Introduction to Industry 4.0

Berenger Briquez

Tras el cambio de paradigma impulsado por el consumo, es ahora todo el aparato productivo quien tiene que reinventarse para poder afrontar esta nueva demanda y poder seguir siendo competitivo en un entorno cada vez más exigente.

Las empresas tienen que ser más ágiles y eficientes para poder seguir creciendo. Y las empresas relacionadas con sector industrial tienen que ser más digitales y estar más conectadas que nunca para integrarse en este nuevo ecosistema de la Industria 4.0. 

Estamos viendo como las nuevas tecnologías están cambiando nuestra forma de trabajar, o mejor dicho de colaborar, de un modo totalmente disruptivo. Ya no solo colaboramos con nuestros compañeros de trabajo, ahora debemos colaborar con nuestros proveedores, clientes, terceros, etc.. y no solo con personas, ahora la Industria 4.0 nos empuja a colaborar con productos, servicios, dispositivos, máquinas, materias, proyectos y piezas. Una máquina es ahora un colaborador nuestro, nos va a hablar, nos va a avisar si está averiada e incluso antes de estarlo, nos dirá quién es con su ficha técnica, donde y como mantenerle, y cuál es el mejor momento para su revisión. De ahí que la Industria 4.0 está creando un nuevo ecosistema de colaboración, con integración vertical y horizontal, interna y externa, on y off, H2M (Humano a máquina), M2M (máquina a máquina) con un enfoque “seamless” (sin costura en inglés), digitalizado e hiperconectado.

El tsunami tecnológico que tenemos por delante está llegando y teniendo en cuenta que vivimos hoy en día en un mundo donde un smartphone tiene un millón de veces más RAM que el AGC del módulo lunar Apollo (4Kb vs 4Gb) podemos prepararnos para presenciar milagros tecnológicos cuando hablamos de Industria 4.0.

Vamos a dar un barrido a los principales temas con los cuales podemos encontrarnos hoy en día para procurar tener una idea más clara sobre el tema del Big Data & Analytics, Digital Twin, Realidad Virtual, Aumentada y Mixta, Inteligencia Artificial, los Bots (chatbots y cobots), el Blockchain y abordaremos los grandes retos y oportunidades de la Industria 4.0.

Este artículo tiene carácter de divulgación tecnológica, procuro presentar los conceptos de modo sencillo y a veces de forma minimalista para introducirlos a gente no técnica. Asi que pido perdón por antelación a los expertos técnicos y a los puristas de la tecnología por el hecho de no profundizar los temas expuestos o por pecar de simplificación a la hora de resumir ciertos conceptos. Y no dudéis en contactar conmigo si os interesa saber más sobre ello.

¿Qué es la industria 4.0 ?

A estas alturas de la película creo que todos hemos oído hablar de ello y en pocas palabras se trata de la cuarta revolución industrial. La primera ha sido impulsada por el vapor, la segunda por la electricidad, la tercera por la electrónica y las características fundamentales de esta cuarta revolución industrial son la digitalización y la hiperconectividad.

No me cabe duda de que hoy en día todos estamos más o menos familiarizados con algunos habilitadores tecnológicos de la Industria 4.0 como el Big Data, el Cloud o el IoT solo para nombrar los rockstars digitales. Pero aquí no acaba la cosa y lo que está por venir en los próximos años nos puede sonar incluso a ciencia ficción a veces por el carácter tan disruptivo y vanguardista de ciertos conceptos como la realidad aumentada, la inteligencia artificial, el blockchain y los bots por ejemplo.

El interés por la Industria 4.0 está en pleno auge y vamos por lo tanto a explorar en este artículo unos grandes temas de interés ya que últimamente he podido ver en varias reuniones y dando conferencias que estos nuevos conceptos resultan tan emocionantes como nebulosos para mucha gente. 

La industria 4.0 nos trae muchas oportunidades y muchos retos tambien. Como bien lo resalta el Ministerio de Economia, Industria y Competitividad el hecho de afrontar estos desafíos con éxito permitirá generar “un nuevo modelo industrial en el que la innovación sea colaborativa, los medios productivos estén conectados y sean completamente flexibles, las cadenas de suministro estén integradas y los canales de distribución y atención al cliente sean digitales”.

Empezamos por recordar que la Industria 4.0 es un concepto híbrido que mezcla tres vértices de competencias: Ciencia, Ingeniería y Tecnología. Las interacciones entre estos vértices nos traen nuevas soluciones y oportunidades cada vez más sorprendentes. De modo resumido presentamos en el esquema siguiente una vista, no exhaustiva, de las grandes temáticas relacionadas con la Industria 4.0.

Aprovechamos también este artículo para resumir a continuación las principales características de la Industria 4.0 :

- Disruptivo (nueva era sin precedentes ni marco de referencia)

- Revolucionario (serie de cambios de paradigmas: finanzas, consumo, producción, logística, educación, legal, socio-económico)

- Transversal (integración de todos los actores a nivel vertical y horizontal)

- ADN Hibrido (Ciencia, Ingeniería, Tecnología)

- Hiperconectividad (la interoperabilidad de los sistemas es fundamental para lograr la eficiencia máxima)

- Colaboración (personas, empresas, piezas, productos/servicios, apps, sistemas, AGVs, etc…)

- Organismo vivo (ecosistema industrial)

En cuanto a los principales habilitadores tecnológicos de la Industria 4.0 podriamos clasificarlos de la siguiente manera en función de su grado de madurez tecnologica y por lo tanto de su nivel de adopción en el ámbito industrial :

Big Data & Analytics 

Empecemos con un clásico y no vamos a volver a presentar aquí el big data, solo recordaremos sus 4 fases : recogida de datos, almacenamiento, análisis y visualización. Se estima que el 90% de la totalidad de los datos generados por la humanidad han sido generados durante los 2 últimos años. La industria 4.0 va a generar también volumenes ingentes de datos con los cuales las empresas podrán monitorizar su actividad con todo lujo de detalles, colaborar como nunca con sus clientes, proveedores, partners, stakeholders, empleados, etc… y reinventar en buena parte su modelo de negocio. Os presento a continuación un ejemplo de plataforma IoT que uso para agrupar estas 4 fases del Big Data :

La recogida de datos es el primer paso, tenemos aquí una gran variedad de fuentes de datos (dispositivos móviles, beacons, sensores, logs, PLCs, redes, ERP, etc…) que van a generar datos estructurados y no estructurados, datos internos y externos, datos en tiempo real y en batch, datos de canales off y otros on, etc… 

Es aconsejable recolectar y canalizar este gran volumen y variedad de datos en un repositorio único tipo Data Lake para poder asegurar la segunda fase del Big Data y tener el almacenamiento de los datos crudos centralizado y listo para ser procesados en la tercera fase, el análisis. De paso aprovechamos para recordar que el Cloud suele ser una opción muy recomendable tanto para el almacenamiento como para el análisis de datos, siendo los ahorros generados y la potencia de procesamiento las ventajas más tangibles del Cloud comparado con una infraestructura tipo On Premises. 

Cuando hablamos de análisis podemos contemplar un amplio abanico de procesamiento, del Data Science al Machine Learning, pasando por el Deep Learning o incluso la Computación Cúantica que ya está a la vuelta de la esquina. Nos centraremos aquí en contemplar 3 tipos de modelos: descriptivos, predictivos y prescriptivos. El primero nos permite tener una foto del existente, como bien lo dice su nombre para tener una descripción de la situación actual, sea a nivel de resultados, de segmentación, de inventario, etc… 

El modelo predictivo no ofrece una visión estadística del futuro. Sacamos nuestra bola de cristal y vamos a ver los posibles escenarios ponderados con una probabilidad de suceder en base al análisis estadística de datos históricos y tomando en cuenta tendencias y datos externos para afinar el algoritmo de predicciones. Estos algoritmos tradicionalmente empleados en el sector bancario y de seguro ahora no permiten contemplar con un nuevo enfoque temas como el mantenimiento preventivo, la optimización de rutas, la previsión de abastecimiento, etc… 

El modelo prescriptivo nos permitiría en principio sacar esta vez una barrita mágica para hacer que un determinado evento suceda. No se trata de definir posibles escenarios con una probabilidad de suceder como los modelos predictivos, se trata aqui de definir y anticipar todas las variables necesarias para hacer que el futuro se cumpla tal y como lo tenemos planeado. Y nos quedaremos aquí de momento porque este tema en particular se merecería un artículo propio para explorarlo más detenidamente.

La cuarta fase del Big Data es el consumo de los datos y su visualización. Aquí menos es más. No queremos caer en la parálisis del análisis inherente al Big Data y por ello se aconseja diseñar una interfaz, minimalista, depurada y visual para sacar el máximo provecho del Big Data. Para ello, antes de lanzar un proyecto de Big Data es aconsejable pensar de antemano que necesitamos visualizar in fine, en otras palabras si bien el Big Data se implementa de forma lineal siguiendo estas fases, es aconsejable hacer el camino a la inversa cuando se trata de tener una reflexión estratégica. Pensar primero en que vamos a necesitar visualizar, identificar qué tipos de análisis son necesarios, valorar al mejor modo de almacenar los datos y definir finalmente como asegurar una recogida exhaustiva y eficiente de estos datos. 

Digital Twin

El concepto de Digital Twin es un claro ejemplo del uso del Big Data & Analytics aplicado a la Industria 4.0. Se trata de crear una copia digital (twin, gemelo en inglés) de un entorno físico como una planta de producción o de un elemento físico como una máquina o una pieza por ejemplo. Aplicando estas 4 fases del Big Data con una plataforma I-IoT (Industrial IoT) recogemos datos de sensores y otros dispositivos para almacenarlos y procesarlos con el fin de virtualizar y monitorizar la actividad del entorno o de un activo por ejemplo. Nos abre también la puerta de las simulaciones con modelos predictivos y/o prescriptivos para mejorar la gestión de activos. 

Gracias al uso de una amplia gama de sensores (fuerza, flujo, presión, movimiento, velocidad, proximidad, eléctricos, magnéticos, fugas, niveles, químicos, gas, ópticos, sónicos, etc…) podemos por ejemplo contemplar, entre otro, una mayor eficiencia en operaciones, el mantenimiento predictivo, la monitorización y el control remoto, los datos y decisiones en tiempo real, la gestión de riesgos automatizada, la reducción de los tiempos de caida, el performance tuning, la formación aumentada, la asistencia remota y un gran abanico de nuevos servicios digitales.

Realidad Virtual / Aumentada / Mixta

Estas nuevas realidades son desde luego uno de los elementos más impactantes de la industria 4.0 y estas tecnologías avanzan ahora a paso de gigante después de haber tardado en despegar. Empecemos por ver la diferencia entre estas 3 tipos de realidades y sus posibles usos. 

La realidad virtual es tal vez la más conocida al ser la más veterana y como su nombre lo indica se trata de proyectarnos en un entorno virtual, sin ver la realidad “real”. El dispositivo es bastante aparatoso y nos desconecta del entorno al visualizar solo una capa digital (tipo Oculus Rift por ejemplo). Es una tecnología muy desarrollada para la industria del video juego pero es también muy interesante para realizar formación o simulaciones por ejemplo. 

La realidad aumentada y la realidad mixta nos mantienen conectados con el entorno real solo proyectan una capa digital en nuestro campo de visión lo que nos permite asociar visualmente elementos reales y digitales. La diferencia entre las dos radica principalmente en la incorporación de elementos holográficos y anclados en el entorno gracias al mapeo constante del entorno con el dispositivo utilizado. En otras palabras, y salvo unos matices, la realidad aumentada integra una capa digital que sigue nuestro campo de visión cuando la realidad mixta puede integrar la capa digital en el mismo entorno sin restringirlo a nuestro campo de visión. 

Por lo tanto la realidad aumentada, puede tener casos de uso como el mantenimiento asistido, soporte remoto, guiado de tareas, etc… Además los dispositivos suelen ser bastante ligeros y convienen perfectamente para acompañar el trabajador en tareas que requieren movilidad y autonomía en cuanto a la batería (tipo Vuzix M300, Google Glass, etc…). En cambio el dispositivo de realidad mixta suele ser bastante aparatoso y conviene mejor a tareas más sedentarias (tipo Hololens por ejemplo). Aunque técnicamente estos dispositivos pueden hacer todo que lo de realidad aumentada, nos brindan casos de uso más avanzados como el desarrollo 3D holográfico y la formación avanzada (presencial o remota).

Inteligencia Artificial

La inteligencia se podría definir como la capacidad cognitiva y analítica que nos permite tomar decisiones. Y el adjetivo “artificial” nos reenvía al hecho de emular las capacidades “naturales” de razonamiento y aprendizaje inherentes al ser humano. 

De momento cuando hablamos de Inteligencia Artificial solo nos referimos a las ANI (Artificial Narrow Intelligence) que son capaces básicamente de evaluar una situación específica y de tomar decisiones limitadas y racionales. Algunos ejemplos son el ABS de los coches, los algoritmos en el sector financiero, la asistencia en vuelo de los aviones comerciales, etc. En el horizonte 2035 deberíamos ver las primeras AGI (Artificial General Intelligence) capaces de razonar por si mismas, incluso de tomar decisiones no racionales, abstractas o creativas, por ejemplo. La capacidad de auto-aprendizaje es un factor clave y se conoce como Machine Learning y como Deep learning en su forma más avanzada. En la Industria 4.0 las máquinas, sistemas, dispositivos, etc, ya son capaces de aprender por sí mismos y de compartir información para que otras máquinas también lo aprenden. Y al contrario de los humanos este aprendizaje se hará de manera instantánea, universal y de manera casi perfecta al no tener pérdida de información fruto de una mala comunicación o de intereses opuestos.

Hoy en día ya estamos rodeados por la IA pero de momento su presencia sigue siendo bastante invisible al no poder interactuar con ella de manera fluida. El procesamiento del lenguaje natural y las interfaces colaborativas lo cambiarán todo y deberían ser del todo eficiente antes del 2025. Esto va a generar nuevos casos de uso y formas de colaborar incluso a corto y medio plazo. La IA se volverá complementaria de nuestras vidas, a nivel personal y profesional. La toma de decisión en la Industria 4.0 será ampliamente asistida por algún tipo de IA y a todos los niveles, desde los operarios en la fábrica para tener asistencia en el mantenimiento, por ejemplo, a los directivos para simular escenarios y extraer informes con analíticas avanzadas.

Volvemos un momento con el tema de Machine Learning y de Deep Learning que generan últimamente mucho interés. Primero hay que entender que el Machine Learning es un sub-conjunto de la Inteligencia Artificial, y que a su vez el Deep Learning es un sub-conjunto del Machine Learning.

Al hablar de Machine Learning solemos asociarlo con los conceptos de aprendizaje supervisado y no-supervisado. El primero se refiere al hecho de que el ser humano supervise el correcto aprendizaje de la máquina, primero entrenándola con datos de formación (training set) y luego recalificando ciertos outputs erróneos manualmente con el fin de mejorar con el tiempo la capacidad analítica de la máquina afinando su algoritmo y por lo tanto aumentando su autonomía de decisión en el futuro. Básicamente se trata de formar a la máquina para reconocer outputs que el ser humano conoce.

A la inversa, cuando hablamos de aprendizaje no-supervisado se podría resumir básicamente como el hecho de dejar la máquina descubrir y aprender por si misma algo que el ser humano no suele conocer por adelantado. Dicho de otro modo, alimentamos la máquina con volumenes ingentes de datos y dejamos la máquina buscar patrones, lógica, causalidad, etc… en todo ello.

Bots

Hablamos ahora de ChatBots y CoBots, ambos necesitan una IA potente y el procesamiento del lenguaje natural (NLP) vuelve a ser clave para su auge. Los ChatBots ya existen y lo más probable es que la mayoría de nosotros haya estado en contacto con uno de ellos sin darse cuenta. Muchos servicios de atención al cliente ya lo están usando y facilitan con relativa eficiencia las comunicaciones recurrentes y sencillas. En un futuro no tan lejano llegaremos a tener incluso Asistentes Personales para gestionar nuestro día a día, capaces de proponernos escenarios y alternativas para facilitar nuestra toma de decisión.

Los CoBots ya existen en su forma más básica pero deberían llegar a ser del todo colaborativos en torno al 2025, donde tendremos nuevos compañeros de trabajo capaces de ayudarnos plenamente al tener movilidad, ágilidad y cierta capacidad de razonamiento. Su llegada está condicionada por la parte “hardware” y la mecatrónica, por lo que tardarán un poco más en llegar que sus homólogos digitales, los Asistentes Personales. Aquí no solo necesitarán dominar el procesamiento del lenguaje natural para tener una conversación sino que tendrán que ser capaces de ver correctamente y esto supone un dominio del concepto de Computer Vision. Los CoBots podrán luego ayudarnos a realizar tareas físicas y serán incluso capaces de trabajar de forma autónoma lo que supondrá seguramente una nueva revolución industrial, una era 5.0 tal vez. Los CoBots estarán tambien sujetos a muchas dudas legales, por ejemplo, los temas de la remuneración y de su imposición lo que podría dar lugar a debatir sobre la aplicación de una posible renta universal a finales del siglo para paliar a los problemas de jubilación y de destrucción de empleos. Llegado este momento entraríamos de nuevo en una nueva era, esta vez probablemente la de la Humanidad 2.0.

Blockchain

Blockchain es un libro de transacciones de confianza, compartido y distribuido que registra todas las transacciones que se han realizado en el pasado de una manera inviolable, de tal manera que ninguna de las partes de la red puede alterar la secuencia de transacciones. El diseño de bloque mueve la arquitectura de la aplicación de centralizada a distribuida, con lo que la información está disponible en cada nodo que tiene una copia de la base de datos y por lo tanto puede participar en el proceso de toma de decisiones haciendo la red más fiable. 

Podemos destacar una iniciativa española, Red Lyra, es una Blockchain semi-pública consorciada y regulada que está basada en Ethereum. Los consorcios existentes a día de hoy se enfocan en soluciones verticales, no transversales. El objetivo de esta iniciativa es reproducir un Blockchain público que cumpla con la regulación estatal. Quiere ser un entorno seguro y legal, para el despliegue de aplicaciones distribuidas transversales dentro del territorio nacional. Su objetivo principal es la Identidad Digital segura y certificada dentro de Blockchain y podría optimizar ciertos procesos actuales como onboarding, facturación, contabilidad, supply chain, financiación, etc. Este consorcio ha conseguido reunir a grandes instituciones financieras y empresas multinacionales de todos los ámbitos industriales de España. Es un proyecto abierto (open source) y gratuito con mecanismos de participación definidos en la misma red para que esta se convierta en un bien público. 

Retos de la Industria 4.0

Existen muchos retos y varían según los sectores y la madurez digital de cada empresa. De manera general podemos contemplar tres grandes clases de retos: tecnológicos, operativos y humanos.

Los primeros retos que suelen destacar a primera vista suelen ser de carácter tecnológico y a menudo me encuentro con comentarios del estilo “todo esto es muy bonito pero como lo montamos”. La interoperabilidad de los sistemas es crítica para poder pretender poner en marcha una solución digital eficiente. El enfoque “seamless” (sin costuras) es crucial para conseguir plataformas consolidadas a nivel backend y colaborativas a nivel frontend. Poder garantizar la integridad de los datos y por lo tanto poder empezar a tener un enfoque “data driven” relevante, es también, otro reto frecuente. Velar por la escalabilidad de la solución elegida suele ser también una fuente de preocupación legítima. Para todo ello, el Open Source, el Cloud, un modelo API First y una plataforma I-IoT suelen ser elementos que brindan flexibilidad y eficiencia en muchos proyectos. Pero cabe destacar que no hay una panacea universal que puede aplicarse como solución ideal a todos los casos de uso, es preciso analizar detenidamente cada proyecto con el fin de elegir las tecnologías, herramientas y modelos más adecuados al proyecto. A nivel de redes solo comentar en este artículo que la llegada de la 5G y de la LiFi nos brindará también nuevos casos de uso a medio plazo y por lo tanto nuevos retos.

Uno de los mayores retos operativos reside tal vez en saber extraer valor de este océano de datos. El análisis y la visualización de los datos son cruciales pero podemos caer rápidamente en una parálisis del análisis al ser inundado por tantos datos. Se recomienda por lo tanto realizar previamente un análisis funcional para alinear la finalidad del proyecto con las necesidades del negocio con el fin de asegurar un verdadero valor añadido y retorno sobre inversión. Por otra parte y de forma más profunda, la Industria 4.0 supondrá para muchas empresas una redefinición de su modelo de negocio para poder seguir competitiva y aprovechar nuevas oportunidades.

Los retos humanos en este nuevo paradigma son tan numerosos como críticos. Podemos destacar en este artículo retos internos como la reticencia o resistencia al cambio y la reconversión de la plantilla existente, y los principales retos externos radican sin duda en la escasez de recursos altamente calificados y la falta de normalización de los títulos de puesto buscados. 

Conclusión

Para concluir este artículo sobre la Industria 4.0, este nuevo paradigma hecho realidad, podríamos decir que se pueden hacer muchas cosas pero solo hay una cosa que no podemos hacer: no podemos quedarnos atrás. 

El cambio es inevitable por lo tanto no se trata de decidir si cambiar o no, se trata de decidir cómo subirse a bordo de este barco que ya ha zarpado. 

Las máquinas y los algoritmos estarán cada vez más presentes y al no poder competir con ellos, tendremos que enfocarnos en nuevas actividades de más valor. Para ello, tendremos que asimilar de paso nuevas competencias y no solo competencias técnicas (hard skills) para manteneros al dia y actualizados a nivel tecnológico, ecesitaremos también nuevas competencias cognitivas y sociales (soft skills) como el pensamiento crítico, el análisis sistémico, la inteligencia emocional, la capacidad de aprender a aprender, el aprendizaje colectivo y contínuo, el design thinking, etc… Y otras incluso más relacionadas con el bienestar como el mindfulness, por ejemplo. 

V = (c + e) x a

El conocimiento y la experiencia suman pero la actitud es el verdadero factor diferencial a la hora de generar valor.

Una (r)evolución sin precedente está en marcha, ¿cuál será nuestro papel en ella?

Comments

Please login or register to leave a response.