Panasonic Industry considera que el uso de la inteligencia artificial en la fabricación no comienza con la elección de un modelo o una herramienta lista para usar, sino con la construcción de una base de datos operativos fiable. Según el artículo publicado en MONOist Japan, la empresa ha dedicado más de diez años a convertir los datos de las líneas de producción y el conocimiento relacionado con ellos en una estructura que pueda utilizarse para mejorar los procesos.
Esta experiencia procede de una empresa fundada en 1969 que produce, entre otros productos, condensadores electrolíticos de aluminio. Estos componentes se utilizan en ámbitos que incluyen los vehículos eléctricos, las aplicaciones de inteligencia artificial y la infraestructura de telecomunicaciones. En este contexto, la empresa afirma que mejorar la producción requiere abordar las diferencias entre las líneas de fabricación, proporcionar recursos y responder a los cambios en el volumen de la demanda.
Los datos precedieron a la inteligencia artificial
Hace aproximadamente diez años, cerca de la mitad de los equipos de producción antiguos, que databan de antes de 2010, no podían recopilar datos directamente. Por ello, Panasonic Industry trabajó en la introducción de equipos capaces de proporcionar datos y en la instalación de controladores lógicos programables, o PLC, en las líneas de producción existentes.
Según el artículo, este proceso permitió recopilar datos de más de 600 líneas de producción. La estandarización no se limitó a indicadores generales; pasó a ser posible organizar datos como la calidad de la producción, las tasas de fallos de los equipos, los defectos de los productos y los defectos relacionados con el volumen, además de la eficiencia de la producción y otros indicadores operativos.
De la medición al conocimiento operativo
La empresa no considera que la recopilación de datos sea un fin en sí mismo. La disponibilidad de datos de todos los equipos ayuda a analizar las condiciones de operación y determinar las causas de los problemas, además de permitir comparar el rendimiento de los equipos y los procesos. Panasonic Industry relaciona los datos con el conocimiento acumulado por los trabajadores y considera que la cuestión práctica es cómo comprender la relación entre lo que hacen los empleados y los cambios en el rendimiento de los procesos.
El artículo indica que la empresa trabaja en la construcción de un marco de conocimiento operativo basado en convertir la experiencia sobre el terreno en un formato reutilizable, en lugar de mantenerla vinculada a personas concretas. Este punto es especialmente importante en entornos de fabricación en los que las especificaciones de los productos y los métodos de producción cambian de un cliente a otro y pueden requerir miles de procedimientos de ajuste y operación.
¿Qué cambia en la práctica?
La transformación efectiva consiste en pasar de utilizar la inteligencia artificial como una herramienta independiente a integrarla con los datos de los equipos y el conocimiento operativo. El artículo explica que Panasonic Industry ha empezado a emplear tecnologías que incluyen agentes de inteligencia artificial para apoyar las operaciones, pero este paso se produjo después de preparar la infraestructura básica de datos y estandarizar los indicadores de rendimiento.
La lectura más importante es que la inteligencia artificial no compensa la ausencia de datos ni la falta de coherencia en sus definiciones. Una fábrica que no pueda acceder a los datos de sus equipos o que no disponga de una forma unificada de describir las averías y la calidad de la producción encontrará limitaciones antes de la fase de elegir un modelo de inteligencia artificial. En el caso de Panasonic Industry, la digitalización de más de 600 líneas de producción proporcionó una base sobre la que avanzar para analizar los procesos y ampliar la automatización del conocimiento.
El artículo no demuestra que se hayan resuelto todos los problemas de producción ni que los agentes de inteligencia artificial se hayan convertido en un sustituto de la experiencia humana. Sin embargo, presenta un itinerario claro: recopilar datos de los equipos, estandarizarlos, vincularlos con el conocimiento sobre el terreno y, después, utilizar la inteligencia artificial en las operaciones de fabricación. La eficacia de este itinerario sigue estando vinculada a la calidad de los datos, la precisión del modelado del conocimiento y la capacidad de los trabajadores para verificar los resultados antes de convertirlos en decisiones operativas.