Opinión: Transformación industrial y el camino hacia la autonomía

Es difícil creer que un tren bala sea pilotado por un humano en la cabina. ¿Dejaría que esta persona se hiciera cargo del tren a 300 millas / hora? En un mundo tan tecnológicamente avanzado, los procesos industriales críticos como las inspecciones son ineficientes, costosos y derrochadores.

Los países son conscientes de sus ineficiencias; según un estudio del Fondo Monetario Internacional, los países desperdician alrededor de un tercio de su gasto en infraestructura debido a ineficiencias. A medida que las tecnologías digitales se integran en los procesos comerciales y los flujos de trabajo, McKinsey estima que eso podría conducir a un aumento de la productividad del dos por ciento, en promedio, por año durante la próxima década.

Eficiencias y efectividad

La transformación industrial adopta muchas formas y formas; Los enfoques tradicionales incluyen BPR, Six Sigma y digitalización de flujos de trabajo. Hoy el juego ha cambiado. Tres megatendencias impulsan la transformación de trabajos completos en el lugar de trabajo. Las grandes infraestructuras están preparadas para sacar el máximo partido a sus empresas en el camino hacia la autonomía mediante:

• El surgimiento de A.I.
• La mayor interconectividad de máquinas y sensores.
• La digitalización de datos

Los primeros en adoptar estos temas tendrán una ventaja competitiva importante, tanto para la diferenciación del cliente como para la eficiencia operativa.

Es fundamental comprender que la automatización es fundamentalmente diferente de la autonomía. Si bien la automatización de los flujos de trabajo proporciona flujos de trabajo de mayor calidad y, a menudo, más rápidos, la autonomía proporciona un ciclo de retroalimentación para responder a la falta de claridad en el flujo de trabajo.

Si bien el impulso era eliminar la variabilidad del proceso en el pasado, si se hace bien, los nuevos procesos pueden vivir con información confusa mientras ejecutan un trabajo.

Tome el control de velocidad en un automóvil como ejemplo. En su forma más simple, automatiza el trabajo para el conductor y mantiene constante la velocidad. Una vez que agrega más sensores interconectados al sistema, está creando un piloto automático más sofisticado.

A medida que aumenta la cantidad de sensores y la potencia de cálculo relacionada para tomar decisiones rápidas, se está moviendo hacia la autonomía: el sistema responderá automáticamente a obstáculos o peligros imprevistos.

Estas respuestas a situaciones son aún más efectivas si el ser humano no necesita escribir todas las reglas, sino que deja que la máquina aprenda los patrones. El estado actual de A.I. es particularmente bueno en el reconocimiento de patrones y luego en activar una respuesta.

Como resultado, A.I. Los sistemas habilitados tendrán el mayor impacto en los flujos de trabajo que actualmente son rutinarios, predecibles y repetitivos.

Los procesos industriales grandes y vastos se prestan muy bien para ser uno de los primeros beneficiarios de A.I. Podemos limitar la variabilidad operativa lo suficiente para probar y optimizar la autonomía. Posteriormente, el entorno operativo se puede generalizar para obtener un mayor beneficio.

Por último, las interfaces hombre-máquina seguirán desempeñando un papel importante; sólo cambiará la naturaleza del trabajo para el ser humano, pasando de operar el proceso a supervisar el proceso.

Para avanzar hacia la autonomía en los procesos industriales, hay que analizar y analizar qué se puede automatizar por completo, qué elementos requerirán supervisión humana y qué áreas seguirán siendo manuales. Una vez establecida esta claridad, se puede establecer un camino hacia la autonomía. Comenzando con el hardware, la conectividad, la computación y los datos que existen en la actualidad e insertando gradualmente elementos adicionales con el tiempo para impulsar la eficiencia y los procesos de mayor calidad.

Ejemplos del mundo real

Veamos un ejemplo hipotético: evaluar reclamaciones de seguros después de un incendio a gran escala como el ocurrido en Malibú, California.

Hoy en día, la comunidad y las compañías de seguros necesitan entre 6 y 9 meses y miles de expertos y voluntarios para obtener una descripción general precisa del impacto. Muchas personas corren peligro y las familias se quedan con poca o ninguna información durante muchas semanas. Gracias a la tecnología disponible en la actualidad, esto se puede hacer en semanas, a veces incluso en días.

La transformación de este proceso de inspección comienza con obtener el equipo adecuado que se utilizará en el campo para las inspecciones, es decir, robots y drones conectados a la red equipados con visión por computadora y otros sensores. Los humanos establecerían manualmente el área de vuelo y despejarían el espacio aéreo. Utilizando un conjunto de inteligencia artificial entrenado personalizado para recopilar, comprender y analizar los conjuntos de datos obtenidos de los restos del naufragio, los robots y drones encontrarían la manera de recopilar y transmitir los datos de forma autónoma a un ser humano para obtener información sobre las reclamaciones y la logística de recuperación.

Esto es real y está listo para funcionar hoy. Las compañías de seguros pueden tener certeza sobre los pagos; los ayuntamientos pueden iniciar el esfuerzo de recuperación con los servicios públicos; las familias saben cuándo pueden comenzar a reconstruir sus vidas.

(Foto de John Cameron en Unsplash)

¿Está interesado en escuchar a los líderes de la industria discutir temas como este? Asista a la 5G Expo, IoT Tech Expo, Blockchain Expo, AI & Big Data Expo, y Cyber ​​Security & Cloud Expo World Series, ubicadas en el mismo lugar, con los próximos eventos en Silicon Valley, Londres y Ámsterdam.

Etiquetas: ai, inteligencia artificial, destacado, transformación industrial