Corremos el riesgo de dejarnos llevar por tendencias que desinflen las expectativas de la IA

¿Es la Inteligencia Artificial (IA) algo nuevo en la industria? Las técnicas, en general, no son nuevas. Lo que pretendemos con la IA es que las computadoras aprendan, es decir, sean capaces de desarrollar una tarea a partir de ejemplos en los que la tarea se muestra resuelta. Alguno de los campos que agrupa la IA, como la estadística o las matemáticas, están muy extendidas en la industria. Otros, como Aprendizaje Máquina (Machine Learning) o Profundo (Deep Learning), quizá no lo estaban y se están generalizando. Lo que ha cambiado es la accesibilidad a grandes volúmenes de datos, nuevos y/o existentes, y las arquitecturas para procesado y soporte a la toma de decisión casi en tiempo real que las habilitan.

¿Qué aplicaciones o casos de uso son los más habituales en la industria?

Mantenimiento 'just-in-time', eliminación de paradas no programadas y defectos de fabricación. Son aplicaciones donde hay un conocimiento experto muy extenso y se persigue que las técnicas de Machine Learning ayuden a identificar los problemas no conocidos. En función del conocimiento ya formalizado que tengamos del pasado, y la capacidad de emplear o integrar conocimiento experto normalizado, el poder responder a una pregunta predictiva será un reto de una complejidad diferente. La IA no es magia, y solo puede predecir las cosas después de que hayan ocurrido.

¿Qué casos de uso podemos prever a futuro?

A corto plazo, para predecir la aparición de fallos y provocar alertas para lanzar rutinas de mantenimiento y mejorar los flujos de trabajo, como herramienta para mejorar y capturar el conocimiento experto evitando su pérdida. A medio plazo, para agilizar la toma de decisiones de negocio para aprovechar oportunidades que el mercado pueda proponer, demandas más cortas/personalizadas, enfrentar el reto de la sostenibilidad y agregar datos de diferentes campos de aplicación para complementar los PLM. A más largo plazo, quizá extender este concepto a toda la cadena de suministro, incluido proveedores y clientes.

¿Qué tipo de IA incorporan sus productos orientados exclusivamente al desarrollo de aplicaciones en plantas industriales?

Principalmente estadística, matemática y Machine Learning. Nuestros productos, como tecnología y demanda de clientes, están en continua adaptación. Gemelo digital, para el diseño básico y optimización de proceso hibridando modelos teóricos y basados en datos, planificación en tiempo real agregando datos de proceso y salud de los activos..., son algunos ejemplos. Pero corremos el riesgo de, teniendo un martillo en la mano, ver clavos por todas partes. Muchas de las soluciones con reglas, estadística o matemáticas solucionan un elevado porcentaje de los retos de nuestros clientes. Por eso nos centramos en entender cuáles son sus desafíos y necesidades para elegir la solución más efectiva. Estamos corriendo el riesgo de dejarnos llevar por tendencias que desinflen las expectativas sobre la IA en cuanto a su eficiencia.