Reflexiones sobre conectividad para talleres y fabricantes de máquinas-herramienta

Para Robert Feldmann, los proveedores de máquinas-herramienta que solo producen hardware no van a sobrevivir en el futuro. Si bien en su presentación “El futuro de la conectividad” se habló de la nube, de las aplicaciones disponibles y del análisis de datos, el mensaje más contundente de Feldmann se centró en el factor humano y en la necesidad que tienen los talleres metalmecánicos y los proveedores de maquinaria de enfocarse en quiénes operan los equipos y en cómo facilitar su trabajo.

Feldmann inició su plática señalando en dónde estamos hoy en términos de Industria 4.0 y qué nos depara el futuro. Para el ejecutivo, la fase de invención y pruebas, que se desarrolló entre 2011 y 2020, está prácticamente agotada, por lo que ya es el momento de poner estos conceptos aprendidos en práctica y escalarlos.

La segunda etapa, que comprende la década en la que vivimos, es la de la consolidación. En ella entran en juego los paquetes, herramientas y soluciones estandarizadas; los datos en el centro de todo; la seguridad cibernética; las plataformas de alto rendimiento y API; las soluciones orientadas geográficamente; la integración OT-IT (la convergencia de OT-IT es la integración de sistemas de tecnología de la información [IT] con tecnología operativa [OT]), y una inteligencia artificial más robusta.

La última etapa es la de la adopción global al 100 % y aquí es visible una fácil interoperabilidad de los sistemas, los estándares y aplicaciones comunes y las recompensas en términos económicos para quienes le apostaron al cambio.

En todo lo anterior, los datos desempeñan un papel protagónico y, en este sentido, es necesario pensar en un “banco suizo” para almacenarlos y salvaguardarlos. Feldmann asegura que para pasar de la simple captura de datos a la adopción de la Industria 4.0 en un 100 % se requieren 11 pasos:

Etapa de habilitación

1. Conectividad tanto de equipos heredados como de sistemas OT (la tecnología operativa [OT] es hardware y software que detecta o provoca un cambio, a través del monitoreo o control directo de equipos, activos, procesos y eventos industriales).
2. Estado de datos sin procesar: recopilación de datos sin procesar y migración a la nube.
3. Estado de datos refinado: contextualización, limpieza, estructuración de datos brutos.

Etapa de creación

4. Visibilidad operativa: información y perspectiva desde lo que dicen los datos.
5. Operaciones predictivas: resultados de los datos.
6. Operaciones prescriptivas: instrucciones a partir de datos.
7. Operaciones autónomas: acciones a partir de datos.

Etapa de escalamiento

8. Herramientas que no requieren codificación para usuarios finales.
9. Plantillas de modelos para la adaptación.
10. Aprendizajes e instrucciones relacionados.
11. Espacio de trabajo de mantenimiento de modelos.

“Todo esto debe estar respaldado por la gestión del conocimiento. Se necesitarán herramientas de mantenimiento. Es aceptable que los trabajos de mantenimiento en una máquina demoren tres minutos o media hora, pero no es aceptable tener que esperar seis meses a que el departamento de tecnología procese los datos que les enviamos. La gente ya no aceptará eso y el análisis de datos tendrá que ser tan conveniente y rápido como lo es el mantenimiento de los equipos en el taller”, subrayó Feldmann.

En este punto recordó que el mundo real es híbrido y requiere tanto soluciones Edge (dispositivos IoT o hardware que procesan los datos de manera local) como en la nube. En el primer caso, el foco está en el procesamiento de datos y en desarrollar “cerebros” locales para optimizar las operaciones en el sitio y en el valor que aporta la inteligencia artificial en este proceso. En el segundo caso, el interés está en el análisis de los datos, en los reportes, en la planeación y en el valor del Big Data.

“Sin embargo, cuando se trata de su máquina en el taller, siempre que desee hacer alguna optimización, más bien hablará de los productos Edge, en los que la potencia informática de la computadora se lleva a cabo en el sitio. Ahora, las computadoras en el taller son muy novedosas. Lo nuevo es que los dispositivos Edge se conectan a la nube y allí usted crea una interfaz de aplicación uniforme para que sea más fácil trabajar con todos los recursos que necesita y estos se combinen y trabajen juntos”, explica Feldmann.

Al mismo tiempo, se requiere que el sistema sea abierto. Para Feldmann, las arquitecturas abiertas y los modelos de datos comunes posibilitan las interacciones controladas entre las distintas partes que componen un ecosistema y facilitan que los datos puedan ser procesados eficiente y efectivamente.

El valor de las aplicaciones

En Microsoft, las aplicaciones basadas en datos se dividen en cinco enfoques: transformar la fuerza de trabajo, involucrar a los clientes de nuevas maneras, construir fábricas más ágiles, crear cadenas de suministro más resilientes, y desbloquear innovación y nuevos servicios.

“Hablamos mucho de máquinas y muy poco sobre los seres humanos, los operadores, los ingenieros. Ellos son los responsables de operar las fábricas y los que piensan en los enfoques de producción. Estas personas necesitan apoyo. Necesitan beneficiarse de la asistencia de las máquinas y las aplicaciones”, comentó Feldmann.

Para explicar esta idea, el directivo tomó como ejemplo la Fórmula 1, en donde la combinación de hombre y máquina lleva a tener un ganador.

“¿Qué significa esto para el taller? Bueno, se trata de trabajo por turnos. ¿Por qué un operador A del turno uno es mucho mejor y más rentable que un operador B del turno dos? Ambos han sido capacitados y tienen las condiciones. Lo que falla es que no le damos a la gente mecanismos de retroalimentación. ¿Soy bueno? ¿Qué debo mejorar en mi desempeño? La gente apenas recibe instrucciones o comentarios en estos días, lo que sigue siendo un gran problema”, asegura Feldmann.

Para solucionarlo, Feldmann sugiere trasladar algunos de los avances realizados en el sector de consumo, en el que hay un número de dispositivos Edge que reciben información, como el estado del tráfico, y luego envían un plan de navegación para el conductor, ajustado al tiempo real. En el taller metalmecánico, el operador de la máquina debería recibir la misma retroalimentación y, con base en los datos que está entregando el equipo, ser guiado para optimizar sus funciones en el proceso.

¿Cómo los operadores de maquinaria costosa en plantas y fábricas están detrás de los consumidores en términos de apoyo y conveniencia?

En este escenario las aplicaciones inteligentes son determinantes, más aún cuando están en línea con las necesidades de los diferentes tipos de producción:

• Asset Intense Production (AIP): optimice la “conducción” por parte de operadores humanos, maximice las ganancias por hora, minimice el impacto ambiental y garantice niveles altos de seguridad. Este es un tipo de producción altamente conectada mediante sistemas de control remoto en el que no hay que hablar mucho de gemelos digitales porque ya están integrados.
• Machinery Intense Production (MIP): virtualice y optimice todo el sistema de producción de las islas hombre-máquina en un taller.
• People Intense Production (PIP): optimice la productividad del trabajo humano y asegure la disponibilidad del parque de máquinas.

En términos de aplicaciones, estas se dividen en cuatro categorías dependiendo de su uso final y de sus requerimientos de producción:

1. Visibilidad operativa (conocimientos a partir de datos): ofrecen información de valor agregado, personalizada y oportuna. Son una fuente única de datos reales en vivo para tomar decisiones humanas más inteligentes.
2. Operaciones predictivas (resultados de los datos): aquí se agregan matemáticas para brindar predicciones de lo que es probable que suceda. Ofrecen activación de alarmas y acciones para intervenciones humanas más inteligentes.
3. Operaciones prescriptivas (AI): instrucciones concisas y oportunas a los operadores para que realicen ajustes. Decisiones basadas en consejos que conducen a un mejor desempeño. Para Feldmann, este tipo de aplicaciones no se han implementado completamente en el taller a pesar de su enorme potencial.
4. Operaciones autónomas (IA): “Cerebro de IA” conectado externamente en circuito cerrado, decisiones más inteligentes automatizadas. Opciones de “Piloto automático” o “control de crucero” para operaciones y función objetivo determinada.

“Las operaciones autónomas son algo a lo que la gente todavía le tiene miedo, pero permítanme recordar que ya tenemos aviones operando con piloto automático desde hace muchos años. La complejidad de las operaciones autónomas es mucho menor en comparación con la conducción autónoma, por ejemplo, porque las máquinas son estacionarias mientras que los automóviles tienden a estar en movimiento”, indicó el directivo de Microsoft.

Para concluir su intervención sobre aplicaciones, Feldmann reiteró que estas también deben tener en cuenta a los seres humanos. Para el experto, la convergencia OT-IT solo será un éxito si considera a las personas que tienen conocimientos en ingeniería, en matemáticas, analítica, informática e ingeniería de procesos.

“Este tipo de gente necesita estar unida en equipos y aquí estoy viendo un gran déficit. Todos hablamos sobre el tipo de habilidades que necesitamos, pero muy a menudo estamos mal organizados en silos organizacionales, todos trabajan en su departamento respectivo. Las personas no se hablan entre sí. Por eso se requieren nuevas formas organizativas. De lo contrario, nunca podremos llegar a las conversiones de OT-IT”, afirmó.

El rol de los fabricantes de maquinaria

Los talleres que compran máquinas-herramienta se enfocan en los indicadores de Efectividad Total de los Equipos (OEE por su sigla en inglés) para reducir pérdidas de tiempo y calidad, y aumentar el rendimiento.

¿Qué tal sería conocer y mejorar la OEE en tiempo real? Para Feldmann, se trata de una tarea muy compleja que se debe ejecutar en tiempo real y es aquí donde la inteligencia artificial y el software pueden ayudar a marcar una gran diferencia.

“Tenemos muchas máquinas heredadas en funcionamiento. Hay una gran oportunidad para que los fabricantes de maquinaria equipen estas máquinas existentes con cerebros inteligentes, por así decirlo, no importa si las máquinas tienen diez años, aún pueden actualizarlas para aumentar su rendimiento”, señala el experto.

Feldmann mencionó que los fabricantes de máquinas son parte de un sistema integrado, necesitan encajar en él, y allí ve otra oportunidad. El nuevo ecosistema está conformado por el proveedor de infraestructura para la interconexión de datos y aplicaciones, los proveedores de sistemas de automatización y software, los fabricantes de máquinas-herramienta, y los talleres mismos.

“Ahora usted también debe pensar en el software. A lo mejor quiera desarrollar su propio software para sus máquinas o asociarse con los proveedores de software que pueden crear estas soluciones de inteligencia artificial. Lo importante es trabajar en una arquitectura abierta. Entonces, usted compra las máquinas de un determinado proveedor, el software lo pondría otro proveedor, la gente incluso podría optar por construir sus aplicaciones internamente, pero todo tiene que ser perfectamente compatible entre sí. Esto, a su vez, significa que usted, como fabricante de máquinas, debe preguntarse ¿cómo me voy a posicionar? Los fabricantes deben construir máquinas con una conectividad básica. Es lo que deben hacer porque el software ya está disponible”, manifestó.

Para concluir, el directivo de Microsoft puso sobre la mesa el tema de la “servitización” como concepto emergente para los fabricantes de maquinaria. Se trata de ofrecer los productos como un servicio, bien sea a través de servicios de valor agregado, equipos como servicio, producción como servicio, líneas de producción como servicio, o la planta completa.

“A modo de conclusión, hay que centrarse en los seres humanos. Tienen que enfocarse en el resultado deseado de su empresa, en usar sistemas abiertos, en contar con una base de datos segura, y verificar que esa base de datos sea confiable, efectiva y eficiente”, puntualizó.