Hay una empresa del sector agroindustrial, cuyo nombre debo reservarme, que ha sido pionera en la incorporación de tecnologías emergentes de industria 4.0 para digitalizar y optimizar sus procesos. Desde que comenzó a incursionar en la industria 4.0 —hace dos años y medio aproximadamente— hasta la fecha, ha avanzado de forma acelerada en su madurez digital y, al día de hoy, ya ha implementado varios gemelos digitales —que combinan IoT con machine learning— para predecir potenciales desviaciones de calidad en algunos de sus principales productos, reducir los defectos y, en consecuencia, evitar penalizaciones por parte de sus clientes. Se trata de soluciones que tienen un gran impacto económico.
La clave para acelerar su madurez digital en industria 4.0 fue que, cuando buscó implementar soluciones de IoT e IA para resolver sus problemas de calidad, la empresa ya tenía cerca de dos años almacenando los datos digitales de sus principales equipos y PLC.
Quizá el personal operativo nunca imaginó que estos servirían para crear un gemelo digital de su línea de producción en el futuro, pero es un hecho innegable que toda la información almacenada de las variables críticas redujo el tiempo de implementación y, en consecuencia, el costo del proyecto.
Con toda esa información disponible, el equipo de ciencia de datos hizo un proceso de análisis y limpieza de las variables más importantes para crear el caso de uso orientado a predecir desviaciones de calidad.
Esta es una sentencia que debe quedar clara: invertir en almacenar datos digitales tiene un retorno de inversión (ROI) de largo plazo que es difícil de medir, pero ofrece beneficios económicos y operativos. Por ello, lo recomendable es desarrollar una estrategia integral de datos que considere los siguientes aspectos:
1. Procesos. Es muy importante establecer las mejoras prácticas para crear la estructura de procesos en cada área, determinando las variables e información clave que ciertos roles estarán midiendo.
2. Indicadores Clave de Desempeño (KPI). Si estás buscando crear una estrategia de datos, es porque mides muchos de esos KPI de forma manual, de forma poco oportuna e imprecisa. Por ello, una vez que mapeas los procesos clave, lo siguiente es buscar las mejores opciones para automatizar —si es el caso— y digitalizar para monitorear lo que sucede en tiempo real.
3. Infraestructura y governance. El paso siguiente es invertir en toda la infraestructura OT/IT que te permita almacenar esos datos y acceder a ellos en el momento oportuno; a la par de ellos, debes tener lista la estrategia de governance para saber claramente quién es el dueño del proceso y de los datos, así como determinar al responsable que puede acceder a ellos y modificarlos, si es el caso.
4. Analítica. Con todo lo anterior estarás en posibilidad de crear una estrategia de analítica de datos para saber qué casos de uso puedes desarrollar, pues en este momento puedes explotarlos, sacarles provecho y buscar rendimientos para tu negocio.
Quizá esta estrategia te parezca laboriosa, pero cuando usas esos datos para hacer análisis causa-raíz, verás tendencias y patrones que te darán muchos insights para ejecutar optimizaciones en procesos o resolver problemas de mantenimiento, producción, calidad, cadena de suministro, o prácticamente en cualquier área de la empresa. En este punto, el horizonte de soluciones es amplio y los beneficios son inminentes.
