo largo de la cadena de valor industrial. En la siguiente tabla se muestra el mapeo de ejemplos de soluciones de analítica avanzada de gran impacto en cada una de las verticales de la cadena de valor industrial (excluido el ámbito de supply chain):

MAPEO DE SOLUCIONES DE ANÁLITICA POR VERTICALES

La aplicación de cada técnica también depende de la madurez de la organización y de la cantidad de datos disponibles para el análisis en cada caso. La siguiente tabla recoge la relación de estas variables (madurez y datos) con el grado de penetración y el impacto que pueden alcanzar las soluciones de analítica avanzada en la industria:

La concentración de aplicaciones predictivas y prescriptivas en el nivel de desarrollo avanzado se debe a la complejidad de la algoritmia y los sistemas IT que conforman este tipo de soluciones.

4. Análisis del potencial de la analítica avanzada en la industria

Una palanca importante a favor de la implantación de la analítica en la industria ha sido la llegada de la alta capacidad de computación como activo al alcance de todos. Esta capacidad permite desentrañar conocimiento de ingestas masivas de datos de sensórica y de nuevas fuentes de datos no estructurados. Todas estas nuevas funcionalidades tienen un encaje perfecto en un sector con unas necesidades tan variadas como la industria.

El atractivo de las diversas aplicaciones para cada caso depende, en gran medida, de la disponibilidad de datos en el entorno industrial y de los factores críticos de negocio presentes en cada sector.

• Conseguir un “data lake” suficientemente extenso es de vital importancia para garantizar la potencia y el impacto de la solución de analítica.
• De igual manera, es importante conocer la criticidad de los distintos ámbitos que afectan a cada sector (p.ej.: el ámbito de control de calidad no será igual de relevante para una empresa farmacéutica que para una empresa de materia prima como una maderera o minera.).

Realizar un análisis de los sectores más importantes dentro del ámbito industrial y su potencial adopción de soluciones de analítica avanzada es vital para poder definir una estrategia de oferta en soluciones. El siguiente gráfico muestra la disponibilidad de datos y las distintas áreas críticas en algunos de estos sectores industriales:

Es posible determinar que las soluciones con mayor proyección dentro de cada sector de la industria son:

• Industria química (y energía): mantenimiento y calidad predictiva, identificación de anomalías, optimización de procesos.
• Farmacéuticas / biotecnología: calidad predictiva, optimización de procesos.
• Automoción (proveedores): visualización y control de producción, planificadores avanzados, optimización de procesos.
• Alimentación y bebidas: visualización y control de producción, mantenimiento y calidad predictiva.
• Metalúrgicas: visualización y control de producción, mantenimiento y calidad predictiva.

Los principales candidatos a desarrollar una mayor velocidad de implantación durante los próximos años son los sectores de la industria de automoción, industria química e industria farmacéutica y biotecnológica. Esto se debe, principalmente, a la presencia de áreas críticas de su negocio que pueden ser cubiertas con soluciones de analítica.

5. Propuesta de valor de Minsait

Minsait cuenta con una propuesta de valor diferencial. Cuenta con una plataforma de Industrial IoT que orquesta componentes bajo una arquitectura best in class para acelerar el despliegue de modelos de monitorización y analítica avanzada: Onesait Platform. Esta plataforma permite:

• Optimizar de forma sostenida el coste de las capas técnicas de arquitectura
• Conectar los procesos de negocio con la sensórica del mundo físico
• Flexibilizar movimientos corporativos de integración y conexión de ecosistemas
• Simplificar la migración progresiva a arquitecturas en Cloud.

Minsait cubre un ciclo completo para que la analítica y la monitorización avanzada aborden las fuentes de valor clave, respondan a una lógica operacional e incorporen las mejores técnicas de inteligencia artificial. Empezando por la priorización, nuestro equipo de consultores de negocio y operaciones, analizan la cadena de valor, los factores de coste e identifica las fuentes de valor. Posteriormente se define mediante el equipo de ingenieros y el de operaciones las causas raíz y se identifica el objetivo, las variables explicativas y elementos a optimizar. Por último, los ingenieros y arquitectos de datos y Data scientist, junto con los desarrolladores de software, modelan la solución, definen el enfoque analítico, entrenan y calibran la herramienta y despliegan el software.

Minsait además tiene una oportunidad excepcional gracias a sus equipos punteros multidisciplinares. Minsait propone un enfoque diferencial porque ofrece una mezcla de perfiles única como se demuestra en las etapas descritas anteriormente, ofrece flexibilidad en su modelo de participación enfocado en todo momento al dato (priorización, función objetivo, desarrollo, evolución y operación) y ofrece una aproximación tecnológica utilizando las principales plataformas del mercado y los lenguajes de programación más robustos y avanzados. La combinación de capacidades y la flexibilidad de la aproximación permiten adaptarse a las necesidades de cada compañía.

Minsait cuenta con características concretas que le convierten en un candidato interesante de cara a ser el proveedor preferente de soluciones de analítica para la industria:

• El enfoque de Minsait se adapta a las características de cada proyecto y cliente para acelerar el impacto.
• Las capacidades pueden desplegarse sobre la plataforma propia (Onesait Platform) o la de terceros (Azure, Google, AWS…).
• El conocimiento industrial adquirido y la disponibilidad de modelos pre-definidos permiten asegurar la adecuación de los modelos y acelerar su desarrollo.
• Enfoque experto en ciberseguridad para el tratamiento de datos in-Cloud.
• Los productos 4.0 diferenciales con aplicaciones concretas (mantenimiento y calidad predictivas, programador de producción 360º) son capaces de escalar fácilmente a distintos sectores industriales en poco tiempo.

La política de ecosistema abierto fomenta la colaboración con los mejores expertos externos en cada materia (optimización, redes neuronales, etc.).

La experiencia y el contacto directo con clientes con una mayor apuesta de innovación de distintos sectores industriales arroja que la “Analítica avanzada” comienza a percibirse como un elemento básico para una mejora de las operaciones y una consecución del concepto de Industria 4.0. Existe un claro avance en el desarrollo de proyectos de Analítica avanzada y Minsait estima que en un horizonte de 4-5 años, las empresas líderes deberán incorporar proyectos basados en estas tecnologías digitales para mejorar sus operaciones en procesos clave de su cadena de valor. Es por ello relevante desarrollar proyectos que permitan identificar los casos de uso específicos de cada modelo de negocio, analizar la factibilidad tecnológica de cada empresa, identificar su madurez digital y resaltar los posibles impactos. Fruto de esta evaluación se deben plantear las primeras iniciativas y establecer un modelo de ruta que permita ir midiendo los impactos generados y extendiendo la solución o soluciones escogidas a toda la operativa.

El camino, los casos de uso y los impactos son cada vez más claros y accesibles. Es momento para incorporar estas tecnologías digitales aceleradoras en el mapa de ruta de transformación de las empresas para evolucionar hacia un modelo de Industria 4.0.

Bibliografía

• Gartner, Inc. Predicts 2022: Manufacturing CIOs Increase Responsibilities for Sustainability and Operations, February 2022
• Alberto Maisueche Cuadrado, Utilización del Machine Learning en la Industria 4.0, 2020
• Grand View Research .https://www.grandviewresearch.com/
• Market Opportunity Map: Analytics and Business Intelligence, Worldwide, June 2017.
• McKinsey Global Institute. The age of analytics: competing in a data-driven world, [online], December 2016.
• <https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Analytics/Our%20Insights/The%20age%20of%20analytics%20Competing%20in%20a%20data%20driven%20world/MGI-The-Age-of-Analytics-Full-report.ashx> [Consultada: 20/2/2018].
• IBM Software. Descriptive, predictive, prescriptive: Transforming asset and facilities management with analytics [online], October 2013.
• <https://static.ibmserviceengage.com/TIW14162USEN.PDF > [Consultada: 20/2/2018].