Una vía para la Inteligencia Artificial en procesos industriales

Por Dra. Alicia Martinez de Yuso, ZLC Project Manager.

Read English version

Los sectores de la industria de procesos (transformación de materias primas)  en Europa están rezagados, si los comparamos con los niveles de fabricación de la industria de fabricación (producción) y la industria y el comercio en general, en lo que respecta a la adopción de desarrollos potencialmente revolucionarios en las tecnologías de Inteligencia Artificial, Aprendizaje Automático y Big Data. Esta fue la conclusión a la que llegó, hace un par de años, SPIRE (Industria de Procesos Sostenibles a través de la Eficiencia Energética y de Recursos), la asociación público-privada que reúne a los principales sectores de procesos europeos, agua, metales no ferrosos, cemento, minerales, cerámica, pulpa y papel, química, refinerías, ingeniería y acero.

Eso es particularmente sorprendente dado que la industria de procesos tiende a ser especialmente rica en datos, las relaciones aguas arriba y aguas abajo de su cadena de suministro son complejas y están centradas en la búsqueda de un mejor uso de la energía y de los recursos en una economía circular. SPIRE convenció al programa Horizonte 2020 de la Comisión Europea para financiar un proyecto de dos años, 'AI-CUBE', en el que Zaragoza Logistics Center ha jugado un papel determinante, para examinar el problema y cómo resolverlo. El proyecto acaba de presentar un completo documento en forma de guía, y creemos que su lectura es esencial para cualquier organización de la industria de procesos considerando el avance de las técnicas digitales avanzadas y cómo los modelos comerciales pueden garantizar su continuidad, competitividad, rentabilidad y contribución a un futuro mejor.

El documento se divide en seis bloques. El primero analiza el estado actual del arte en la industria de procesos, basado en un extenso análisis de literatura académica, industrial y comercial, además de la información de una encuesta en profundidad realizada a más de 100 expertos, tanto usuarios como proveedores de soluciones AI-BD, que arrojó más de 50 casos de usos concretos. El concepto de Cubo en sí mismo se refiere a una visualización triaxial de la situación: los diversos sectores de la industria de procesos, las diferentes tecnologías que están disponibles y las áreas de proceso específicas en las que se aplican (o no). La visualización que aquí se genera revela picos donde la adopción está relativamente avanzada y valles donde la adopción está más atrasada. Por aplicación, las tecnologías AI-BD están más avanzadas, quizás como era de esperar, en control y optimización de procesos, y también en I+D y en mantenimiento predictivo. Por el contrario, el claro potencial en áreas como la gestión de la cadena de suministro, la personalización de productos, la innovación y el análisis de mercado parece estar todavía por desarrollar.

En la segunda parte, esta instantánea se mejora a través de un Análisis del Nivel de Madurez desarrollado a través de una encuesta on line. Este modelo analiza cinco dimensiones clave que influyen en la capacidad de una organización para adoptar con éxito tecnologías AI-BD: estrategia, organización, personas, tecnología y datos, en cuatro niveles, desde el nivel 1 (poca o ninguna adopción o conocimiento del tema) hasta el nivel 4 (adopción y optimización plenas, empresas que defienden prácticas bien establecidas y reconocidas como importantes). La Guía de AI-CUBE ofrece un marco en el que las empresas pueden trabajar para evaluar sus niveles de madurez y, por lo tanto, ver dónde se encuentran las posibles barreras para la mejora.

Los caminos y las barreras para una implementación exitosa forman la sección tres de esta guía. Validado con nuestros contactos de la industria, permite a las empresas evaluar dónde se encuentran las barreras (dentro de la empresa específica o más ampliamente en la industria) y lleva a los lectores a caminos, estrategias y orientación sobre qué hacer al respecto. Los factores habilitadores o las barreras se dividen en tres categorías amplias: aquellos relacionados con el ser humano, con la tecnología y datos, y con la empresa y la estrategia.

La implementación de AI-BD, por supuesto, implica decisiones de inversión comercial, por lo que la sección cuatro examina la propuesta de valor, basada en casi 300 documentos recientes de la literatura científica y técnica. Esta sección permite a los lectores considerar un área objetivo para la mejora (ahorro de energía, por ejemplo) y ver qué soluciones de AI-BD se consideran relevantes o cuáles hacen la mayor contribución, dentro del propio sector de la empresa o en las industrias de procesos en general. (Esto también revela sectores y problemas para los cuales hay poca o ninguna evidencia de implementaciones exitosas, lo que sugiere áreas donde la transferencia de conocimiento de un sector a otro puede ser muy deseable).

Si la empresa ha identificado sus objetivos, las barreras a las que se enfrenta y la propuesta de valor para la adopción de AI-BD, ¿cómo afecta o debería afectar esto a los modelos de negocio de la organización? Este es el tema de la sección cinco, que guía a los lectores a través de los modelos de negocio que tenderán a maximizar los beneficios o realizar la propuesta de valor. La sección identifica once tendencias actuales que se pueden agrupar en siete modelos de negocio impulsados por AI-BD. (Por encima de estos se puede discernir una tendencia general o megatendencia, la hiperconectividad, que se refiere a la creación de cadenas de suministro ágiles y dinámicas que se adaptan a los cambios en la demanda a través de una planificación y ejecución perfectamente integradas). Los diferentes modelos pueden superponerse, pero abordan prioridades particulares. Para un impacto ambiental máximo, por ejemplo, se puede preferir un modelo de negocio de Sostenibilidad, Circular o de Simbiosis colaborativa (todos estos términos están bien explicados en el documento). Existe un modelo ‘Humanos primero’ (Human First), donde los impactos humanos son la principal preocupación. Para un impacto operativo y logístico máximo, puede ser apropiado un modelo Proactivo y Predictivo o de Uso de Datos/Control y Calidad para las cadenas de suministro. O donde las consideraciones comerciales son la principal preocupación, existe el modelo ‘AI-como-servicio’ (AI-As-A-Service). La guía introduce un enfoque para aplicar un Análisis de Costes y Beneficios que puede identificar los beneficios, los generadores de valor y los costes: tangibles, intangibles e implícitos, así como los posibles costes de riesgo, tanto a corto como a largo plazo.

La sección final de la guía mira hacia el futuro. Es inevitablemente bastante más especulativo, pero pretende ser una base para discusiones que van a ser cada vez más importantes. En la matriz de 2x2 del futuro de las tecnologías AI-BD, un eje muestra el grado de implementación, desde la aplicación global en toda la organización o sector, hasta un enfoque fragmentado y basado en silos. El otro eje es más social que técnico: ¿la implementación adoptará un enfoque totalmente responsable de los posibles impactos en la fuerza laboral y en la sociedad en general, o habrá una implementación sin restricciones y sin reparos sobre los efectos en las personas? Ninguno de los cuatro ‘escenarios futuros’ está libre de problemas potenciales, ya sea un modelo 'libre de humanos' donde la IA reemplaza y devalúa implacablemente a las personas, o un modelo insostenible (comercial y ambientalmente) de negocios al estilo usual, de aplicaciones limitadas y fragmentadas. Nuestros expertos están de acuerdo en que, probablemente, todas las opciones se manifestarán en diferentes momentos y lugares: si un modelo se vuelve dominante, la manera de enfrentarnos a él depende de las decisiones que estemos tomando y de las reflexiones que deberíamos plantear en este momento.

Las pautas que proporciona el informe de AI-CUBE cubren mucho terreno y son una lectura esencial para estrategas y técnicos de la industria de procesos. Se pueden descargar en la página web del proyecto, en este enlace https://www.ai-cube.eu/news/ai-cube-guidelines-ebook/.

Para más información contacte a Dra. Alicia Martinez de Yuso, en [email protected].