Desde la automoción hasta la fabricación de elementos para la industria fotovoltaica, pequeños productos de consumo o cualquier otro elemento imaginable, la tecnología será una de las claves en la búsqueda de la eficiencia. Y entre las tecnologías más importantes encontraremos el Machine Learning, los Gemelos Digitales, el Deep Learning o el Blockchain.
El uso de los datos, primer paso para la innovación en la fabricación
Algo que debemos de tener en cuenta es que, antes de poder utilizar tecnologías como el Machine Learning o el Deep Learning, necesitamos contar con una suficiente cantidad de datos de calidad. En la industria de la fabricación de bienes, es habitual encontrar silos de información y problemas en la calidad del dato, por lo que es importante tratar este problema antes de arrancar cualquier proyecto. De lo contrario, la falta de consistencia, los valores nulos, duplicidades o valores extremos impedirían la obtención de resultados fiables en el ámbito de la analítica.
Para comprobar la calidad del dato, podemos comenzar realizando una evaluación de la potencia descriptiva y predictiva. Analizamos la primera a partir de 6 métricas diferentes, a modo de scoring de calidad, y establecemos un umbral a partir del cual podemos continuar con el proyecto.
Si este umbral se supera, podemos pasar al área de la analítica predictiva. En caso contrario, podría paralizarse el proyecto o refinar la calidad de los datos para mejorarla.
Además, otro aspecto importante es contar con un modelo de datos común sobre un mismo Data Lake o BBDD, en los que se encuentre la información procedente de los diferentes sistemas que pueda tener la empresa manufacturera. Estos datos deben de mostrarse de manera homogénea, utilizando un mismo lenguaje, independientemente de su origen (MES, GMAO, etc.).
Una vez que contamos con estas bases, podemos comenzar a utilizar diferentes tecnologías para llevar a cabo proyectos con distintos casos de uso.
Gemelos Digitales y Machine Learning para mejorar el proceso de fabricación
Los gemelos digitales son, en realidad, réplicas digitales de un objeto real. Así, podríamos dotar a una máquina de diferentes sensores de IoT y, con ayuda de la Inteligencia Artificial, construir un modelo que represente a dicha máquina. Esto nos servirá para hacer pruebas sobre cómo funcionará en determinada situación, ante determinado material, etc. En lugar de la máquina, podría crearse un gemelo digital del producto final. Por ejemplo, en los coches de carreras, se utilizan estos modelos para predecir en qué momento es necesario cambiar los neumáticos u obtener información de posibles mejoras para después modificar el coche (que, aplicado a nuestro tema, podríamos hablar de modificar un determinado proceso de fabricación).
Además, los modelos de Machine Learning permitirán realizar predicciones a partir de una serie de datos. Por ejemplo, se puede dotar a una máquina de brochado (corte mecanizado) de una serie de sensores. Sumando esto con sus especificaciones técnicas, podríamos saber en qué momento es necesario reparar la soldadura de la máquina, por ejemplo. Este mantenimiento preventivo evitaría un gasto mayor, llegado el caso de romperse. Además, evitamos la parada en la cadena de producción debido a una avería. Este tipo de predicciones con Machine Learning podrán utilizarse gracias tanto a los datos en tiempo real como al histórico almacenado.
Ambas tecnologías ayudarán a maximizar la producción, así como a reducir los costes de mantenimiento para la industria manufacturera.
Un paso más allá: Deep Learning para abarcar una mayor cantidad de datos
El Deep Learning es otra de las tecnologías que puede ayudarnos a mejorar los procesos de fabricación y la calidad de los productos finales La principal diferencia con el Machine Learning es precisamente el concepto “Deep” que tiene que ver con el trabajo con una mayor cantidad de datos. Esta tecnología podrá utilizarse tanto para la maquinaria como para el desarrollo de productos y el control de calidad. Por ejemplo, podría ayudar a identificar fallos en un proceso de pintura, o cualquier otro tipo de defecto sobre las piezas o productos finales. En este punto también tiene sentido mencionar el Big Data, como otra tecnología que nos ayudará a tratar grandes cantidades de datos.
Blockchain y Edge Processing en el futuro de los procesos de fabricación
El IoT para obtener datos de distintos dispositivos está muy extendido y, como comentábamos, puede ser fuente de datos para construir sobre éstos Digital Twins o utilizar tecnologías como el Machine Learning. Sin embargo, el Edge Processing va un paso más allá, buscando el procesamiento de datos en el propio dispositivo en tiempo real (sin necesidad de llevar los datos a una nube). Esto evitaría sobrecargar la infraestructura, mitigar los riesgos de seguridad y eliminar latencias innecesarias.
Por su parte, el Blockchain parece la solución más adecuada para contar con un tracking end-to-end de los procesos de fabricación. Con los datos obtenidos desde la sensorización, podría crearse una capa de compliance que sirva como evidencia sobre cómo ha sido el proceso. Así, llegado el caso de un problema con la producción o las entregas, podría mostrarse quién tiene la responsabilidad de un retraso o un fallo concreto, evitando en algunos casos penalizaciones que pueden suponer grandes costes para las compañías. Se logra, en definitiva, una mayor visibilidad, transparencia y trazabilidad de todo el proceso de producción e una forma fiable y automatizada.
Todas estas tecnologías, orquestadas de forma correcta y en los puntos y casos de uso correctos, supondrán un gran avance en los sistemas de producción. Las compañías dedicadas a la manufactura podrán reducir los tiempos de producción y los costes, al mismo tiempo que aumentan la calidad de los resultados finales. Pero, como ya comentábamos, es muy importante contar con unos datos de calidad y contar con un buen modelo de datos para construir sobre esta base y sacar todo el valor que puede ofrecernos la analítica avanzada, el Machine Learning, Deep Learning, Edge Computing o Gemelos Digitales. El Blockchain será, por su parte, una capa fiable para contar con un registro de todo el proceso y evitar problemas en el futuro. Por todo esto, las compañías de producción de bienes que quieran mantener su competitividad no podrán dejar de lado la implantación de estas tecnologías, cada vez más de presente que de futuro.