Grandes datos procedentes de sensores

Todo el mundo habla de la IA y es un tema importante para el futuro, especialmente para la industria. En qué punto se encuentra el desarrollo de la IA en su área de negocio, es decir, la intralogística?

Björn DunkelSi nos fijamos en la gestión de la cadena de suministro en principio, ya hay muchas áreas en las que podemos hablar de IA. Por ejemplo, en la planificación de rutas, donde de repente se cambia la ruta debido a los atascos de tráfico porque una ruta supuestamente más larga ahora significa un tiempo de viaje más corto. En GIB, sin embargo, nos ocupamos de la cadena de suministro interna, es decir, de todo lo relacionado con la intralogística. También aquí existen ya planteamientos para que las previsiones de ventas, por ejemplo, puedan hacer predicciones mejores y más fiables mediante el uso de la inteligencia artificial. Con la ayuda de una red neuronal artificial, los programas informáticos ya pueden aprender de los errores para obtener cada vez mejores resultados con el paso del tiempo. Sin duda, aún estamos lejos de esto, pero ya estamos en el buen camino.

¿En qué ámbito de la intralogística imagina el uso de la IA o quizás ya trabaja con ella?

OscuroEn GIB, perfeccionando el estándar SAP, ofrecemos software especializado en la cadena de suministro para la planificación de las ventas, la planificación de la producción, la colaboración con los proveedores, la planificación de las necesidades de material, la gestión de inventarios y la programación operativa. Ya existen enfoques para la integración de la IA, sobre todo en la garantía de calidad al final de los procesos de producción. En concreto, se utiliza el reconocimiento de imágenes para diferenciar las piezas buenas de las malas. Un proceso automatizado de exclusión garantiza que sólo se envíen piezas buenas para su posterior procesamiento. Se trata de un problema importante, ya que este proceso de exclusión sigue realizándose manualmente en muchas empresas hoy en día. El acoplamiento del reconocimiento de imágenes 3D y las redes neuronales artificiales, por ejemplo, ofrece enormes posibilidades de optimización en el control de calidad. Esto significa que las piezas NOK pueden inspeccionarse directamente en el proceso de producción sin intervención humana y asignarse automáticamente a la siguiente fase de producción. De este modo se eliminan posibles fuentes de error, se agiliza el proceso y se reconoce inmediatamente la producción de piezas defectuosas.

El aseguramiento de la calidad sería por tanto un campo de aplicación de la IA. ¿Dónde se utilizan ya en GIB los cálculos basados en redes neuronales?

OscuroTodavía estamos empezando a utilizar la IA en nuestro software. De hecho, es la primera vez que utilizamos una IA real en nuestra solución para la cadena de suministro, capaz de determinar un stock de seguridad exacto enseñándolo mediante redes neuronales. Ahora, sin embargo, el sistema debe demostrar primero su eficacia en el uso real. Sólo entonces veremos si nuestra IA también funciona en la vida real. No obstante, ya estamos trabajando en otras posibles aplicaciones de la IA. Un equipo de desarrolladores ya está investigando aplicaciones útiles en la previsión de ventas.

Palabra clave Big Data: hoy en día se generan cantidades gigantescas de datos mediante el uso de tecnología de sensores. ¿Qué ocurre con ellos?

OscuroPor supuesto, los macrodatos no son el objetivo, sino a lo sumo un medio para alcanzar un fin. En el caso del uso de la IA, esto es una bendición, ya que la IA sólo funciona con éxito si se la alimenta con muchos datos e información. Cuando se trata del proceso de aprendizaje, "mucho ayuda mucho", al menos si la pregunta formulada era correcta y los algoritmos funcionan bien. El hecho de que ahora estemos en condiciones no sólo de recoger esas cantidades gigantescas de datos, sino también de almacenarlos y ponerlos a disposición para su uso posterior, es el motor cohete que realmente puso en marcha el uso de las redes neuronales. Entonces, ¿qué ocurre con los datos de los sensores que se recogen a nivel de producción?

¿Cómo se ha resuelto el reto hasta ahora?

OscuroHasta ahora, su evaluación estaba más relacionada con la máquina. Esto significa que el estado de salud de la máquina podía leerse en el sistema de la fábrica. Existía una separación estricta entre OT e IT, es decir, entre la producción y el control de los procesos empresariales. La mejora de los conceptos y tecnologías de seguridad ha conducido cada vez más a la apertura de las TI de producción, entre otras cosas porque la digitalización lo hace necesario y las ventajas de la interconexión vertical de los procesos de la cadena de suministro ofrecen una enorme ventaja competitiva. En GIB hemos desarrollado una solución capaz de incorporar la información agregada de los sensores al sistema ERP. Esto significa que no sólo estamos digitalizando los procesos empresariales horizontalmente a lo largo de la cadena de valor, sino que también somos capaces de mapear digitalmente el nivel de producción. Estoy seguro de que el uso específico de la IA será un factor de éxito decisivo, especialmente cuando se trate de la utilización sensata de big data.

¿Cómo quiere aprovechar mejor los macrodatos con la ayuda de la IA?

OscuroLos datos sólo tienen sentido si se contextualizan. Cuando camino por la fábrica, quiero ver lo que se ha planificado a nivel de ERP y que un dispositivo final, como un teléfono móvil, me informe proactivamente de que la productividad es especialmente alta o baja en la máquina que tengo delante. Pero esta información por sí sola no me sirve de nada; tengo que ponerla en contexto. Los datos masivos que recogen los sensores contienen información sobre parámetros que pueden influir en mi producción, como la presión atmosférica, la temperatura de la nave o la humedad. Y si ahora contextualizo esto, sé qué pedidos se estaban ejecutando en esta máquina en ese momento. Sé qué capacidad de utilización tenía la máquina, qué artículos se producían en ella. Y si observo que en un momento dado se producen problemas de calidad, puedo consultar los datos que se generaron al mismo tiempo en el taller.

¿Qué puede concluir el usuario?

OscuroSe pueden hacer derivaciones a partir de esto. Estas derivaciones y correlaciones no pueden procesarse con una regla de cálculo y un lápiz. Hay demasiadas variables que se influyen mutuamente. La IA podría ser la solución. La IA reconoce patrones y correlaciones, evalúa la situación en su conjunto y proporciona las mejores soluciones posibles para el destinatario respectivo, por ejemplo para la mejor secuencia de producción en la situación dada. En general, la contextualización es un punto central en la optimización de la intralogística. Nos gusta utilizar el término CLUI, que significa información basada en el contexto, la localización y el usuario. Nuestro objetivo es, por tanto, dirigir correctamente la información adecuada, exactamente donde y cuando se necesita.

¿Se puede optimizar la planificación de la producción con big data e IA?

OscuroExactamente. La tecnología de sensores proporciona una cantidad increíble de datos. Esto significa que tenemos un conjunto de datos que podemos utilizar. La IA decide automáticamente qué mezcla de productos es la óptima para la temperatura, la humedad u otros parámetros previstos. Esto puede reducir considerablemente la producción de piezas defectuosas. No estamos tan lejos de este tipo de inteligencia, porque esta combinación de conocimientos ya está disponible.

¿Así es como crecen juntos los niveles OT e IT?

OscuroSe podría decir que sí. En este contexto, nos gusta hablar del "camino Y", que reúne la tecnología operativa y la tecnología de la información en un solo sistema. Por supuesto, no todos los datos del taller pueden introducirse en el sistema ERP. Los terabytes de datos serían demasiado para cualquier sistema ERP. El truco está en seleccionar qué datos desempeñan un papel en la cartografía digital del nivel de producción en el ERP; en otras palabras, qué se necesita para dar vida al "gemelo digital". A continuación, introducimos estos datos en la memoria de datos masivos y podemos utilizarlos más tarde para realizar análisis e interpretaciones, por ejemplo mediante IA.

¿Le parece concebible que en el futuro, gracias a la IA, un almacén envíe sus propios pedidos a los proveedores?

OscuroSí, absolutamente. Nuestra herramienta Vendor Managed Inventory (VMI) ya va en la buena dirección como enlace digital con el proveedor. Es difícil de creer, pero el 90% de los pedidos B2B a proveedores se siguen haciendo por correo electrónico. Esto significa que el proveedor sólo sabe lo que el cliente necesita realmente cuando le llega un correo electrónico. Nuestra solución de inventario gestionado por el proveedor crea transparencia y previsibilidad para el proveedor y, al mismo tiempo, alivia al cliente en su planificación de la demanda. El proveedor puede ver toda la información relevante en cualquier momento y utilizarla para planificar, por ejemplo, qué entregas están previstas y qué existencias se agotarán pronto. Otro efecto positivo es que el proveedor puede organizar sus propios procesos de forma más eficiente y rentable. Esto, a su vez, suele repercutir positivamente en las condiciones para el cliente.

Entonces, ¿es decisivo el punto de pedido?

OscuroAsí pues, si examinamos detenidamente nuestra solución VMI actual para ver dónde podría aplicarse útilmente la IA, el punto de reorden sería sin duda un buen punto de partida. En referencia a nuestro ejemplo climático de antes, los valores empíricos del pasado podrían vincularse a factores externos como la humedad, la presión y la temperatura. Una IA inteligente evalúa la situación actual, recomienda una "receta" adaptada para la producción y activa a tiempo la notificación de entrega necesaria al mejor proveedor.

¿Nos acercará el uso de la IA a la cadena de suministro perfecta?

Oscuro: De hecho, ese es nuestro objetivo. Si nos fijamos en el sistema de indicadores de nuestra solución de excelencia de la cadena de suministro, SCX, por ejemplo, proporcionamos a los responsables de la cadena de suministro un indicador clave de rendimiento que les dice de un vistazo lo buenos que son los procesos de su cadena de suministro. Este indicador clave de rendimiento se basa, por supuesto, en un gran número de índices clave de rendimiento, que a su vez se basan en SAP Data Core, es decir, en big data. Actualmente, nuestro sistema de evaluación de la cadena de suministro está diseñado utilizando muchos algoritmos complejos y, a medida que incorporamos más y más inteligencia y, por tanto, más y más ratios al análisis, la complejidad del sistema también aumenta enormemente. En algún momento, llegaremos a nuestros límites con este tipo clásico de programación. Por eso, en el futuro nos centraremos en el uso de la inteligencia artificial.