Inteligencia artificial

El brote de COVID-19 generó incertidumbres y cambios en todos los aspectos de la vida diaria y el trabajo. También está empujando a los líderes empresariales y propietarios de plantas a actuar más rápidamente que nunca para sobrevivir y superar a los demás. Esto brindó más posibilidades para las tecnologías de IA y aceleró su implementación en la fabricación.

Desde una perspectiva práctica, veremos más aplicaciones basadas en IA dirigidas específicamente a diversos aspectos de la toma de decisiones, como mejorar la eficiencia de producción/operación, reducir el tiempo de inactividad, proporcionar mantenimiento predictivo, optimizar la cadena de suministro y reducir el consumo de energía.

Las capacidades humanas y de IA se complementan entre sí. Los humanos son creativos, pueden ver por encima de la tarea actual y pueden aplicar conocimientos de otras experiencias en una tarea actual. Sin embargo, los humanos son menos perfectos en tareas repetitivas. La IA es de alto rendimiento y diligente, pero menos creativa. Existe un gran potencial para la colaboración entre humanos y la IA, y los humanos deben interactuar de manera colaborativa con la IA a medida que continúan desempeñando los roles de propietarios de proyectos, capacitadores de sistemas y usuarios finales e interactuarán con la IA durante todo el ciclo de vida de un proyecto.

La IA se está aplicando a una amplia gama de aplicaciones e industrias. En el control de procesos, la IA y el aprendizaje automático se están aplicando a aplicaciones de control de procesos avanzados (APC) y operaciones autónomas de plantas. En la fabricación discreta, la IA se está aplicando a la robótica. En teoría, todos los procesos podrían controlarse mediante algún tipo de inteligencia artificial a largo plazo. Cualquiera que sea la aplicación, ARC identifica algunos pasos básicos para garantizar el éxito en su implementación de IA:

Basado en presentaciones del Foro Europeo 2022 de ARC, este informe estratégico proporciona los casos de uso de IA más recientes y una comparación integral de las fortalezas y desafíos de los humanos frente a la IA. Este informe presenta cómo los humanos y la IA pueden colaborar de manera efectiva y qué dimensiones y aplicaciones clave considerar. Las empresas que apoyaron el evento incluyen Microsoft Project Bonsai, Dow Chemical, NNaisense, ABB y Throughput AI.

Los siguientes casos de uso industrial de tecnologías de IA se compartieron en el Foro Europeo ARC 2022.

Microsoft Project Bonsai compartió sus puntos de vista sobre los sistemas autónomos y cómo la plataforma Bonsai puede optimizar equipos y procesos detectando y respondiendo en tiempo real. Según Microsoft, la transformación autónoma es un proceso evolutivo que consta de cuatro etapas:

A partir de la segunda etapa, las empresas pueden utilizar el aprendizaje supervisado y no supervisado para lograr cosas como un mejor mantenimiento predictivo y predicción de la demanda. La plataforma Bonsai combina simulación, aprendizaje de aplicación más profundo y aprendizaje automático. Bonsai puede ayudar a los usuarios a construir modelos de IA con su propia experiencia y conocimientos de la industria y acelerar el desarrollo de las últimas tres etapas. A continuación se muestran algunos estudios de casos de Bonsái:

Dow Chemical compartió cómo la nube permitió el mantenimiento predictivo mediante la optimización de los datos y análisis de fabricación. El tiempo de inactividad no planificado representa grandes cantidades de pérdida de ingresos para las industrias de procesos. Aprovechar el mantenimiento predictivo para actuar antes de que ocurra una falla es una de las principales aplicaciones de la IA en la fabricación.

En el propio proyecto de Dow Chemical, tres personas distintas trabajan juntas como un equipo. Los científicos de datos entrenan los modelos y verifican el entorno de la nube de Azure. Los desarrolladores de Azure Cloud envían datos de plantas a la nube e introducen datos en modelos. Los operadores en el sitio realizan monitoreo, toman acciones al recibir información de los sistemas y brindan retroalimentación a los sistemas. Este ciclo de trabajo avanza continuamente para construir algoritmos y modelos de manera más eficiente. En este proyecto, la computación en la nube es necesaria para abordar algunos dolores de cabeza, entre ellos:

Throughput AI compartió cómo la IA ayuda a optimizar la cadena de suministro y convertir la visibilidad en capacidad de acción. La cadena de suministro es opaca, fragmentada e ineficiente todo el tiempo. El brote de COVID-19 hizo que sus obstáculos fueran más evidentes que nunca en los últimos años. Mientras tanto, las empresas enfrentan presiones cada vez mayores para mejorar la eficiencia de la cadena de suministro y encontrar oportunidades para obtener mejores resultados comerciales, operativos, financieros y de sostenibilidad y superar a las industrias en el largo plazo. Como facilitador, la IA puede ayudar a aprovechar los datos existentes y la experiencia en el dominio de los equipos existentes, para aumentar la producción, la rotación de inventario y la rentabilidad, minimizar el exceso de inventario y reducir el desperdicio y el CO2. Algunos casos compartidos aquí:

ABB compartió detalles sobre su operador asistido por IA para ilustrar cómo la IA podría ayudar a los operadores. Los procesos de producción generan muchas alarmas y es fácil para los operadores ser víctimas de inundaciones de alarmas o ignorar alarmas que pueden ser críticas. La IA es una de las últimas tecnologías que puede brindar a los operadores un soporte más directo, eficiente y rentable para una gestión eficaz de las alarmas a largo plazo. El operador asistido por IA es una combinación de diferentes aplicaciones de IA y su flujo de trabajo incluye:

NNaisense presentó detalles de su sistema de control adaptativo basado en IA llamado Adaptive, Rational Core. El sistema de control construirá un modelo modular, independiente de las tareas y verificable. A diferencia del aprendizaje por refuerzo tradicional, al sistema se le pueden imponer nuevos objetivos y restricciones en cualquier momento y realizar tareas según se le ordene. El sistema no sólo ayuda a controlar la planta, sino que también predice el futuro en varios escenarios y planifica hacia atrás en el tiempo desde el estado objetivo hasta el estado actual.

La colaboración entre humanos y la IA ocurre todo el tiempo. Todos los sistemas basados ​​en IA deben pasar por muchas iteraciones de validación y verificación junto con una interacción continua con las plantas y el exterior, o al asumir nuevas tareas o misiones. Los humanos pasarán por cinco etapas al interactuar con sistemas basados ​​en IA:

La mayoría de la gente puede sentir curiosidad por saber cómo está progresando la tecnología de IA en la práctica. Según la encuesta realizada en el Foro ARC, “primeros productos y soluciones disponibles”, “I+D” y “pruebas beta/proyectos seleccionados” son las etapas comunes entre los participantes. En general, todavía se encuentra en una etapa incipiente.

Como reveló nuestro panel de expertos, las empresas que se encuentran al comienzo de su viaje hacia la IA luchan por definir una estrategia para una implementación exitosa de la tecnología. Muchas empresas que se encuentran en la etapa inicial de evaluación de tecnología optan por un enfoque de prueba y error. Sin embargo, una estrategia es fundamental para formular los KPI y puede ser necesaria para obtener financiación de gestión y continuar el viaje de la IA. Como estos viajes pueden durar bastante tiempo, es importante tener la estrategia, los objetivos y los KPI correctos, ya que los equipos de gestión pueden cambiar y esto puede conllevar una amenaza de interrupción.

Los clientes del Grupo Asesor de ARC pueden ver el informe completo en el Portal del Cliente de ARC

Si desea comprar este informe u obtener información sobre cómo hacerse cliente, por favor Contáctenos