IA y BD para crear procesos industriales más inteligentes

Por la Dra. Alicia Martinez de Yuso y el Dr. Mustafa Çagri Gürbüz.

Read English version

ZLC se ha unido a otras cuatro instituciones europeas en un nuevo y emocionante proyecto que explora las aplicaciones de la Inteligencia Artificial en los procesos industriales.

'Inteligencia Artificial y Big Data para usuarios de procesos industriales, desarrollo de negocio y explotación', o 'AI-CUBE' para abreviar, es un programa de acción de colaboración y apoyo de dos años de duración financiado por el programa Horizonte 2020 de la Comisión Europea, y es una respuesta a una llamada de los sectores SPIRE. SPIRE trabaja por el desarrollo de la Industria de Procesos Industriales Sostenibles a través de la Eficiencia Energética y de Recursos, y es una asociación público-privada que reúne a los principales sectores de procesos europeos: cemento, cerámica, productos químicos, ingeniería, minerales, acero, metales no ferrosos y agua.

SPIRE es muy consciente de que sus industrias, aunque establecidas desde hace mucho tiempo, se enfrentan a una serie de nuevos desafíos importantes. La competencia global cada vez mayor exige una innovación rápida, eficiente y orientada al mercado. Los procesos industriales son fundamentales para las nuevas "economías circulares" que deben construirse, y esto requiere niveles sin precedentes de vinculación con los operadores aguas arriba y los usuarios aguas abajo. Las industrias necesitan formular materiales innovadores, para la funcionalidad y el rendimiento del ciclo de vida, y nuevos enfoques para el diseño ecológico y el uso de materiales, así como modelos de negocio revisados ​​que reflejen el servicio en lugar del mero consumo de material. Y para seguir siendo competitivo, todo esto requiere la transformación de las plantas de proceso en unidades totalmente optimizadas, inteligentes, innovadoras y seguras que estén totalmente integradas en su entorno.

En el mundo moderno, las respuestas a estos desafíos estarán necesariamente basadas en datos. Los procesos industriales no carecen de datos, pero surgen problemas. Físicamente, las plantas de proceso, que durante mucho tiempo han estado altamente automatizadas, tienen miles, incluso decenas de miles, de sensores y otros puntos de datos: no es posible que las personas, sin ayuda, comprendan completamente las implicaciones de la información disponible. Las industrias tienen un corpus vasto y en constante expansión de conocimiento estructurado en patentes y otra literatura científica, pero una escasez de habilidades de "ciencia básica" para dominar esta base de conocimiento. La automatización también ha deteriorado el "saber hacer" individual y colectivo, así como la comprensión intuitiva y pragmática de los procesos, equipos y materiales.

La Inteligencia Artificial y el Big Data (IA&BD), en todas sus formas (incluyendo, por ejemplo, el aprendizaje automático, el razonamiento, el análisis predictivo, la 'visión' computarizada y de otros sentidos, el procesamiento del lenguaje natural) debe ofrecer soluciones a estos desafíos a través de su capacidad para recopilar y analizar datos y otras observaciones y tomar decisiones o llevar a cabo acciones más allá de las respuestas específicamente programadas.

Hay muchos ejemplos de cómo las tecnologías basadas en Inteligencia Artificial y Big Data se han aplicado con éxito, en el ámbito de las operaciones, en desarrollo de productos, en control de procesos y en otros lugares…

• La automatización impulsada por la IA se utiliza en la cosecha de manzanas, lo que aumenta la eficiencia y resuelve problemas laborales en una tarea físicamente exigente.
• La Inteligencia Artificial se utiliza en ventas para identificar y priorizar clientes potenciales con mayor probabilidad de conversión en ventas.
• En la industria de la moda, se pueden proponer "personalizaciones" de colores, patrones y estilos en el diseño de nuevos productos, utilizando la IA para analizar los gustos de los clientes y los comportamientos de compra. Del mismo modo, el aprendizaje automático permite el suministro de productos cosméticos personalizados, basados ​​en fotografías de clientes y tonos de piel, en tan solo tres días.
• Los componentes ligeros de aeronaves, como las particiones, se han desarrollado utilizando "aprendizaje por refuerzo" basado en patrones que se encuentran en la naturaleza.
• La Inteligencia Artificial se utiliza en el control de compras y de inventario para identificar, por un lado, piezas obsoletas y, por otro, piezas en riesgo de escasez de suministro, lo que lleva a niveles más bajos de inventario, pérdidas por desguace y costes por interrupciones.
• Se monitoriza el riesgo de fallos a corto plazo en las turbinas eólicas, se mejoran los regímenes de mantenimiento y se asegura un mayor tiempo de actividad mediante el aprendizaje automático.
• El aprendizaje automático también se utiliza para predecir la demanda y los precios de la chatarra y del acero acabado, lo que mejora la rentabilidad.
• Las campañas de eficiencia energética están dirigidas a los hogares mediante el análisis de datos, realizando previsiones demográficas y meteorológicas mediante el aprendizaje automático.

Aplicaciones como estas, en procesos industriales o en otras situaciones con desafíos análogos a los que se enfrenta el procesamiento, se están desarrollando muy rápido, pero SPIRE sostiene que la industria manufacturera europea está rezagada en el desarrollo e implementación de tecnologías IA&BD, tanto a nivel general como a nivel de sectores y actividades específicas.

Los proyectos anteriores de SPIRE financiados por Horizonte 2020 (en algunos de los cuales ha participado ZLC) se han centrado en áreas como el control avanzado de procesos y la programación, el diseño de procesos y catalizadores, y las plataformas digitales para la simbiosis industrial, pero el consorcio cree que se necesitan avances más significativos. SPIRE tiene como objetivo contribuir a la estrategia de la UE sobre la IA, así como a los propios objetivos de los procesos industriales, desarrollando la capacidad de identificar objetivos para la IA en función de las realidades de los procesos industriales, y colaborar con asociaciones digitales relevantes para desarrollar conjuntamente soluciones que tengan el máximo impacto positivo para la sociedad. El proyecto AI-CUBE tiene como objetivo ofrecer la comprensión y el conocimiento necesario.

El producto principal, el propio AI-CUBE, es de concepto simple: una matriz conceptual tridimensional cuyos tres ejes son las diversas tecnologías de Inteligencia Artificial y Big Data (AI&BD), los diferentes sectores industriales o usuarios, y las áreas de aplicación, actividades y procesos. Esto revelará dónde y cómo se está utilizando con éxito la IA y, de forma predeterminada, dónde existen deficiencias, ya sea en las tecnologías disponibles en sí mismas o en su adopción e implementación por sectores particulares o en áreas de proceso específicas. Eso generará una hoja de ruta y pautas para un mayor desarrollo, transferencia y uso de IA / BD en los procesos industriales.

Esto es simple en concepto, pero será muy complejo en la práctica. Los socios del proyecto deberán desarrollar una taxonomía sólida para clasificar las tecnologías y profundizar en los procesos; una característica de las tecnologías de Inteligencia Artificial es que no son necesariamente lo que parecen ser en un primer momento, y estas tecnologías tienen finas diferencias que suponen grandes implicaciones. Tendremos que examinar la bibliografía, incluidos, por supuesto, los proyectos europeos anteriores, para identificar y categorizar todas las tecnologías y llegar a una "tecnología de vanguardia". (También sospechamos que hay una gran cantidad de investigación relevante "por ahí" que la industria desconoce por completo).

Una vez que tengamos una taxonomía, podremos comenzar a consultar a la industria: entrevistas, seminarios web y talleres cara a cara (en caso de estar permitidos). Trabajaremos en estrecha colaboración con las asociaciones miembro de SPIRE para desarrollar el proceso de participación de las partes interesadas e identificar las industrias y los contactos más dispuestos y capaces de impulsar el trabajo. Afortunadamente, ya existe una rica base de contactos de proyectos anteriores como INSPIRE. Necesitamos lograr una representación intersectorial integral, pero sin tener un número incontrolable de participantes.

Queremos definir "niveles de madurez" para la adopción y utilizar esto para explorar el porqué, por ejemplo, un sector en particular puede estar muy avanzado en el uso de una tecnología para un conjunto de situaciones, pero no puede explotar tecnologías comparables en otros lugares. Esto debería sugerir metodologías para promover la transferencia de tecnología. También necesitamos evaluar el impacto que está teniendo la IA y el BD en la cadena de valor, en las operaciones de las plantas y quizás más particularmente el impacto en las operaciones humanas, ya que, si bien por un lado existen temores comprensibles de pérdida de empleos, por el otro exista una escasez de las habilidades humanas necesarias para trabajar con éxito con la IA.

Al mapear las tecnologías e implementaciones, alimentando AI-CUBE, podemos identificar los vacíos en la investigación, el desarrollo y la implementación, y comenzar a desarrollar pautas para llenar esos huecos, dirigidas a la industria, a los investigadores y a los formuladores de políticas para que todos puedan trabajar juntos.

Finalmente, en un paquete de trabajo que liderará ZLC, definiremos una hoja de ruta para crear sinergias entre industrias/sectores que aumentarán la adopción, y desarrollaremos casos de estudio, configuraciones de cadenas de valor y modelos de negocios (actuales si es posible, nuevos si es necesario).

También necesitaremos desarrollar herramientas para el análisis de costes y beneficios, teniendo en cuenta que potencialmente estamos hablando de inversiones muy grandes que no necesariamente pueden llevarse a cabo de manera incremental. Pero también debemos tener en cuenta a las PYMEs, que son un componente importante en el panorama de los procesos industriales; potencialmente, estas pueden innovar al ritmo, pero no si están excluidas del proceso. Utilizaremos un análisis de criterios múltiples de múltiples actores y validaremos nuestros hallazgos y productos a través de juegos de simulación y enfoques similares.

Los entregables pueden ser engañosamente simples, pero este es un proyecto complejo y multifacético. Afortunadamente, con SPIRE como "cliente", estamos seguros de que contaremos con el apoyo incondicional de la industria manufacturera europea.

Para más información, enviar un email amartinez@zlc.edu.es