Por qué las fábricas se ahogan en datos y siguen teniendo dificultades para automatizarse

Las fábricas nunca han estado tan bien equipadas con sensores. Estos miden la vibración, la temperatura, el par y el tiempo de ciclo en casi todos los activos; sin embargo, la automatización en la planta sigue sin estar a la altura de lo prometido. Las investigaciones indican que los fabricantes aprovechan menos del 5 % de los datos que generan sus plantas. El diagnóstico habitual es que se trata de un problema de datos. Uno más preciso es que se trata de un problema de contexto, y esto ayuda a explicar por qué tantas inversiones en robótica y automatización se estancan antes de alcanzar escala.

Dijam Panigrahi es cofundador y director de operaciones de GridRaster, una plataforma de computación espacial para empresas industriales y fabricantes.

Una lectura de vibración por sí sola no significa gran cosa, y solo resulta útil cuando se combina con información sobre qué máquina la ha generado, qué eje se ve afectado y cómo afectará la anomalía a las estaciones posteriores en los próximos treinta segundos. Los paneles de control presentan cifras en filas y gráficos, pero una planta es un sistema físico en el que la posición, el movimiento y la sincronización determinan los resultados. Sin un modelo en tiempo real de ese espacio, los datos siguen siendo meramente descriptivos, ya que informan de lo que ha ocurrido en lugar de predecir lo que vendrá después. Esa limitación cobra mayor importancia a medida que las plantas incorporan robots y equipos autónomos, porque las máquinas que se desplazan por un espacio compartido necesitan saber dónde se encuentra todo lo demás, no solo cómo está funcionando.

Las consecuencias se hacen patentes en la cadena de producción, sobre todo teniendo en cuenta que, según un estudio de IDC, de cada 33 pruebas de concepto de IA que lanza una empresa, solo cuatro llegan a la fase de producción, y la causa señalada es la escasa preparación en materia de datos, procesos e infraestructura. Muchos proyectos piloto tienen éxito en una demostración controlada, pero fracasan en un entorno real, donde los robots, las personas, las cintas transportadoras y los materiales se mueven e interactúan constantemente.

La IA espacial aborda este problema creando una representación 3D de la planta de producción que se actualiza continuamente y vinculando cada señal a una ubicación y una relación. En lugar de una alarma de umbral en un único motor, el sistema comprende que ese motor alimenta una cinta transportadora específica, que la cinta abastece a una célula robótica y que una ralentización dejará sin material a una línea de envasado en menos de un minuto.

Hay ejemplos prácticos que ilustran este ajuste. Una alerta de mantenimiento que antes decía ‘temperatura del cojinete alta’ puede convertirse en una predicción de que ese cojinete deteriorará una célula dos estaciones más adelante, acompañada de una recomendación para redirigir el trabajo de inmediato. Los robots móviles pueden desplazarse por una distribución cambiante utilizando un mapa compartido en tiempo real en lugar de rutas fijas. Los equipos de calidad pueden rastrear un defecto hasta la posición exacta y las condiciones en las que se produjo. En cada caso, una predicción se convierte en una acción sin tener que esperar a que una persona concilie tres pantallas.

Esto también replantea las prioridades de inversión, ya que al añadir sensores o paneles de control, los trabajadores de la planta aumentan el volumen de datos sin aumentar la comprensión. Es más probable que la próxima década de competitividad industrial favorezca a las plantas que modelan bien el espacio, en lugar de a aquellas que simplemente recopilan más datos.

Sin embargo, la tecnología por sí sola no basta para cerrar la brecha, por lo que el desarrollo de la mano de obra está cobrando mayor importancia. El Manufacturing Institute y Deloitte prevén que los fabricantes podrían necesitar hasta 3,8 millones de empleados adicionales entre 2024 y 2033, y que hasta 1,9 millones de esos puestos de trabajo podrían quedar sin cubrir. El mismo análisis reveló un aumento del 75% en la demanda de competencias en simulación a lo largo de cinco años, principalmente en puestos de producción y pruebas basados en la tecnología.

Debido a esta dinámica cambiante, los puestos de trabajo están evolucionando. En una planta guiada por modelos espaciales, el valor de un técnico reside menos en manejar una sola máquina y más en interpretar un sistema: leer lo que predice un modelo en tiempo real, juzgar cuándo confiar en él y decidir cuándo anularlo. Estos intérpretes de sistemas deben dominar a la vez los datos, los procesos físicos y el juicio humano. La mayoría de los programas de recualificación siguen formando para tareas específicas relacionadas con los equipos, y muchos se diseñaron antes de que comenzara este cambio. Los programas de formación en prácticas y la experiencia laboral con modelos digitales en tiempo real, en lugar de la mera formación en el aula, ofrecen a los trabajadores una forma de desarrollar ese criterio. Las empresas que consideran la formación como parte del plan de implantación, y no como algo secundario, tienen más probabilidades de que sus proyectos piloto superen la puesta en marcha en la planta.

La carrera industrial se disputa en dos vías a la vez. Una es la infraestructura: los sensores, la conectividad y los modelos espaciales que proporcionan a una planta una comprensión compartida y en tiempo real de sí misma. La otra es la mano de obra: las personas capaces de interpretar esa visión y actuar en consecuencia. Avanzar solo por una vía produce resultados predecibles. Los sistemas avanzados sin nadie preparado para utilizarlos se estancan en la fase piloto, mientras que una plantilla cualificada limitada por datos fragmentados no puede ir más allá del trabajo reactivo.

Los líderes que estén sopesando los próximos pasos pueden empezar por unas cuantas preguntas: ¿Qué decisiones en la planta dependen actualmente de que alguien conecte mentalmente varias fuentes de datos? ¿Cuáles de ellas conllevan el mayor coste cuando se retrasan? ¿Qué funciones deberán cambiar primero para respaldarlas? Empezar por un caso de uso concreto y de gran valor, y formar al personal que se encargará de él en paralelo, suele generar resultados demostrables que se pueden ampliar, y ofrece a las partes interesadas escépticas algo concreto que evaluar en lugar de otra hoja de ruta.

Los fabricantes que desarrollen ambas vías primero marcarán algo más que el ritmo de la automatización. Definirán las condiciones de la competencia, desde la rapidez con la que una línea se recupera de una interrupción hasta qué plantas atraen el talento necesario para gestionarlas. La cuestión para el sector está pasando de cuánta información puede recopilar una fábrica a cuán bien comprende el espacio en el que opera.