Cómo acelerar la resolución de problemas con Inteligencia Artificial

De acuerdo con el informe “The future is now: Unlocking the promise of AI in industrials”, elaborado por la firma McKinsey & Company, algunos de los retos más difíciles para las empresas de la industria son programar líneas de manufactura complejas, maximizar el rendimiento minimizando los costos de los cambios y garantizar la entrega puntual de los productos a los clientes.

El documento detalla que la Inteligencia Artificial (IA) puede ayudar a resolver estos retos gracias a su capacidad de considerar multitud de variables al mismo tiempo para identificar la solución óptima.

“Por ejemplo, en una planta de manufactura de productos metálicos un agente de programación de IA fue capaz de reducir las pérdidas de rendimiento entre un 20 y un 40 %, al tiempo que mejoraba significativamente las entregas a tiempo para los clientes”, señala el informe.

Detalla que los enfoques de optimización tradicionales se colapsan en un intento de gestionar la incertidumbre y la fluctuación significativas de la oferta o la demanda.

“Este problema ha cobrado especial relevancia con todos los problemas de la cadena de suministro. Utilizando agentes de programación basados en el aprendizaje por refuerzo, las empresas pueden traducir este problema en una pregunta que arroje una recomendación clara: "¿Qué pedido tiene más probabilidades de maximizar el beneficio?”, señala.

El documento precisa que para resolver este problema las empresas deben crear primero un entorno en el que el agente de programación de IA pueda aprender a hacer buenas predicciones.

“En esta situación, basarse en datos históricos (como hace el aprendizaje automático típico) no es suficiente porque el agente no será capaz de anticipar problemas futuros (como interrupciones en la cadena de suministro)”, indica el documento.

En su lugar, las organizaciones pueden empezar por construir una simulación o gemelo digital de la línea de manufactura y la cartera de pedidos y en seguida, un agente de programación puede programar la línea.

“El rendimiento del agente se puntúa en función del costo, el rendimiento y la entrega puntual de los productos. A continuación, el agente programa millones de veces con distintos tipos de escenarios”, indica el documento.

Detalla que en poco tiempo el agente es capaz de crear programaciones de alto rendimiento y trabajar con los programadores humanos para optimizar la producción.

Descubrimiento de conocimientos

Muchas empresas de la industria se enfrentan al problema común de identificar los datos más relevantes cuando se enfrentan a un reto específico, indica el informe, por ello, precisa que la IA puede acelerar este proceso ingiriendo enormes volúmenes de datos y encontrando rápidamente la información más útil para los ingenieros a la hora de resolver problemas.

“Por ejemplo, las empresas pueden utilizar la IA para reducir el filtrado de datos de media hora a unos pocos segundos, desbloqueando así entre un 10 y 20 % de productividad en equipos de ingeniería altamente calificados. Además, la IA también puede descubrir relaciones en los datos previamente desconocidas para el ingeniero”, señala.

El documento indica que tras décadas recopilando información, las empresas suelen ser ricas en datos pero pobres en insights, lo que hace casi imposible navegar por los millones de registros de datos estructurados y no estructurados para encontrar información relevante.

El informe puntualiza que este reto es especialmente importante cuando los ingenieros tienen que resolver nuevos problemas en sistemas muy complejos (por ejemplo, aviones, naves espaciales y centrales eléctricas) para encontrar los procedimientos más relevantes, los datos de rendimiento de las máquinas, el historial de operaciones y los casos de problemas relevantes en subsistemas similares.

“A menudo, los ingenieros tienen que confiar en su experiencia previa, hablar con otros expertos y buscar entre montones de datos para encontrar la información pertinente. Cuando se trata de problemas críticos, esta búsqueda del tesoro resulta estresante en el mejor de los casos y a menudo conduce a resultados no óptimos”, indica el documento.

El informe de McKinsey & Company refiere que las empresas pueden enseñar a la IA a navegar por documentos técnicos estructurados y no estructurados con gran cantidad de texto alimentándola con diccionarios técnicos importantes, tablas de búsqueda y otra información.

“También pueden crear algoritmos que ayuden a la IA a comprender las relaciones semánticas entre los distintos textos”, señala.

Finalmente, el documento indica que la IA se encuentra aún en una fase relativamente temprana de desarrollo, está preparada para crecer rápidamente y alterar los planteamientos tradicionales de resolución de problemas en las empresas de la industria.

“Estos casos de uso ayudan a demostrar las aplicaciones concretas de estas soluciones, así como su valor tangible. Experimentando ahora con aplicaciones de IA, las empresas de la industria pueden estar bien posicionadas para generar un gran valor en los próximos años”, puntualiza.

Para conocer el documento completo visite el siguiente link.