Cómo los gemelos digitales añaden un nuevo nivel de inteligencia en la fabricación de metales

Hafakot/iStock/Getty Images Plus

Imagine a un gerente de planta que llega por la mañana, abre una computadora portátil o una aplicación de teléfono y pregunta: "¿A qué debo prestar atención hoy?" Entonces el sistema presentaría problemas potenciales. Una máquina se cae inesperadamente. Un trabajo del turno anterior tomó más tiempo de lo esperado. Quizás a un departamento le falten algunas personas. El sistema sugiere cambios y el director de la planta los acepta o ajusta según sea necesario.

Semejante escenario no es ciencia ficción. De hecho, la tecnología podría hacerse realidad el próximo año. En el momento de escribir este artículo, Ultisim, una empresa con sede en Chapel Hill, Carolina del Norte, especializada en gemelos digitales, está trabajando con un fabricante para desarrollar un sistema de este tipo, uniendo datos de máquinas, plataformas de planificación de recursos empresariales y una gran cantidad de otras fuentes. Utiliza una interfaz de modelo de lenguaje grande similar a la que ChatGPT hizo famosa, pero enfocada en resolver los problemas que enfrentan los fabricantes.

“Cada pedido que recibe [este fabricante] es personalizado”, dijo Richard Boyd, director ejecutivo de Ultisim y su empresa hermana Tanjo, que se centra en los componentes algorítmicos del aprendizaje automático y la inteligencia artificial (IA). “Toda esa variedad es lo que lo hace difícil e interesante. Si solucionamos sus problemas, podremos abordar otros problemas mucho más fácilmente”.

Estos modelos de alta combinación de productos pertenecen al ámbito de la fabricación de metales personalizados, lo cual es una de las razones por las que Boyd planea llevar su solución a ese mercado (hablará en septiembre en Chicago en FABTECH). En la mayoría de las fábricas personalizadas, cada trabajo puede tener una ruta específica a través de flujos de valor específicos; máquinas; o departamentos centrados en procesos como corte, doblado, ferretería, soldadura, recubrimiento en polvo y ensamblaje; con (dependiendo de la ruta del trabajo) una variedad de operaciones secundarias intercaladas.

Todos en la organización pueden ver el gemelo digital a través de lo que Boyd llamó “lentes” diseñadas para personas y funciones laborales específicas. Alguien en finanzas tendría una perspectiva diferente a la de alguien en ventas, programación o planificación de producción.

Además, los datos que construyen al gemelo no se moverían de su ubicación original. "No necesitamos un gran lago de datos", dijo Boyd, y agregó que el sistema puede extraer lo que necesita y "dejar los datos donde están". Lo último que una empresa quiere es copiar datos a una ubicación central, ya que el acto de copiar proporciona múltiples versiones de los mismos datos y genera todo tipo de complejidad innecesaria.

Para que todo esto suceda se necesitan varios ingredientes clave, siendo el primero la digitalización de los datos. Sí, la mayoría de los fabricantes tienen máquinas modernas que capturan una gran cantidad de datos, pero probablemente también dependan de máquinas antiguas y simples en algunos departamentos. El hierro viejo muere con fuerza y, hablando mecánicamente, todavía hacen bien el trabajo. Sin embargo, necesitarán sensores adicionales para digitalizar lo que hacen (cuántos golpes, pies o piezas por minuto u hora para tal o cual trabajo), pero esto realmente no es un desafío, especialmente ahora.

"Hemos tenido una revolución en los sensores", dijo Boyd, y agregó que ahora se están imprimiendo algunos tipos, no con impresoras 3D, sino con tecnología de matriz de puntos relativamente antigua. Incluso los sensores ópticos son económicos, por lo que añadirlos a máquinas antiguas ya no supone un gran obstáculo económico ni técnico.

Lo que ha sido un obstáculo, explicó Boyd, es lo que llamó “datos oscuros”. Eso incluye datos almacenados en software aislado, no compartido y subutilizado. Boyd ha pasado años trabajando con empresas de diversos sectores, incluidas aquellas con contratos de defensa que exigían interfaces de protocolo de aplicación (API) completamente transparentes. Esto transforma datos oscuros en información útil. La información, dijo Boyd, son “datos en reposo” o “datos en movimiento”, que han sido metaetiquetados digitalmente para el consumo de inteligencia artificial y aprendizaje automático.

Muchas organizaciones utilizan una mezcolanza de diferentes sistemas en diferentes instalaciones adquiridas a lo largo de los años. Los fabricantes son conocidos por esto, por supuesto, pero también lo son muchas otras industrias. "En los hospitales, por ejemplo, la gente compra todos estos sistemas no integrados, que a veces ni siquiera se ponen de acuerdo sobre la hora que es, y no comparten los datos", dijo Boyd.

Añadió que hoy en día algunos proveedores de sistemas cobran tarifas importantes por el privilegio de acceso completo a los datos. Esa práctica podría disminuir, junto con otros obstáculos técnicos, a medida que el mercado comprenda el valor de los datos. Boyd dijo que ve que la demanda del mercado cambiará a medida que el valor y los retornos financieros se hagan evidentes. Su organización predice retornos que eclipsan la inversión inicial, 10 veces o más en algunos casos.

Para que esto suceda no sólo se necesitan datos de maquinaria y sistemas de software, sino también de las personas. Esto incluye exactamente cómo las personas realizan su trabajo; específicamente, cómo se mueven e interactúan con la tecnología. Boyd llamó a esto la "coreografía humana".

Imagine una simulación de taller que prueba una secuencia de trabajo específica, desde el corte hasta el doblado y la soldadura. La simulación podría incluir operaciones secundarias como el desbarbado de piezas planas y quizás incluso la inserción de hardware. En esa simulación, los planificadores pudieron ver qué herramientas necesitarían cambiar los operadores, dónde se almacenan esas herramientas, qué tan rápido en promedio se podrían realizar los cambios y cómo el cambio de secuencia podría afectar el flujo general. El gemelo digital podría incluso predecir los efectos dominó en otras áreas de la planta, dependiendo de combinaciones de trabajos particulares, así como de los cuellos de botella, que, en una producción con una alta combinación de productos, pueden cambiar con cada nueva combinación de trabajos en la planta.

Seguir y optimizar el movimiento humano puede parecer un poco "gran hermano", dijo Boyd, pero agregó que cuando una empresa vincula las mejoras con los incentivos adecuados, la cultura puede beneficiarse. Por ejemplo, el caso de prueba de Ultisim en la fabricación tiene un programa de propiedad de acciones para empleados (ESOP), por lo que a medida que las finanzas de la empresa mejoran, los empleados ven el beneficio.

También ven lo valioso que es realmente su conocimiento, considerando que está integrado directamente en el sistema. Boyd enfatizó que el uso de un gemelo digital no elimina la necesidad del conocimiento tribal. De hecho, el conocimiento tribal no es intrínsecamente malo. Después de todo, un competidor puede comprar una máquina o plataforma de software similar, pero no puede duplicar a alguien con décadas de experiencia.

Aquí, la IA y los gemelos digitales promueven la toma de decisiones basada tanto en datos concretos como en conocimientos tribales. En el caso de prueba actual, un planificador de producción que está a punto de jubilarse revisa las decisiones que sugiere el gemelo digital y luego las modifica según sea necesario. Luego, esos ajustes se devuelven al sistema, se analizan los resultados y, con el conocimiento de las personas y los datos de los sistemas y máquinas, se realizan mejoras.

Captar ese conocimiento tribal se ha vuelto fundamental para capacitar a la nueva generación. Combínelo con información procesable y brindará a los trabajadores más jóvenes las herramientas que necesitan para prosperar. No están haciendo un trabajo (doblar esta pieza, insertar este hardware) porque su supervisor les dijo que lo hicieran. Al ver el panorama general, visto a través de una lente específica y que el gemelo digital le da vida, saben que lo que están haciendo ahora probablemente sea mejor que lo que hicieron antes. Si no es así, aprenderán, al igual que el gemelo digital, y el esfuerzo por mejorar continúa. Considerándolo todo, no es una mala manera de desarrollar una carrera.