Cómo integrar el APS con sistemas MES para mejorar la toma de decisiones
La integración de APS MES permite conectar la planificación con la ejecución en tiempo real, mejorando la eficiencia y la toma de decisiones. En este post te contamos cómo funciona, sus beneficios y cómo implementarlo con éxito. Aprende a integrar APS con sistemas MES para optimizar la planificación y ejecución en entornos productivos complejos. La integración de sistemas dentro del entorno industrial es cada vez más habitual y en este escenario la integración APS MES representa el mejor ejemplo ya que redefine los procesos productivos al conseguir una mejor toma de decisiones. Con el desarrollo de la denominada Industria 4.0 ha ido apareciendo todo un ecosistema de soluciones orientadas no solo a optimizar los procesos productivos. Entre esas soluciones se encuentran los sistemas de planificación avanzada o APS y los sistemas de ejecución de la manufactura o MES, encargados de monitorizar, controlar y gestionar la ejecución de la fabricación en tiempo real. Tradicionalmente, estas soluciones han operado de manera independiente o con una integración superficial, lo que limita el potencial de mejora en eficiencia y toma de decisiones. Pero esta situación ya ha cambiado. ¿Qué es la integración entre APS y MES? La integración APS MES se refiere a la conexión bidireccional y automatizada entre el primero de los sistemas y el segundo. Esta unión supone que ambas tecnologías intercambian de forma continua datos como inventarios, disponibilidad de recursos, órdenes de trabajo y estado real de las máquinas para que la planificación y la ejecución discurran de forma alineada. Esta relación simbiótica entre APS y MES en industria supone un avance notable para las empresas de este sector ya que se elimina la tradicional desconexión existente entre la planificación y la ejecución. Sin esa integración, el sistema APS se quedaba obsoleto rápidamente, sobre todo cuando aparecían eventos imprevistos en la producción. Además, el MES carecía de una visión global de los objetivos de la cadena de suministro, por lo que su eficacia se limitaba de forma notable. El valor de la integración APS MES radica en que, por un lado, la planificación es siempre realista y adaptable a las condiciones de cada momento mientras que, por otro lado, la ejecución se puede guiar por un plan optimizado y actualizado. Esto se traduce en una mayor agilidad operativa y una optimización de la planta productiva. Asimismo, se consigue una utilización de los recursos más eficiente y una toma de decisiones industrial mucho más proactiva e informada. Con esta unión de tecnologías, las empresas disponen de una visión única, unificada y actualizada de la operación, desde la planificación inteligente hasta la entrega, eliminando las redundancias y los errores derivados de la doble gestión de datos. En definitiva, la integración APS MES supone un paso más hacia el smart manufacturing que permite a las organizaciones responder de forma óptima tanto a las necesidades de negocio como a las realidades cambiantes de la planta de producción. Beneficios de integrar APS y MES APS y MES en industria supusieron en su momento una auténtica revolución en la digitalización de procesos de los entornos industriales. Su integración, sin embargo, es aún más importante que su irrupción debido a las numerosas ventajas que lleva aparejadas. El primero de estos beneficios es la mejora que se produce en la eficiencia operativa de una planta. El APS, gracias a sus algoritmos de optimización, genera planes de producción considerando múltiples restricciones y los transfiere automáticamente al MES, el cual ejecuta dichos planes de forma ordenada y en tiempo real. De esta forma se minimizan los tiempos de inactividad, los cambios de línea innecesarios y, también, los costes asociados. Gracias a que se produce una actualización continua de la producción, las empresas pueden reprogramar órdenes sobre la marcha, ajustarse a incidencias imprevistas o modificaciones en la demanda para conseguir un entorno de producción más flexible y ágil. La eficiencia se ve asimismo reforzada porque con la integración APS MES no existe la necesidad de tener que introducir datos de forma manual y tampoco se producen duplicidades en los sistemas, algo que suele ocurrir si trabajan de manera separada. Otra de las grandes ventajas tiene que ver con la visibilidad que tienen los responsables de planta de todo el proceso productivo. Como la información fluye desde el APS hasta el MES y viceversa, los trabajadores encargados de tomar las decisiones tienen a su disposición un amplio conjunto de datos verdaderos, granulares y en tiempo real sobre el estado de las órdenes, la capacidad de la planta, la disponibilidad de materias primas y los posibles cuellos de botella. Gracias a esta visión integral, pueden identificar puntos críticos, anticipar riesgos y tomar acciones proactivas que eviten pérdidas o comprometan la calidad del producto final. Asimismo, se mejora la colaboración entre los departamentos de planificación, producción y ventas, al trabajar todos ellos con la misma información. Finalmente, otro de los beneficios más destacables del trabajo conjunto de estos dos sistemas de fabricación es el incremento de la precisión en las operaciones. Al eliminarse las entradas de datos manuales, la integración APS MES garantiza que la información que fluye entre los sistemas sea coherente y precisa. Dado que el APS se alimenta con datos de capacidad real y restricciones actuales del MES, puede generar planes más realistas y alcanzables. A su vez, el MES puede llevar a cabo el plan basándose en la información más actualizada y optimizada. Esta precisión se extiende a la predicción de los tiempos de finalización de las órdenes, la estimación del consumo de materiales y la identificación de posibles problemas de calidad. Capacidades clave Para que sea exitosa, la integración APS y MES debe sustentarse en un conjunto de capacidades tecnológicas y operativas que permitan la fluidez de la información y la adaptabilidad de los procesos. Estas capacidades incluyen la sincronización en tiempo real, la planificación dinámica y un alto grado de automatización. De estas tres, la sincronización en tiempo real es quizá la más importante. Para ello, se produce una conectividad industrial que permite que los datos fluyan bidireccionalmente
Cómo implementar el control de emisiones en tiempo real en la industria
El control de emisiones en tiempo real es esencial para cumplir con normativas ambientales y mejorar la eficiencia. En este post exploramos qué es, cuáles son sus beneficios, y analizamos las tecnologías clave, los casos de uso y cómo aggity ayuda a implementarlo. Conoce cómo controlar emisiones en tiempo real para cumplir normativas, optimizar procesos y avanzar hacia una industria sostenible. La gestión ambiental se ha convertido en uno de los pilares sobre los que se sustenta las estrategias de las empresas del sector industrial. Motivadas por el creciente interés por el cambio climático y la sostenibilidad, así como por reducir los costes, las organizaciones están incorporando de manera constante soluciones tecnológicas y el control de emisiones en tiempo real se ha consolidado como una herramienta esencial para ello. Implementar un sistema de control de emisiones en tiempo real implica una transformación profunda de la manera en la que las empresas monitorizan, reportan y gestionan sus emisiones, integrando tecnologías de sensores industriales, plataformas de análisis de datos y sistemas de alerta que trabajan conjuntamente para ofrecer una visión precisa y continua del impacto ambiental de las operaciones industriales. ¿Qué es el control de emisiones en tiempo real? El control de emisiones en tiempo real es un sistema avanzado que permite el monitoreo ambiental continuo y la gestión dinámica de los contaminantes liberados a la atmósfera por fuentes industriales. Las empresas del sector siempre han tenido metodologías de control ambiental industrial, pero la gran diferencia que ofrece el control de emisiones en tiempo real es que, en vez de proporcionar una fotografía de las emisiones en un momento concreto, ofrece un flujo constante de datos, reflejando el comportamiento de las emisiones a medida que ocurren. Para ello, las empresas se apoyan en un conjunto de componentes que incluyen sensores de alta precisión instalados en las chimeneas o en los puntos de descarga de las instalaciones. Estos sensores industriales están diseñados para detectar y cuantificar una amplia gama de contaminantes atmosféricos, como óxidos de nitrógeno o de azufre, monóxido de carbono, dióxido de carbono o partículas. La información que recopilan se transmite a un sistema centralizado de procesamiento de datos desde el que se analiza y se transforma en información para la toma de decisiones. Este sistema central suele incluir software de análisis avanzado, que puede emplear algoritmos de inteligencia artificial y aprendizaje automático para identificar patrones, detectar anomalías y predecir tendencias de emisiones. Además, los módulos de comunicación son vitales para asegurar la transmisión fluida y segura de datos desde los sensores hasta la plataforma central, así como para la integración con los sistemas de control de procesos existentes en la planta. Con la implementación de estas soluciones de control y gestión de emisiones en tiempo real, las empresas industriales buscan conseguir varios objetivos. El primero de ellos tiene que ver con el cumplimiento de las diferentes normativas sostenibles, lo que les permitan evitar sanciones y multas derivadas de exceder los límites de emisión permitidos. En segundo lugar, se busca conseguir la sostenibilidad operacional, es decir, la optimización de los procesos productivos, ya que la información en tiempo real permite ajustar las operaciones para minimizar la generación de contaminantes en su origen. Además, con esta gestión de emisiones en tiempo real, las organizaciones intentan mejorar la transparencia ambiental, así como la reputación como compañía sostenible, lo que les permite incrementar la base de clientes, los cuales están cada vez más concienciados de la importancia de confiar en empresas que tienen definida una buena propuesta de ESG industrial. Beneficios del monitoreo en tiempo real La implementación de un sistema de control de emisiones en tiempo real aporta múltiples beneficios que van más allá de la optimización de los procesos. Uno de los principales es que permite a las empresas industriales demostrar, de manera continua, que cumple con las normativas sostenibles y las diferentes legislaciones de reducción de emisiones. El cumplimiento normativo es especialmente relevante en sectores como la energía, la manufactura o la petroquímica, donde las regulaciones ambientales son cada vez más estrictas y el riesgo de sanciones económicas o, incluso, de cierre temporal de instalaciones, es elevado. La gran ventaja es que estas soluciones de digitalización medioambiental permiten generar reportes automáticos y auditables, lo que facilita la interacción con las autoridades y reduce la carga administrativa asociada a la gestión ambiental. Además, al tener acceso constante a los datos de emisiones, las empresas pueden identificar de inmediato cualquier desviación de los límites permitidos y tomar medidas correctivas antes de que pueda producirse una infracción. El objetivo de las regulaciones es conseguir una industria verde. Con la incorporación de soluciones de control de emisiones en tiempo real se reduce la huella de carbono de las organizaciones y se da un paso más en la consecución de la sostenibilidad operacional de estas empresas. Y es que estas herramientas permiten identificar oportunidades para la reducción del consumo de energía y proporcionan una solución óptima para minimizar la generación de residuos, lo que contribuye a la descarbonización y a la implementación progresiva de una economía circular. Otro de los grandes beneficios de este tipo de soluciones de monitoreo ambiental es que se mejora de forma notable la eficiencia de la organización. Gracias a la capacidad que tienen estos sistemas de detectar cualquier tipo de desviación o incidente, las empresas pueden intervenir de manera inmediata, evitando paradas no planificadas, daños a los equipos o pérdidas de producción. Además, la integración de sistemas de monitoreo en tiempo real con plataformas de mantenimiento predictivo permite anticipar fallos y planificar intervenciones de manera más eficiente, minimizando el impacto en la producción y en el medioambiente. Capacidades clave Para que el control de emisiones en tiempo real sea efectivo, es fundamental contar con una serie de capacidades tecnológicas que, habitualmente, giran en torno a la conectividad, la visualización y la respuesta inmediata. En este sentido, los sensores IoT juegan un rol esencial ya que son los encargados de medir de manera continua y precisa los contaminantes de una fábrica.
Inteligencia Artificial en acción: aggity en IBM Think Madrid 2025, donde la IA se consolida como motor de valor empresarial
La nueva edición de IBM Think Madrid ha confirmado lo que en aggity ya estamos viviendo junto a nuestros clientes: la inteligencia artificial ha dejado de ser un experimento para convertirse en una herramienta fiable, escalable y clave para la transformación empresarial. Más de 500 líderes empresariales se dieron cita este 9 de julio para explorar cómo la IA generativa, la nube híbrida y la automatización están generando valor tangible en organizaciones de todos los sectores. En este marco, desde aggity celebramos haber estado presentes en un evento donde quedó claro que la innovación ya no es una promesa futura, sino una realidad presente que estamos desplegando de la mano de IBM. De la exploración a la implementación Durante la jornada, IBM subrayó que la adopción de la inteligencia artificial requiere tres ingredientes fundamentales: combinar tecnologías disruptivas con infraestructuras consolidadas, mantener una estrategia abierta y colaborar dentro de ecosistemas tecnológicos robustos. Este enfoque permite a las empresas acelerar resultados sin comprometer la estabilidad de sus operaciones. Uno de los conceptos más destacados fue el de los Agentes de IA, ya disponibles gracias a plataformas como IBM watsonx Orchestrate. Estos agentes permiten automatizar tareas reales de forma contextual, integrándose con flujos de trabajo existentes y facilitando la productividad de los equipos. Ejemplos como EVA, un agente de RR.HH. que reduce hasta un 40% de las consultas repetitivas, muestran el potencial transformador de esta tecnología. Automatización, productividad y ecosistemas abiertos La automatización y la IA generativa no solo están revolucionando la eficiencia operativa, sino que se están posicionando como el verdadero motor de productividad del futuro. IBM presentó múltiples casos reales donde estas tecnologías ya están teniendo impacto medible, tanto en el sector privado como en administraciones públicas. También se puso de relieve el valor de construir sobre ecosistemas tecnológicos abiertos, que permitan una rápida adaptación al cambio y faciliten la colaboración entre organizaciones, un enfoque que compartimos plenamente en aggity como partners estratégicos de IBM. Una mirada al futuro: computación cuántica y generative computing Además de las soluciones actuales, IBM Think Madrid ofreció una visión clara sobre el futuro inmediato de la tecnología. La computación cuántica —con hitos como la instalación del IBM Quantum System Two en San Sebastián este mismo año— y el concepto emergente de generative computing están marcando el camino hacia una nueva era de innovación. La combinación de supercomputación tradicional con sistemas cuánticos y modelos generativos más estructurados promete resolver retos hoy inabordables y redefinir la forma en la que las empresas interactúan con sus datos y flujos de trabajo. IA y experiencias inmersivas El evento también permitió experimentar con casos aplicados a sectores como el deporte, la automoción o la industria. Desde una mesa de ping-pong con IA generativa capaz de crear narrativas personalizadas en tiempo real, hasta el análisis de datos deportivos en un entorno de futbolín interactivo, quedó patente cómo la inteligencia artificial puede conectar emoción, datos y negocio de forma innovadora. Desde aggity celebramos poder ser parte activa de este cambio de paradigma tecnológico, acompañando a nuestros clientes en la adopción de soluciones de IA confiables, escalables y alineadas con sus objetivos de negocio.Como partners de IBM, seguimos apostando por una innovación responsable y efectiva, que transforme la tecnología en resultados concretos.
IA Generativa: adaptarse o quedarse atrás – Entrevista a Jose María Salido, experto en IA & Data en aggity
La IA Generativa ya no es una promesa futura, es una ventaja competitiva en tiempo real. En esta entrevista, Jose María Salido, especialista en Inteligencia Artificial & Data en aggity, nos comparte cómo las empresas pueden aplicar esta tecnología para ganar eficiencia, innovar y anticiparse al cambio… o arriesgarse a quedarse fuera. ¿Podrías hablarnos un poco sobre ti? ¿Cuál ha sido tu recorrido profesional hasta hoy? Mi trayectoria comenzó en el ámbito de la electrónica, aunque pronto me enfoqué en telecomunicaciones. A los 30 años empecé a desarrollar proyectos desde cero, como una plataforma de Telefonía IP en México que llegó a conectar a millones de personas. Después pasé por Houston, donde lideré servicios para grandes redes sociales, y más tarde lancé una plataforma de datos móviles en Latam. En 2023 empecé a colaborar con gobiernos y empresas en proyectos de IA Generativa, lo que me permitió reconectar con mi vocación tecnológica. Hoy, desde aggity en Barcelona, quiero aplicar toda esa experiencia para construir soluciones de IA que generen verdadero valor en las empresas. Para situarnos: ¿qué es la inteligencia artificial y en qué se diferencia de la IA generativa? La inteligencia artificial, en términos generales, es cuando un sistema puede realizar tareas que normalmente requerirían inteligencia humana. La IA generativa es un subconjunto de esta disciplina y se refiere a sistemas capaces de generar contenido nuevo —texto, imágenes, código, etc.— a partir de patrones que han aprendido o con los que han sido previamente entrenados. (Hacemos ambas cosas) ¿En qué áreas concretas estáis viendo más impacto de la IA generativa dentro de las organizaciones? Uno de los grandes retos que vemos en aggity es que las empresas quieren introducir la IA para ser más competitivas, pero no tienen claro cómo empezar. La IA está sobre la mesa en todas las reuniones estratégicas, pero existe una preocupación generalizada: ¿qué pasa con nuestros datos? Desde aggity nos tomamos muy en serio la securización de estos datos. Las empresas tienen secretos, know-how, ventajas competitivas… y es lógico que teman compartir esa información con modelos que necesitan datos para seguir entrenándose. El reto es cómo aprovechar la IA generativa sin comprometer la confidencialidad. Es justo ahí donde estamos trabajando activamente en aggity para poder asegurar una tranquilidad total al implementar este tipo de nuevas tecnologías. Desde tu experiencia, ¿cuáles son las principales ventajas de aplicar IA generativa en el día a día empresarial? Hay muchas, pero destaco dos especialmente relevantes: Primero, la velocidad con la que permite identificar problemas y proponer soluciones. La IA puede generar alternativas que, gracias al criterio humano, se pueden validar rápidamente. Segundo, la automatización de tareas repetitivas que no aportan valor añadido. Esto libera a las personas para que puedan enfocarse en lo que realmente importa. Personalmente, siempre digo: la IA no sustituye personas, sustituye tareas. Son las personas las que aportan la inteligencia y el valor en las organizaciones. ¿Qué obstáculos suelen encontrarse las empresas a la hora de adoptar esta tecnología y cómo se pueden superar? El primero es el miedo a compartir información confidencial, como ya comentábamos. Pero también hay otro muy común: las expectativas. Se habla tanto de IA que muchas empresas tienen expectativas desmesuradas y temen no estar a la altura. Por eso, desde aggity siempre recomendamos empezar por casos de uso reales, tangibles, con impacto directo. A partir de ahí, se puede escalar e ir incorporando más complejidad y valor. ¿Cuál crees que es el mayor riesgo para una organización que no empiece a explorar esta tecnología ya? El riesgo es claro: quedarse atrás. Muchas empresas ya están explorando la IA, y cada mes que pasa supone un salto tecnológico. No hacer nada ahora equivale a estar diez años por detrás de la competencia en apenas un año. Es imposible predecir exactamente qué hará la IA dentro de doce meses, pero lo que es evidente es que su evolución es exponencial. No tenerla en el radar es un lujo que pocas empresas pueden permitirse. ¿Podrías compartirnos un caso real donde la IA generativa haya generado un impacto tangible? Sí, uno de los casos más relevantes es el del CIEMAT (Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas), donde hemos aplicado IA generativa de IBM WatsonX en el ámbito de la fusión nuclear. La IA ayuda a interpretar grandes volúmenes de datos, lo que impulsa la investigación y acelera procesos muy complejos. La IA generativa de IBM WatsonX impulsa la investigación en fusión nuclear del CIEMAT de la mano de aggity Además, no solamente hemos realizado proyectos de Inteligencia Artificial Generativa sino también de Inteligencia Artificial predictiva y tradicional. ¿Qué papel debe tener el talento humano frente a estas tecnologías? ¿Nos sustituye o nos potencia? Es una preocupación habitual, especialmente entre los empleados. Pero la realidad es que la IA necesita del criterio humano. Lo comparo muchas veces con un coche de Fórmula 1: no sirve de nada si no tienes a los ingenieros y pilotos adecuados para interpretarlo, mejorarlo y sacarle el máximo partido. La IA potencia a las personas. Un profesional experto en un área puede usar la IA como una herramienta poderosa que le permita resolver problemas de formas que antes ni siquiera había imaginado. Y para cerrar: ¿qué recomendarías a una empresa que quiere comenzar con IA generativa, pero no sabe por dónde empezar? Lo más importante es dejarse asesorar por expertos que hayan implementado soluciones reales. En aggity escuchamos a nuestros clientes, entendemos sus necesidades y planteamos casos de uso alcanzables con impacto directo. Dar el primer paso es clave: empezar con algo concreto, comprobar el valor generado, y desde ahí, crecer. ———————————————————————————————– ¿Quieres saber cómo aplicar la IA generativa en tu empresa? En aggity te ayudamos a identificar oportunidades reales, diseñar soluciones a medida y avanzar con seguridad. Porque adaptarse ya no es una opción: es una necesidad.
Cómo escalar un modelo de IA del piloto a producción con éxito
Escalar un modelo de IA del entorno de pruebas a producción es uno de los mayores retos de la inteligencia artificial en el mundo empresarial. Muchas iniciativas fallan en esta transición. En este post exploramos cómo hacerlo con éxito, sus beneficios y cómo aggity te ayuda a lograrlo. Pasa de la prueba de concepto al valor real de negocio. Aprende a escalar tu modelo de IA con éxito y evitar los errores más comunes. A pesar del impacto que tiene la IA en todos los sectores, su implementación conlleva diferentes retos. Uno de los más importantes es el de escalar la IA en producción. Y es que, desplegar la IA a gran escala supone tener que superar retos técnicos, organizativos y estratégicos. A pesar de los beneficios que puede reportar la IA empresarial, si no se sigue una estrategia de producción IA correcta y no se asume un cambio cultural en la organización la IA en empresas puede resultar un fiasco. Veamos cómo conseguirlo. ¿Qué implica escalar un modelo de IA a producción? Escalar un modelo de IA a producción significa básicamente llevar un modelo de inteligencia artificial del laboratorio al mundo real de una empresa. Esta escalabilidad IA consiste en integrar un modelo de aprendizaje automático (ML) que ha demostrado su valor en un entorno de pruebas en los sistemas y flujos de trabajo operativos de una organización. De esta forma se pueden manejar las cargas de trabajo del mundo real, mantener su rendimiento y adaptarse a datos que pueden cambiar. Para que la IA en producción sea exitosa y se traduzca en un despliegue de modelos definitivo y operativo es necesario llevar a cabo diferentes fases. La primera de ellas consiste en evaluar de forma exhaustiva el piloto y prepararlo para la producción. Antes de escalar la IA en producción, es importante validar a fondo el éxito del proyecto piloto. Esto significa no solo evaluar la precisión del modelo, sino también su robustez ante diferentes tipos de datos, su interpretabilidad y el impacto potencial que puede tener con los objetivos de negocio. Para ello es necesario identificar aspectos como los requisitos para el entorno de producción, el volumen esperado de datos, la latencia máxima permitida para las predicciones o la frecuencia con la que el modelo necesitará ser reentrenado. Una vez que se hayan validado los requisitos, la segunda fase consiste en diseñar una arquitectura de producción. Se trata de concebir una infraestructura escalable que soporte el modelo de IA. Esto implica tomar decisiones críticas sobre la infraestructura (ya sea en on-premise como en la nube), la gestión de datos (cómo se almacenarán, accederán y gobernarán los datos), los mecanismos de inferencia y cómo se integrarán los modelos de inteligencia artificial con los sistemas empresariales existentes. La seguridad de los datos y el modelo, así como el cumplimiento de las normativas también tienen que ser consideradas. La tercera fase supone el desarrollo e implementación de la infraestructura diseñada. Para ello, una vez que se tiene una arquitectura clara, se empiezan a construir y configurar los componentes necesarios. Esto puede implicar la creación de clústeres de cómputo escalables, la implementación de bases de datos de alto rendimiento, la configuración de pipelines de datos automatizados y el despliegue de los servicios de inferencia del modelo en un entorno de producción. La automatización es clave en esta etapa para una buena estrategia de MLOps (Machine Learning Operations), utilizando herramientas de infraestructura como código (IaC) y orquestación de contenedores (como Kubernetes) para garantizar la consistencia y reducir la probabilidad de errores manuales. Una vez ejecutadas las fases anteriores, hay que llevar a cabo la última antes de escalar la IA a producción. Este último momento se centra en la monitorización y el mantenimiento continuo. Y es que el despliegue no es el final del proceso, sino el comienzo. Es esencial establecer un sistema de monitoreo robusto que rastree de forma constante el rendimiento del modelo, la calidad y la distribución de los datos de entrada, así como el estado de la infraestructura. El mantenimiento continuo incluye el reentrenamiento periódico del modelo con nuevos datos, la actualización constante del software y la resolución de cualquier problema o anomalía que pueda surgir. Sin un monitoreo adecuado, incluso el mejor modelo puede degradarse rápidamente. Beneficios de escalar IA con éxito El éxito de escalar la IA en producción permitirá multiplicar tanto la operativa interna de la empresa como la propuesta de valor hacia el cliente. Uno de los impactos más notables es la agilidad que adquiere la organización para adaptarse a los cambios del mercado. La automatización de la IA es una de las grandes ventajas y con ella, las empresas pueden optimizar flujos de trabajo y responder en tiempo real a las variaciones en la demanda, lo que se traduce en una capacidad de reacción ante los diferentes escenarios que puedan aparecer. Otro beneficio importante es que gracias a la potenciación de la escalabilidad de la IA se mejora el valor de negocio gracias a que tareas rutinarias y propensas a errores pueden ser automatizadas, liberando a los empleados para que se centren en la realización de actividades de mayor valor estratégico. Además, la IA permite personalizar la experiencia del cliente de forma precisa, analizando grandes volúmenes de datos para ofrecer recomendaciones, productos o servicios ajustados a las necesidades individuales. Con ello se incrementa la satisfacción y fidelización del cliente y se abre la puerta a nuevas oportunidades de ingresos. La gran duda que suele aparecer, como ocurre en cualquier proyecto tecnológico es si el retorno de la inversión o ROI se puede medir. La respuesta es afirmativa ya que en el momento en el que se produce un despliegue de modelos se produce, casi de manera inmediata, una importante reducción de los costes operativos y una optimización de los procesos. Todo eso se traduce en un incremento de los ingresos, así como una reducción de los riesgos ya que la IA contribuye a la reducción de riesgos operativos y financieros al detectar
La IA generativa de IBM WatsonX impulsa la investigación en fusión nuclear del CIEMAT de la mano de aggity
Desde aggity, en calidad de business partner de IBM en España, nos sentimos orgullosos de contribuir a un proyecto de enorme valor científico y tecnológico junto con el Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT) e IBM para aplicar tecnologías de Inteligencia Artificial (IA) generativa en los experimentos de fusión nuclear que se desarrollan en el Laboratorio Nacional de Fusión (LNF) del CIEMAT, en Madrid. Esta colaboración se enmarca en el programa europeo EUROFusion y tiene como eje el dispositivo experimental TJ-II, un stellarator de tipo heliac con una compleja configuración magnética, diseñado para estudiar los principios físicos de la fusión nuclear y generar conocimiento clave para el proyecto internacional ITER. La aportación de aggity: integración experta de IA generativa aggity, como partner especializado en el desarrollo y despliegue de soluciones avanzadas de IA, participa activamente en la implementación de IBM watsonx en este entorno altamente especializado. Nuestra labor se centra en facilitar la aplicación práctica de la IA generativa y en construir una plataforma específica capaz de analizar grandes volúmenes de datos experimentales de forma eficiente, precisa y segura. Gracias a esta colaboración, estamos ayudando a convertir los datos complejos generados por el TJ-II en información accionable, mediante modelos predictivos, asistentes virtuales especializados y sistemas de recomendación capaces de proponer configuraciones experimentales óptimas o generar informes automáticos basados en el comportamiento del plasma. WatsonX: el motor de la IA generativa aplicada a la ciencia IBM watsonx es el portfolio de soluciones de IA generativa que está redefiniendo los límites de la ciencia de datos. En este proyecto, se está utilizando para abordar retos como: El uso de watsonx, impulsado por aggity, ha permitido también el desarrollo de modelos de nube híbrida para la conectividad entre el TJ-II y la infraestructura de IBM, bases de datos vectoriales para la gestión eficiente de datos, y el entrenamiento de modelos de lenguaje adaptados a los datos científicos de fusión. IA para avanzar hacia una energía limpia y segura La integración de IA generativa representa un salto cualitativo en la investigación sobre fusión nuclear, considerada una de las alternativas energéticas más prometedoras para el futuro por su seguridad, sostenibilidad y potencial ilimitado. Esta iniciativa posiciona al LNF-CIEMAT, junto con IBM y aggity, como actores clave en la aplicación de la IA avanzada en entornos científicos de alto impacto. El objetivo final del proyecto es crear una plataforma de IA generativa especializada en datos de fusión nuclear, capaz de acelerar los descubrimientos científicos mediante modelos de autoaprendizaje, razonamiento semántico avanzado y asistentes inteligentes con capacidad de análisis interactivo. Nuestro compromiso con WatsonX y la IA generativa En aggity llevamos tiempo apostando por el enorme potencial de WatsonX, la plataforma de IA generativa de IBM, que ya estamos aplicando en sectores como la industria, la energía, la investigación científica o la administración pública. Watsonx permite entrenar y desplegar modelos fundacionales adaptados a cada entorno, con garantías de seguridad, trazabilidad y eficiencia. Gracias a esta tecnología, ayudamos a organizaciones líderes a automatizar procesos, reducir tiempos de análisis y tomar decisiones basadas en datos con mayor precisión y agilidad. Seguimos impulsando el uso responsable y estratégico de la inteligencia artificial generativa para resolver los grandes desafíos de nuestro tiempo.
Fin del soporte a IBM Maximo 7.6.1: por qué es el momento de planificar la migración a Maximo V9
El próximo 30 de septiembre de 2025, IBM pondrá fin al soporte oficial para la versión 7.6.1 de IBM Maximo. A partir de esa fecha, dejarán de publicarse actualizaciones de seguridad, correcciones de errores y asistencia técnica para esta versión del sistema de gestión de activos empresariales (EAM). Esta decisión obliga a muchas organizaciones a tomar medidas para garantizar la continuidad y seguridad de sus operaciones. El fin del soporte implica que cualquier incidencia futura quedará sin resolver, lo que incrementa el riesgo de ciberseguridad, incumplimiento normativo y problemas operativos. Además, mantener una versión obsoleta puede suponer una barrera para el crecimiento y la innovación, especialmente en organizaciones con entornos industriales complejos o en expansión. La alternativa natural y recomendada por IBM es la migración a Maximo Application Suite (MAS), también conocida como IBM Maximo V9, una evolución completa de la solución que incorpora un entorno modular, más escalable, y preparado para la integración con tecnologías avanzadas como la inteligencia artificial, IoT o analítica predictiva. ¿Por qué migrar a Maximo V9? La migración a Maximo V9 no solo es una respuesta a la necesidad de mantener el soporte técnico, sino una oportunidad para modernizar la gestión de activos, optimizar procesos y mejorar la toma de decisiones operativas a partir de datos en tiempo real. Con el fin de soporte a la vuelta de la esquina, es el momento idóneo para planificar esta transición de forma controlada, asegurando una migración sin interrupciones y con todas las garantías.
Así será la fábrica de un futuro que ya es muy presente – Entrevista a Miquel Melero, experto en Industria 4.0 en aggity
En esta ocasión tenemos el placer de poder contar con Miquel Melero, experto en tecnologías aplicadas al entorno industrial, sobre los retos, beneficios y el futuro de la Industria 4.0. ¿Cuáles son las tecnologías clave que están impulsando la Industria 4.0? Desde mi punto de vista, los sistemas MES son el corazón de la producción. Aglutinan toda la funcionalidad operativa de las fábricas y actúan como fuente de registro de datos, lo que permite realizar análisis posteriores y aplicar tecnologías como la inteligencia artificial. También destacaría el Cloud, que cada vez tiene un papel más relevante. Muchas empresas están trasladando los datos generados en planta a la nube para tratarlos, agregarlos, construir un datalake y aplicar analítica, ya sea con herramientas de BI o con IA generativa. En este sentido, la IA Generativa se está convirtiendo en una herramienta fundamental como asistente para operarios, supervisores, técnicos de mantenimiento, etc., ya que permite acceder de forma sencilla y rápida al conocimiento de la organización almacenado en sistemas como ERP, MES, GMAO, planificación o documentación. ¿Qué papel está jugando el IoT en los entornos industriales y cuáles son los principales retos para su incorporación? El IoT, entendido como sensores que comunican de forma independiente con una plataforma cloud, todavía no se ha implantado de forma generalizada. Lo que sí estamos viendo es la subida de todos los datos de los distintos sistemas (ERP, MES, SCADA, etc.) al cloud para aprovechar las ventajas que ofrece la nube: escalabilidad, pago por uso y facilidad para aplicar analítica a esos datos. ¿Cuál será el impacto de la inteligencia artificial en los procesos de producción? Creo que el impacto será muy alto, sobre todo en lo que respecta a la IA Generativa, porque permite interactuar con los datos usando lenguaje natural. Esto democratiza el acceso a la información. Imagino un futuro en el que todo el personal de una empresa industrial —operarios, supervisores, responsables de planta, personal de mantenimiento, almacén, calidad o incluso oficinas— podrá contar con un asistente al que preguntar por cualquier dato de los sistemas o documento almacenado en los repositorios de la empresa. Además, la IA Generativa servirá para enriquecer cualquier informe, dashboard o pantalla de información, añadiendo contexto histórico de forma automática. ¿Cuáles son los principales desafíos para la implementación de la Industria 4.0? El concepto de Industria 4.0 es muy amplio, y los desafíos varían mucho en función del nivel de madurez digital de cada empresa. Pero, por definición, se trata de digitalizar todas las operaciones, con el objetivo de automatizar procesos y aplicar tecnologías como la IA sobre esos datos digitales. Uno de los mayores retos, en mi opinión, es el factor humano: gestionar el cambio, contar con personal formado y capacitado para liderar internamente esta transformación. Otro desafío clave es disponer de una hoja de ruta clara, una visión a tres o cuatro años sobre hacia dónde se quiere avanzar en digitalización, y empezar a caminar en esa dirección de forma progresiva. ¿Qué beneficios aportan la automatización y la robótica a las fábricas inteligentes? No soy experto en automatización y robótica, por lo que prefiero no profundizar en ese ámbito. Aun así, entiendo que son tecnologías clave para aumentar la eficiencia y reducir errores. ¿Cómo están las empresas utilizando tecnologías emergentes como la realidad aumentada, la realidad virtual y los gemelos digitales? He visto que la realidad aumentada y la realidad virtual se están utilizando principalmente para formación o como soporte remoto en reparaciones. En cuanto a los gemelos digitales, aunque todavía son pocas las plantas que los han implantado completamente, sí veo que muchas están avanzando en esa dirección, especialmente para centralizar todos los datos de sus sistemas en un data lake industrial en la nube y poder aplicar analítica avanzada sobre ellos. ¿Qué impacto tiene la Industria 4.0 en la eficiencia energética y la sostenibilidad? El impacto es enorme. Siempre digo que para mejorar, hay que medir, y no hay mejor forma de hacerlo que automáticamente. La eficiencia energética requiere monitorizar los consumos en tiempo real, identificar anomalías, hacer benchmarking o seguir la evolución de proyectos de mejora. En cuanto a la sostenibilidad, es clave que el cálculo de la huella de carbono esté basado en datos reales y trazables. Y eso solo se consigue registrando la producción y el consumo energético en tiempo real. Además, el nuevo reporting no financiero exigido por la Unión Europea obliga a que estos datos sean trazables y auditables, igual que los financieros. Por eso, la digitalización es imprescindible. ¿Cómo se prevé el futuro de la Industria 4.0 a medio y largo plazo? Lo veo como un futuro apasionante. Cada vez más, la tecnología más puntera entrará de lleno en las fábricas. Las empresas industriales, si ven retorno de la inversión y mejoras claras en eficiencia, no suelen poner impedimentos. Y eso es lo que está ocurriendo, y ocurrirá aún más con la Industria 4.0. Veremos un aumento de la automatización, más tareas delegadas en el software, y un acceso democratizado a la información: datos disponibles en el momento preciso, contextualizados y útiles para la toma de decisiones. Todo esto nos llevará hacia una industria más eficiente, que consume menos recursos y reduce emisiones de carbono, es decir, más sostenible. Miquel Melero, Smart Factory Solution Leader en aggity
Spinreact
Durante los últimos 43 años, se ha dedicado íntegramente al desarrollo y producción de reactivos para Diagnóstico in-vitro. Tiene una gran experiencia en investigación y producción de nuevos parámetros y fabrica una extensa y competitiva gama de productos de máxima calidad.
Insud Pharma
Grupo de compañías que abarca todos los eslabones de la industria químico-farmacéutica. Cuenta con 3 áreas empresariales y un fuerte foco en I+D para desarrollar nuevas y mejores soluciones.