Equipos y soluciones
IA industrial: cómo extender soluciones digitales entre plantas
La fragmentación de los datos y la diversidad de sistemas tecnológicos dificultan la expansión de aplicaciones de inteligencia artificial en la industria.
Publicado
Una solución de inteligencia artificial puede funcionar correctamente en una planta y enfrentar dificultades al trasladarse a otra. Las diferencias entre sistemas, registros y estructuras de información obligan a realizar nuevas integraciones y ajustes de ingeniería, lo que eleva los costos y retrasa su implementación a escala corporativa.
Para Sree Hameed, estratega de la industria de manufactura inteligente de AVEVA, la principal barrera está en la fragmentación de los datos industriales. Una misma máquina puede aparecer con nombres, abreviaturas o códigos distintos en las bases de datos de cada instalación. A esto se suma la coexistencia de plataformas de planificación, control de procesos, mantenimiento y gestión empresarial que utilizan formatos diferentes. “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”, explica.
La propuesta de AVEVA no apunta a reemplazar los sistemas existentes, sino a conectar sus registros para que puedan interpretarse de manera consistente. La compañía también advierte que crear una plataforma de datos exclusiva para inteligencia artificial puede sumar otra capa de aislamiento. Una arquitectura integrada, en cambio, permite utilizar la información en aplicaciones de análisis de procesos, gestión de producción y otras funciones operativas.
La experiencia de Syensqo, compañía del sector de materiales, ilustra el impacto de este enfoque. La empresa buscaba extender aplicaciones digitales entre las 30 plantas de su división de polímeros, manteniendo la flexibilidad para responder a las necesidades particulares de cada instalación. Tras estructurar su información industrial para facilitar la transferencia de soluciones, multiplicó por cuatro la velocidad de replicación entre plantas.
Uno de los resultados se registró en una aplicación de seguimiento de la eficiencia global de los equipos (OEE, por sus siglas en inglés). El tiempo requerido para replicarla disminuyó de 26 a cinco semanas. La reducción muestra cómo una base de información preparada para distintos usos puede evitar que cada implementación comience desde cero.
AVEVA recomienda que las empresas identifiquen primero el proceso o indicador que buscan mejorar, como la calidad, los plazos de entrega o la capacidad productiva. Luego deben determinar qué información requiere esa aplicación y dónde se encuentra disponible. La preparación de los datos depende del objetivo: una planta puede contar con registros detallados de materias primas y, al mismo tiempo, presentar vacíos en la información de sus equipos. La inteligencia artificial no puede sustituir esos antecedentes.
“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”, señala Hameed. El paso desde una prueba acotada hacia una implementación corporativa exige, por tanto, evaluar los resultados y resolver las condiciones técnicas que permitan trasladar la aplicación a otras instalaciones.
