La fragmentación de los datos industriales representa uno de los principales obstáculos para escalar la inteligencia artificial (IA) entre distintas plantas manufactureras. Aunque una aplicación demuestre resultados positivos en una operación, replicarla puede requerir nuevas integraciones, ajustes técnicos y trabajo de ingeniería que elevan los costos de cada implementación.
De acuerdo con AVEVA, compañía especializada en software industrial, el reto consiste en conectar información procedente de sistemas distintos y conservar un significado consistente para los equipos, procesos y variables que describen. Sin esta base, los proyectos de IA pueden quedarse en pruebas piloto y no convertirse en soluciones reutilizables para distintas instalaciones.
“La verdadera escalabilidad significa dos cosas: que el costo incremental por planta disminuya y que el beneficio incremental por planta aumente. Si cada instalación requiere su propia implementación de IA a medida, nunca se llega a ese punto”, explicó Sree Hameed, estratega de la industria de manufactura inteligente de AVEVA.
La fragmentación de datos industriales dificulta escalar la inteligencia artificial
En una operación industrial, un mismo equipo puede aparecer con nombres, abreviaturas o identificadores diferentes en los registros de distintas plantas. Estas variaciones dificultan relacionar los datos industriales y trasladar aplicaciones digitales de una instalación a otra.
La situación se complica por la convivencia de sistemas de planificación de recursos empresariales (ERP), control de procesos, ejecución de manufactura y mantenimiento que fueron incorporados en diferentes momentos y utilizan estructuras de información propias.
Para AVEVA, la solución no pasa necesariamente por reemplazar toda esa infraestructura industrial, sino por conectar los sistemas existentes para que sus datos puedan interpretarse de manera consistente.
La compañía también advierte sobre el riesgo de crear plataformas de información aisladas exclusivamente para proyectos de IA. Una arquitectura de datos compartida puede aprovecharse en distintas funciones, desde el análisis de procesos hasta la gestión de la producción, y evitar que cada iniciativa requiera repetir el trabajo de integración.
Syensqo reduce de 26 a cinco semanas la implementación de soluciones digitales
El caso de Syensqo, empresa de materiales, muestra los resultados que puede generar una estrategia enfocada en reutilizar información industrial. La compañía buscaba extender aplicaciones digitales entre las 30 plantas de su división de polímeros, con capacidad para adaptarlas a las necesidades de cada instalación.
Al estructurar sus datos industriales para facilitar la transferencia de soluciones, Syensqo multiplicó por cuatro la velocidad de replicación entre plantas. En uno de los casos reportados, el tiempo para implementar una aplicación de seguimiento de la eficiencia global de los equipos (OEE, por sus siglas en inglés) pasó de 26 a cinco semanas.
La experiencia ilustra cómo una base de datos organizada permite reducir el trabajo técnico que debe repetirse en cada despliegue. Para la inteligencia artificial industrial, este enfoque puede facilitar que los resultados obtenidos en una planta se aprovechen en otras operaciones sin reconstruir cada solución digital desde cero.
AVEVA recomienda que las empresas identifiquen primero qué indicador operativo buscan mejorar, ya sea la calidad, los tiempos de entrega o la capacidad de producción. A partir de esa necesidad, deben determinar qué información requieren, dónde se genera y qué sistemas necesitan conectar.
La preparación también depende del uso previsto. Una compañía puede contar con registros detallados de materias primas, pero tener información incompleta sobre sus equipos industriales. De igual forma, los proyectos de sostenibilidad necesitan mediciones consistentes de los recursos que buscan optimizar.
En estos casos, la inteligencia artificial no sustituye los datos faltantes ni corrige automáticamente las deficiencias en su recopilación.
“Los pilotos pueden demostrar que la IA funciona. El impacto en toda la empresa llega cuando se consigue que funcione una y otra vez, con un menor costo incremental y un mayor beneficio incremental en cada ocasión”, afirmó Hameed, estratega de manufactura inteligente de AVEVA.
Para las empresas manufactureras, el desafío es combinar pruebas controladas con una estrategia que permita replicar las soluciones y evaluar sus resultados en diferentes instalaciones. La conexión y estandarización de los datos puede reducir los tiempos de implementación y facilitar que los aprendizajes de un proyecto se aprovechen en el resto de la operación industrial.