Hoy nos enfrentamos a una transformación de mercado debido al desarrollo exponencial de nuevas tecnologías. La cuarta revolución industrial nos trae una era de digitalización que asegura, dentro de su implementación, el aumento de la productividad. Esta revolución está sucediendo en este momento. Para enfrentar la competitividad global, el sector industrial latinoamericano tiene que comprender el marco de madurez digital para sobrevivir en los tiempos de la Industria 4.0.
La transformación digital que conduce a la Industria 4.0 comienza en las fases de informatización y conectividad. Estos son los requisitos básicos para ingresar a la 4ta Revolución Industrial. En estas etapas, las tecnologías se utilizan de forma aislada y partes de los sistemas de tecnología operativa (OT) proporcionan conectividad e interoperabilidad, pero aún no se ha producido la integración total de las capas de TI y OT. Observación: si tus procesos de ERP no están conectados a tus procesos de piso, no estás en el camino hacia la Industria 4.0.
Al ingresar a la revolución 4.0 real, la etapa de visibilidad ofrece a participantes industriales la capacidad de comprender lo que está sucediendo con base a datos lo más cercano a tiempo real, en lugar de registrar datos para un estudio o análisis posterior. Un grado avanzado en la adquisición de datos en esta capa permite el seguimiento automático de datos en todo su sentido y contexto para poder interpretar lo que ocurre. Se integran sensores, redes industriales y telemetría para obtener los datos de las máquinas. La adquisición de datos habilita la creación de cubos de datos que, con la correcta contextualización, te revela información útil en el tiempo correspondiente para una rápida toma de decisiones. Observación: la frecuencia en la adquisición y la calidad de los datos, son claves para la contextua-
lización apropiada. Sin esto, se dificulta acelerar el camino hacia la Industria 4.0.
En la fase de transparencia, el objetivo es comprender por qué ocurre un evento. Dadas todas las complicaciones en la adquisición, frecuencia y calidad de datos realizada en la capa anterior, la ciencia de datos, la ingeniería de datos y modelos digitales deben integrarse para analizar una gran cantidad de datos complejos – el “Big Data” industrial. Esto se requiere para encontrar relaciones causales y generar conocimiento que pueda aplicarse para algún análisis profundo. Esto pueden acelerar, por ejemplo, un estudio de análisis de causas raíz o (RCA) por sus siglas inglés.
Uniendo datos y modelos digitales habilita la generación de gemelos digitales a nivel proceso o activo lo cual abre la puerta a la simulación de resultados, operación y confiabilidad, por ejemplo. Esto siembra la base para lograr el éxito de un análisis predictivo. Observación: El apalancar modelos digitales con la adecuada unificación de ciencia de datos y la ingeniería de datos te permiten simular cualquier evento o resultado.
En la fase de capacidad predictiva, la compañía está preparada para anticipar los impactos de escenarios futuros; simulando estos escenarios por medio de un modelo digital conocido como un analítico. Un analítico, con la apropiada adquisición, frecuencia, calidad y la gobernabilidad de datos, determina el éxito o fracaso de los intento de alcanzar una capacidad predictiva. Esta fase depende en gran medida de la confiabilidad del conocimiento ejecutada en las fases anteriores. No se puede lograr el brinco a esta capa, sin pasar con una alta calificación de las capas previamente explicadas. Observación: El reto de esta capa no es la tecnología ni el expertise, el éxito o fracaso depende de tu cultura. Para lograr éxito necesitas reflexionar y considerar una fuerte dosis de “change management” durante el camino hacia la Industria 4.0.
En la última fase, llamada adaptabilidad, las decisiones automatizadas se toman con poca o sin asistencia humana en función de lo que se conoce o se produjo en la ruta predictiva. El modelo digital se utiliza para encontrar la mejor solución en un escenario o hipótesis en específico. Sin embargo, es importante medir y analizar críticamente los impactos de las decisiones automatizadas en toda la cadena industrial. Observación: El poder llegar a esta capa del camino, determina el éxito de tu transformación y serás experto en tiempos de la Industria 4.0.
Cada avance que damos en el camino hacia la Industria 4.0 incrementa los beneficios económicos para el sector industrial. Es importante profundizar en las soluciones actuales disponibles en el mercado con respecto a Internet de las cosas (IoT), Inteligencia Artificial (AI), Realidad Aumentada (AR), Fabricación Aditiva, Robots Autónomos, Simulación, Modelos Digitales, Modelos Predictivos, y muchos otros que sirven para acelerar el camino hacia la Industria 4.0. Dado que no existe una solución perfecta para todas las industrias, comprender estas capas y combinar lo que se sabe de esta revolución en el contexto y tiempo correcto, puede conducir a un punto óptimo de costo-beneficio operativo. Además, es importante tener en cuenta que los beneficios de la digitalización se obtienen mejor cuando se alinean con factores organizativos y culturales.
Y si pudiera ofrecer una última observación, sería que el éxito o fracaso de concluir adecuadamente el camino hacia Industria 4.0 no será con base en la tecnología, sino en el aspecto de la cultura organización que sembraste hace años. Aquí el éxito de competir en los tiempos de la Industria 4.0.
Bio de Autor:
Mel Ramos es Socio en ENABLE. Anteriormente, fue líder comercial de software para GE Digital en América Latina. Lleva dos décadas implementando proyectos globales en el espacio industrial digital y es considerado el líder de pensamiento detrás del marco de “Reliability as a Service”. Se graduó de Pomona College en Claremont, CA y actualmente reside en Orlando, FL.
