Datos sintéticos en las estrategias IA de las empresas
No es casual que la utilización creciente de datos sintéticos sea uno de los puntos recogidos en el Hype Cycle sobre Inteligencia Artificial de Gartner ya que estos datos generados artificialmente tienen múltiples usos en las estrategias de IA empresariales.
La consultora Gartner prevé que en 2024 el 75% de las organizaciones cuente con al menos tres iniciativas de hiperautomatización.
Se denominan sintéticos a los datos generados artificialmente para sustituir a los datos reales en las pruebas asociadas al desarrollo de software, en el entrenamiento de modelos de IA u otro tipo de aplicaciones y a los que se recurre bien por motivos regulatorios -habitualmente para proteger la privacidad- o también cuando los conjuntos de datos reales no cumplen con otros requerimientos, sea en términos de volumen, variedad o calidad, de la IA.
No es casual que la utilización creciente de datos sintéticos sea uno de los puntos recogidos en el Hype Cycle sobre Inteligencia Artificial de Gartner ya que estos datos generados artificialmente tienen múltiples usos en las estrategias de IA empresariales. Las previsiones de la consultora contemplan que en 2024 el 60% de los datos utilizados para el desarrollo de soluciones analíticas y de IA se generarán sintéticamente frente al 1% correspondiente a 2021.
Ciertamente, los datos sintéticos tienen múltiples usos en las estrategias de IA de las empresas como, por ejemplo:
-. Acelerar el desarrollo de modelos de IA: recopilar datos reales para el entrenamiento de un modelo de IA requiere tiempo al implicar diferentes tareas más allá de la recopilación, tales como el etiquetado, procesamiento y control de la información; y en determinados casos puede tener también un coste elevado. Con el uso de datos sintéticos, los modelos pueden crearse en menos tiempo y con menor coste, e incluso antes de que los datos reales estén disponibles.
-. Entrenamiento de modelos: dado que los sistemas de IA y aprendizaje automático (ML) requieren volúmenes masivos de datos, puede suceder que para un determinado caso de uso no existan datos suficientes. Esta situación se produce en los nuevos casos de uso o cuando el caso sucede con una baja frecuencia. Puede ocurrir, igualmente, que la recopilación o compra de datos reales resulte extremadamente costosa.
-. Desarrollo de simulaciones a futuro: el mundo cambia a una enorme velocidad y hay momentos en los que los datos históricos pueden quedar obsoletos. La sustitución de datos históricos reales con datos sintéticos que tengan en cuenta tanto modas como cambios generalizados en el mercado permite mantener la relevancia de los modelos IA, incluyendo, por ejemplo, los utilizados por los motores de recomendación o los asistentes virtuales cognitivos. Así mismo, y ante la previsión de un cambio, los datos sintéticos permiten realizar simulaciones en base a diferentes escenarios de forma que la empresa puede estar preparada y anticiparse.
-. Simular eventos de “cisne negro”. Hay situaciones que se producen con muy baja frecuencia y, en consecuencia, pueden no reflejarse de forma suficientemente significativa en los datos históricos y tener, sin embargo, un impacto notable. Los datos sintéticos también permiten simular las situaciones excepcionales para poder modelar las mejores posibles respuestas en caso de producirse ese escenario.
El uso de datos sintéticos estadísticamente significativos que verdaderamente reflejen los datos reales es clave para desarrollar con éxito los casos de uso identificados en los Data Labs y su generación, dependiendo del tipo de datos, puede sencilla o verdaderamente compleja.
Ante este reto, las empresas data-driven y los científicos de datos ya están utilizando la misma IA y algoritmos de aprendizaje automático (ML) para crear datos sintéticos representativos y útiles. Un ejemplo es el uso de redes generativas adversariales (GAN), una tipología de trabajo neuronal que ha supuesto un avance importante en la generación de datos sintéticos.
Además, cada vez hay más herramientas, mayoritariamente de código abierto, para la creación de datos sintéticos; lo que significa un impulso importante al uso de datos sintéticos en la aplicación de IA en las empresas.
- Publicado en Analytics & AI
Ética en la aplicación de la Inteligencia Artificial
El uso de la Inteligencia Artificial (IA) se ha convertido en una realidad y los expertos coinciden en subrayar el impacto de este desarrollo en nuestras vidas, una realidad que ha reavivado el debate sobre la importancia de una ética de la IA.
Ante la expansión de la IA en muy diversos ámbitos es necesaria una ética que asegure su uso y aplicación adecuadas.
La Inteligencia Artificial (IA) está detrás de la mayoría de los proyectos de transformación digital de las empresas y uso se extiende a multitud de ámbitos con aplicaciones que van desde los servicios de atención al cliente para asegurar su satisfacción hasta la mejora de la producción industrial en los entornos Industria 4.0, pasando por la gestión avanzada del talento.
Esta realidad demuestra que las empresas son cada vez más conscientes del potencial de la IA en muy diversos entornos y, al mismo tiempo, consideran clave contar con expertos en tecnología con formación en ética, además de ser cada vez más numerosas las organizaciones en las que existe un protocolo y/o comité específico para asegurar el buen uso de la IA.
Por supuesto, los Gobiernos tiene mucho que decir sobre esta materia. Es el caso de la Unión Europea (UE), tras la propuesta de la Comisión Europea (CE) en abril de 2021 del primer marco legal sobre la IA, actualmente está en tramitación una nueva regulación para poner coto a los potenciales excesos asociados al uso de la IA y potenciar al mismo tiempo la posición de Europa para desempeñar un papel de liderazgo a nivel mundial.
La Propuesta de Reglamento sobre IA de la CE, que va de mano del Plan Coordinado sobre IA, tiene el objetivo de abordar los riesgos de usos específicos de la IA, que clasifica en cuatro niveles diferentes: riesgo inaceptable, riesgo alto, riesgo limitado y riesgo mínimo.
Actualmente, los europarlamentarios y países miembros de la UE están analizando el borrador de esta normativa, considerada bastante ambiciosa. Así, por ejemplo, contempla prohibir los usos de la IA considerados inaceptables y requerirá verificaciones adiciones en los considerados de “alto riesgo”, es decir, aquellos con mayor riesgo de perjudicar a las personas, incluyendo por ejemplo sistemas para la evaluación de exámenes, para la selección de personas en procesos de contratación o para la asignación de ayudas gubernamentales.
El nuevo Reglamento también podría restringir el uso del reconocimiento facial por parte de las agencias y cuerpos de seguridad en lugares públicos, e incluso prohibir los sistemas policiales predictivos que aplican IA al análisis de grandes volúmenes de datos.
Una vez aprobado, el Reglamento sobre la IA sería la primera normativa que aborda la regulación la IA y podría convertirse en un nuevo estándar global para su supervisión; pero requerirá tiempo. Teniendo en cuenta que el Reglamento General de Protección de Datos (RGPD), que afecta directamente a actividades como, por ejemplo, el comercio electrónico, tardó más de cuatro años en tramitarse y trascurrieron seis años hasta su entrada en vigor, es muy posible que sea necesario al menos otro año antes de contar con un texto final y otros dos años para la obligación de cumplimiento sea efectiva.
Así las cosas, en aggity ponemos el acento en las ventajas de la aplicación de la IA y al mismo tiempo consideremos fundamental dotar a la tecnología de principios y valores. A la hora de incorporar la IA en los procesos de producción de las empresas, nos guiamos por el compromiso de incluir la ética en los algoritmos que la rigen para asegurar un uso y aplicación adecuados.
- Publicado en Industria
Cómo reducir gastos en la gestión de RRHH
Para implementar un modelo de RRHH que sea práctico, eficiente y sostenible en costes es esencial que los datos con los que trabajen los especialistas sean de calidad, se recopilen y exploten de una manera adecuada.
Un estudio reciente recoge que el coste medio en España durante 2020 en la gestión de recursos humanos ascendió a 236 euros al año por empleado.
En estos casi dos años de pandemia la práctica totalidad de las empresas se han visto obligadas a redefinir sus estrategias, no solo de negocio, también de la gestión de los recursos humanos. Junto a las tareas propias de sus responsabilidades (nóminas, formación y desarrollo del talento…), los expertos de los departamentos RRHH se han enfrentado a un ajuste de los gastos para adaptarse a nuevos presupuestos.
Es lo que se conoce como Total Cost of Ownership (TCO), o coste total de propiedad, en referencia a la fórmula con la que se evalúan los costes y beneficios directos e indirectos relacionados, en este caso, con los recursos humanos. Esto incluye no solo los gastos de salarios y asociados a la nómina, también todos aquellos factores unidos intrínsecamente a la gestión de personal y aquellos que responden a las circunstancias, en este caso de la pandemia, un tiempo de retos para RRHH.
Un estudio reciente revela que en 2020 en España los equipos de RRHH de las empresas de tamaño medio invirtieron casi la mitad de su tiempo (45%) en actividades administrativas repetitivas, como la administración de nóminas (18%), de RRHH (14%) y la gestión de ausencias (13%). También recoge que el coste medio de gestión ascendió a 236 euros al año por empleado (297 euros si se incluyen costes ‘ocultos’).
IA aplicada al control de los gastos
En cualquier contexto, pero sobre todo en el actual, es necesario evaluar e identificar cada uno los costes asociados a la gestión administrativa de los recursos humanos para poder gestionarlos de la manera más optima y eficaz. Esto implica no solo considerar los gastos más evidentes también los menos visibles como:
• Disponibilidad de herramientas tecnológicas para el mantenimiento de la actividad y la gestión de los procesos relacionados con las funciones de recursos humanos (pago de nóminas, control de horarios, gestión de descansos y ausencias, etc.).
• Externalización de servicios para la automatización y gestión de procesos e instalaciones, así como para el cumplimiento de nuevas normativas y requerimientos legales en materia laboral.
• Capacidad de adaptación para sobrellevar situaciones que se escapan a cualquier plan de negocio, lo que implica una actualización constante de los empleados en todos los niveles para afrontar el futuro con más seguridad.
Para implementar un modelo de RRHH que sea práctico, eficiente y sostenible en costes es esencial que los datos con los que trabajen los especialistas sean de calidad y se recopilen y exploten de una manera adecuada por soluciones como BesTalent IA by aggity. Al tratarse de un software de gestión de recursos humanos basado en tecnologías de inteligencia artificial (IA), esta plataforma es capaz de aportar valor en todos los momentos de la relación del empleado con la empresa.
Gracias al uso de algoritmos predictivos aplicados al análisis y la interpretación de la actividad de los empleados en base a indicadores clave, es posible conseguir beneficios en la gestión de personal, la evaluación de su desempeño, la mejora de la productividad, así como en el uso de recursos externos para obtener los resultados deseados con un control adecuado de los gastos.
- Publicado en Talent & HR
IA y big data: aliados ante una crisis de desabastecimiento
Los consumidores esperan que los datos almacenados sobre ellos no solo se orienten a conocer sus necesidades y a la personalización de sus experiencias, pero también permiten a la empresa estimar sus previsiones de venta.
Casi ocho de cada 10 ejecutivos de todo el mundo afirman que han acelerado sus estrategias digitales en la cadena de suministro.
Alrededor del 83% de los ejecutivos son más conscientes ahora que antes de la pandemia de los riesgos propios a las cadenas de suministro, tales como la escasez de materias primas, las paradas de la producción o los bloqueos del transporte. La situación actual les ha hecho darse cuenta de que necesitan más velocidad, agilidad e innovación, y de que la digitalización y el análisis de los datos en tiempo real deben ser una prioridad en las estrategias de transformación, esenciales para la supervivencia de muchas empresas.
Así lo recoge el informe ‘Inteligencia en tiempo real y el futuro de las cadenas de suministro’, realizado por el grupo de investigación Longitude, y para el que se sondeó a 320 ejecutivos de multinacionales de los sectores de la fabricación, el transporte y la logística de 18 países.
En este estudio, casi ocho de cada 10 encuestados afirman que han acelerado sus estrategias digitales en la cadena de suministro. Además, cerca del 50% de los ejecutivos están considerando revisar las estrategias de gestión en los próximos dos años. El estudio muestra así mismo que la automatización también ganará importancia en el manejo de los cambios en la demanda. Actualmente, el 42% de las compañías analizadas está utilizando la automatización para gestionar los riesgos y este porcentaje se duplicará en los próximos dos años.
Anticiparse a los cambios
Tecnologías como la inteligencia artificial (IA) y el big data desempeñan un papel importante en el fortalecimiento de las cadenas de suministro mediante una planificación y ejecución mejoradas. La recopilación y el intercambio de datos en tiempo real mejora la eficiencia y la visibilidad, respaldando las relaciones entre proveedores y fabricantes para la toma de decisiones, al mismo tiempo que afianzan el compromiso que las marcas tienen con sus clientes, lo que se conoce como el customer engagement.
Los consumidores esperan que los datos almacenados sobre ellos no solo se orienten a conocer sus necesidades y a la personalización de sus experiencias, sino también a estimar sus necesidades para que sean capaces de suministrarlas a tiempo.
Para llegar a ellos, antes hay que llevar a cabo un trabajo analítico que facilite el conocimiento de los consumidores a través de herramientas como Digital Customer Engagement by aggity. Gracias al uso de técnicas de analítica avanzada, esta plataforma de comunicación omnicanal y marketing automatizado segmenta automáticamente a los usuarios, estructura y estudia las interacciones y, basándose en ese conocimiento, propone las mejores acciones posibles en los momentos más oportunos.
De esta manera es posible adelantarse a posibles acontecimientos futuros, como una posible crisis de desabastecimiento y saber responder a tiempo a las necesidades de los clientes.
Saber más sobre la plataforma de hiperpersonalización para la venta
- Publicado en Customer Engagement
Tecnologías en auge en el mundo RRHH
Big data, inteligencia artificial, internet de las cosas o machine learning son tecnologías desarrolladas para el sector industrial o del marketing a las que los departamentos de Recursos Humanos pueden sacarles mucho provecho.
Su adopción por parte de las empresas se ha visto acelerada tras el contexto al que se han visto sometidas las organizaciones con la pandemia.
En España, el 83% de las empresas están abordando la transformación digital de sus departamentos de Recursos Humanos. El 40% de ellas se encuentran en fase avanzada, según el estudio publicado por Incipy sobre esta cuestión, y en el que han participado más de 100 responsables de este departamento en sectores como servicios, industria y energía, gran consumo o tecnología y telecomunicaciones.
Estos datos son consecuencia de los retos a los que se han visto sometidas las organizaciones desde el inicio de la pandemia hace ahora casi dos años. Entre las iniciativas puestas en marcha en estos meses, la implantación de nuevas herramientas digitales de comunicación y colaboración, con un 82%, pasa a ocupar la primera posición de este ranking, elaborado desde hace seis años, mostrando la importancia de abordar este reto con el aumento del teletrabajo.
La digitalización de procesos internos avanza a la segunda posición y el uso de las redes sociales en el reclutamiento, que ocupó en los últimos años siempre el primer puesto, desciende a la tercera posición. La innovación en nuevas políticas de flexibilidad y teletrabajo se sitúa en un destacado. Y la formación, nuevos roles y perfiles digitales también recoge un aumento.
Tecnología aplicada
Detrás de esta evolución hay soluciones como BesTalent IA by aggity , que hacen uso de tecnologías como el big data, la inteligencia artificial, el internet de las cosas o el machine learning que, inicialmente, se desarrollaron para otros sectores, como el industrial, y ahora se están aplicando a la digitalización de los recursos humanos.
Big data
La digitalización de cualquier empresa y departamento implica la generación de una gran cantidad de datos (big data) que proporcionan una valiosa información para la monitorización de procesos y la toma de decisiones de forma objetiva para, por ejemplo, potenciar la carrera de un empleado, reforzar sus conocimientos o conocer su rendimiento.
Inteligencia artificial
Gracias a las técnicas de inteligencia artificial las empresas son capaces de mejorar la experiencia de sus empleados, conocer su rendimiento y establecer las estrategias más adecuadas para la identificación y retención de talento. En el apartado de la contratación, la analítica también adquiere un papel muy relevante para filtrar candidaturas y preseleccionar los perfiles que mejor se ajustan a los requerimientos de la compañía.
Internet de las cosas
El internet de las cosas (IoT) y el aumento del uso de dispositivos portátiles por parte de los empleados ya es habitual para el seguimiento y mejora de la salud, control del sueño y de la productividad o medición de la satisfacción en el trabajo. Aplicado a los puestos de trabajo de mayor riesgo, como la minería o la construcción, permiten monitorizar de forma remota valores como la frecuencia cardíaca, la respiración o el nivel de estrés garantizando la seguridad y la ayuda inmediata si es necesario.
Machine learning
Las empresas utilizan el aprendizaje automatizado o machine learning para hacer predicciones a partir de datos relevantes. Los profesionales de recursos humanos ya hacen uso de ello para, por ejemplo, poner en marcha estrategias de fidelización de talento o iniciar procesos de reclutamiento para reforzar la plantilla en determinados momentos.
- Publicado en Talent & HR
Tendencias tecnológicas en el sector industrial
La digitalización y automatización de la industria, combinando técnicas como la analítica de datos y la inteligencia artificial, permite automatizar los procesos, aumentar la interconectividad de la fábrica y obtener mejores resultados.
El internet de las cosas industrial, el empleo de gemelos digitales o el uso de servicios en la nube marcarán el futuro crecimiento empresarial.
El desarrollo de tecnologías como la computación en la nube, la inteligencia artificial (IA), el internet de las cosas (IoT), el edge computing y el 5G es fundamental para impulsar la siguiente fase de transformación de los negocios en todas las facetas de la interacción con el cliente, las operaciones empresariales, la fabricación y las cadenas de suministro.
Esta aceleración ya está marcando una nueva era de la «industria inteligente», que va más allá de la Industria 4.0, según recoge Capgemini en su documento “Intelligent Industry: the Next Era of Transformation”.
La publicación de la firma analista pone de relieve cómo estas tecnologías están posibilitando que las organizaciones hagan realidad una serie de casos de uso de fabricación inteligente que antes eran inviables. Entre ellas, la inspección de calidad basada en vídeo, las operaciones a distancia o los vehículos autónomos guiados. Las tecnologías que ya están permitiendo dar ese impulso digital a la industria son:
Internet de las cosas industrial o IIoT
Los productos y plataformas conectados hacen posible que el sector industrial ofrezca un nuevo conjunto de servicios basados en datos, transformando así la experiencia del cliente y los modelos empresariales y operativos. Esta interconexión es la que permite, por ejemplo, que se puedan manejar las máquinas de una fábrica desde una tableta.
Big data
Para que la transformación hacia la industria inteligente tenga éxito, las organizaciones deben aprovechar el poder de los datos y los volúmenes ingentes de ellos que se generar gracias a la digitalización de los activos. Esto dará lugar a productos nuevos y diferenciados, cadenas de suministro más ágiles y eficientes, y nuevas y mejores experiencias para los clientes.
Gemelos digitales o ‘digital twins’
Se trata de réplicas virtuales de objetos o procesos que simulan el comportamiento de sus homólogos reales. Los gemelos digitales están cerrando la brecha entre los sistemas virtuales y el mundo físico mediante modelos en tiempo real que pueden actualizarse y optimizarse continuamente. Esto se traduce en mayor eficiencia y menor impacto ambiental, más fiabilidad y ahorro de costes.
Inteligencia artificial
Con este término se denomina a aquellos programas de software que analizan el comportamiento humano a través de tecnologías cognitivas y establecen patrones que facilitan respuestas ante acciones individuales. La aplicación de la IA en el entorno industrial abarca procesos muy diversos.
Computación en la nube
La gestión de cualquier herramienta tecnológica requiere actualmente del uso de servicios de computación en la nube o cloud computing. Estas plataformas ofrecen agilidad, flexibilidad y soluciones a medida de las necesidades de cada compañía, junto a otra gran ventaja: la posibilidad de escalar sus negocios siguiendo el modelo de pago por uso.
Estas tecnologías ya no son piezas independientes que funcionan de forma aislada. Se trata de un conjunto complejo de capas de software gestionadas desde una plataforma unificada como Smart Factory by aggity.
Esta solución para la digitalización y automatización en tiempo real de la industria combina la analítica de datos y la inteligencia artificial, permitiendo automatizar los procesos y mejorar la interconectividad de la fábrica con programas para la planificación, organización y control de la planta. El resultado: negocios más competitivos y preparados para un futuro en el que la tecnología será imprescindible para mantenerse en el mercado.
- Publicado en Industria
Experiencia del cliente y asistentes virtuales cognitivos
Basados en inteligencia artificial, los asistentes virtuales cognitivos se diferencian de los chatbots porque son capaces de interactuar dentro de un contexto en el que reconocen los estados de ánimo del usuario durante una conversación.
El 60% de los consumidores cree que reducirá el tiempo de las respuestas a la vez que éstas estarán muy personalizadas según sus preferencias.
Hace ya 10 años que irrumpieron en la vida de los usuarios asistentes virtuales como Siri o Cortana con la función de facilitarles la vida en múltiples facetas: desde información sobre el tráfico y la previsión meteorológico hasta la resolución de dudas acerca del horario de apertura de una farmacia u otro establecimiento. Se trata de una herramienta que se ha vuelto cotidiana y que los consumidores también quieren incorporar a su relación con las marcas.
Ya en 2018, la consultora Gartner predijo que en los siguientes años las personas tendrían más conversaciones con bots que con su cónyuge. Quizá una previsión que pueda parecer exagerada, pero no exenta de razón si se tiene en cuenta que, con el auge de la inteligencia artificial (IA) y las interfaces de usuario conversacionales, es cada vez más probable que interactuemos con un bot sin saberlo a través de smartphones, tabletas, asistentes personales virtuales (VPA) o los sistemas de entretenimiento del hogar y automóviles.
El paso siguiente es el uso de los asistentes virtuales cognitivos (AVC). También basados en inteligencia artificial se diferencian de los chatbots porque son capaces de interactuar dentro de un contexto en el que reconocen los estados de ánimo del usuario durante una conversación. Esto, por un lado, se traduce en una mejor experiencia del cliente, que siente que recibe un trato más personalizado; y en la mejora de los resultados de las ventas al satisfacer mejor sus demandas.
Interacción con contexto
Estos servicios cognitivos suelen hacer uso de una cámara con la que identificar las expresiones faciales de quien habla y, al mismo tiempo, interpretarla para entender la información que recibe y responder en consecuencia. Al aumentar el grado de inteligencia de estos servicios y la automatización de la relación de las empresas con el cliente, el riesgo al que se enfrentan las marcas es la deshumanización del trato con el consumidor, advierte la firma de análisis PwC en su informe ‘Bots, Machine Learning, Servicios Cognitivos’.
Los datos de este documento muestran, sin embargo, una buena predisposición por parte de los usuarios: el 60% cree que reducirá el tiempo de las respuestas a la vez que ganarán en personalización, el 38% afirma que el empleo de IA puede proporcionarles mejores experiencias y el 43% de los millenials pagaría un plus por un servicio híbrido de IA con acceso a un agente humano.
La vinculación de las soluciones cognitivas con las plataformas de CRM supondrá un avance en la experiencia de cliente, por la posibilidad de personalizar las interacciones y poder hacerlo, además, a gran escala, combinando información relevante y abundante sobre el contexto del usuario, con modelos cognitivos (por ejemplo, propensión a la compra, siguiente mejor acción) y con modelos de relación multicanal, a lo largo de los diferentes customer journeys.
Una plataforma como RedPoint Global by aggity es capaz de ofrecer esa visión global del viaje del cliente para lanzar acciones en diferentes medios y optimizar las conversaciones, pudiendo generar interacciones más personales y en tiempo real gracias a los datos almacenados de los usuarios conectados entre sí y a los que tienen acceso todos los profesionales de marketing de la compañía. Solo así es posible ofrecer experiencias relevantes al cliente.
- Publicado en Analytics & AI
Tecnologías para una fabricación inteligente
Las fábricas inteligentes, o smart factories, aprovechan las tecnologías digitales para mejorar en productividad, calidad, flexibilidad y servicio a través de la conectividad, la automatización inteligente y el análisis y gestión de datos.
La analítica avanzada se utiliza, primero, para respaldar la toma de decisiones, pero el objetivo final es lograr operaciones automáticas de optimización.
La fabricación inteligente es el paso necesario para que la industria sea competitiva y se desarrolle al mismo ritmo que lo hace el resto de la sociedad de la mano de la digitalización. Otro de los términos a los que se recurre para referirse a esta transformación es el de Industria 4.0 o cuarta revolución industrial, un concepto que da idea del cambio de paradigma al que se enfrenta sector.
Las fábricas inteligentes, o smart factories, aprovechan las tecnologías digitales para mejorar en productividad, calidad, flexibilidad y servicio. La consultora Capgemini, en su informe ‘Smart factories @ scale’ señala tres tecnologías claves que las habilitan.
Por un lado, la conectividad, aprovechando el IoT industrial para recopilar datos de equipos existentes y nuevos sensores; la automatización inteligente, con la aplicación, por ejemplo, de robótica avanzada, control distribuido o drones; y el análisis y gestión de datos en la nube, con la implementación, entre otras, de soluciones de análisis predictivo e inteligencia artificial.
Optimización de las operaciones
La característica principal de una fábrica inteligente es la optimización de «ciclo cerrado», impulsada por datos, de las operaciones de un extremo a otro, según recoge el mismo documento. La analítica avanzada se utiliza, primero, para respaldar la toma de decisiones, pero el objetivo final es lograr operaciones automáticas de optimización, donde la fábrica se adapta constantemente a la demanda, variaciones en desviaciones de suministro y proceso.
Aquellas organizaciones que estén dispuestas a dar el salto deben apoyarse en una plataforma analítica como Smart Factory by aggity para todo su ciclo productivo. Esto incluye la mejora de la producción, la logística, la calidad, el mantenimiento y la previsión de la demanda e inventario, todo ello mediante el uso de algoritmos de inteligencia artificial, lenguaje natural y machine learning.
Al tratarse de un sistema modular, esta solución es capaz de adaptarse a las necesidades de cada cliente, manejar los grandes volúmenes de información de forma contextualizada y holística, e identificando la raíz de los problemas y prediciendo el comportamiento futuro de la fábrica para tomar decisiones en consecuencia. El resultado es una reducción del 30% de los costes operativos, una mejora de la eficiencia en la producción que puede alcanzar el 20% y una mejora en la gestión de los inventarios de hasta el 30%.
La transformación de la industria ha de pasar inevitablemente por la analítica de datos y el uso de tecnologías IoT. Con la implantación de estas soluciones, a través de una plataforma unificada, se consigue digitalizar la fábrica gracias a una perfecta y completa automatización de procesos y predicción de acciones.
- Publicado en Industria
Ingeniería y tecnologías disruptivas. Copimera 2021
El pasado jueves 14 de Octubre tuve la ocasión de participar en el XXVIII Congreso Internacional de COPIMERA (Confederación Panamericana de Ingeniería Mecánica, Eléctrica y Ramas Afines). El tema de la conferencia fue “Ingeniería y Tecnología Disruptivas”.
Al plantearme la conferencia, pensé en desarrollar con profundidad los aspectos más novedosos de la tecnología que están generando una “disrupción” en el trabajo de los ingenieros. La disrupción no es más que un cambio brusco, una interrupción en la evolución. La pregunta inmediata fue, ¿la disrupción es una novedad? y rápidamente me di cuenta que la ingeniería ha sufrido varias disrupciones en los últimos años, desde la regla de cálculo que dominó el trabajo de los ingenieros hasta los años 70, a la Inteligencia Artificial que nos invade hoy.
La calculadora, el ordenador personal, y la Analítica de Datos son solo algunas de las disrupciones que los Ingenieros hemos vivido en los últimos 50 años. Y como en todos los cambios, el primer requisito para que beneficiarse de ellos es conocerlos.
En las reuniones que tengo con empresas de todo tipo, una de las primeras sensaciones es que la reacción a la Analítica de Datos o la Inteligencia Artificial es de desconocimiento e inmediatamente de cierto rechazo… Así que en mi ponencia traté de recorrer de forma lo más sencilla posible la tecnología que nos está cambiando, y algunos ejemplos de cómo lo está haciendo.
INTELIGENCIA ARTIFICIAL: es el término más general que describe las técnicas que permiten a las máquinas replicar la inteligencia humana, usando la lógica y la inteligencia de máquina.
MACHINE LEARNING: Es el subconjunto de la IA que incluye tanto técnicas estadísticas y probabilísticas como aprendizaje reforzado.
DEEP LEARNING: Es el subconjunto del aprendizaje automático formado por algoritmos de redes neuronales multicapas que permiten al software entrenarse a sí mismo para realizar tareas como reconocimiento de voz, de imágenes, de texto, sobre grandes conjuntos de datos.
La idea clave de estas definiciones es “algoritmo”, es decir el conjunto de operaciones ordenadas que permite resolver un problema. Desde un problema de cálculo aritmético, al problema de qué probabilidad hay de que una determinada máquina se averíe, o una fase en mi proyecto de construcción se retrase.
Simplificándolo hasta el extremo, la Inteligencia Artificial es la tecnología que me permite desarrollar un “algoritmo” es decir un proceso de razonamiento para resolver un determinado problema. Para ello deberé conocer el problema en su detalle, y el aumento exponencial de la recogida de datos a través de sensores junto con el aumento, también exponencial, de la capacidad de almacenamiento y cálculo me permiten hacer esto como nunca antes se había hecho.
Una vez conocido el problema, será necesario entender las causas que lo provocan, y buscar el “algoritmo” que lo resuelva. Desde una simple regresión, a algoritmos mucho más complejos como las redes neuronales. Para definir este algoritmo, habrá que decidir el tipo y “entrenarlo”, es decir buscar los parámetros que lo definen. Volviendo al caso más sencillo de una recta de regresión, cuál es la ecuación de la recta y el coeficiente de regresión.
Ahora tendré que validarlo, comprobar que efectivamente este algoritmo es capaz de “adivinar” el futuro. Si he definido la relación entre el peso y la altura de varones adultos, entonces si este hombre mide 1,85 m probablemente pesará x Kg. y que si su peso es mucho menor, es muy probable que no sea un varón adulto sino un niño. Ya tenemos nuestro algoritmo.
¿Y cuál es la novedad? Esto ya lo podíamos hacer hace 35 años utilizando una calculadora científica… La gran novedad, la disrupción que cambia el trabajo de los ingenieros es que ahora podemos utilizar “máquinas” que por su capacidad de cálculo y su velocidad pueden plantear algoritmos mucho más complejos y resolverlos en mucho menos tiempo. Lo que hace años podía suponer horas de trabajo, ahora son menos que segundos. Y así, tiene sentido que la IA determine si un motor va a fallar, o si la demanda de un determinado artículo cambiará. La bondad de la respuesta dependerá de cómo hemos definido el algoritmo, y ahí la ingeniería tiene y tendrá un papel clave.
- Publicado en Prensa
Inteligencia artificial en la industria 4.0
Las soluciones de inteligencia artificial aplicadas a la empresa toman decisiones en tiempo real, hacen recomendaciones personalizadas, detectan los orígenes de los errores o proyectan modelos predictivos.
La economía mundial será en 2030 un 14% mayor como consecuencia de los efectos de la aplicación de la inteligencia artificial.
La inteligencia artificial es la capacidad que tienen los sistemas informáticos para emular las capacidades de la mente humana en sus procesos de aprendizaje, razonamiento y resolución de problemas. En el ámbito de la empresa, hace referencia a soluciones innovadoras que, a partir de la analítica de datos, toman decisiones en tiempo real, hacen recomendaciones personalizadas, detectan los orígenes de los errores o proyectan modelos predictivos.
Las organizaciones e industrias que quieran ser competitivas en el futuro no pueden dar la espalda a estas aplicaciones. La consultora PwC estima que la economía mundial será en 2030 un 14% mayor como consecuencia de los efectos de la inteligencia artificial.
El mismo documento recoge que, en términos absolutos, en esa misma fecha la IA provocará un incremento adicional del PIB mundial de 15,7 billones de dólares adicionales. De ellos, 6,6 billones (el 42%) se generarán como consecuencia del incremento de la productividad y 9,1 billones por los efectos en el consumo.
El informe estima que el principal impacto sobre la economía mundial vendrá de tres factores fundamentales. Uno de ellos son las ganancias en productividad para las empresas como consecuencia de la automatización de procesos, incluido el uso de robots y de vehículos autónomos.
Otra consecuencia es el incremento de la productividad debido al incremento de la fuerza laboral de las compañías con las tecnologías de inteligencia artificial, entre ellas la realidad aumentada y asistida. Y, por último, por el aumento del consumo derivado de la existencia de productos y servicios más personalizados y de mayor calidad.
Gestión de datos
Como se adelantaba más arriba, la inteligencia artificial aplicada a la empresa no es prácticamente nada sin la gestión de datos. Para que tenga sentido su implementación, las compañías han de disponer de una gran cantidad de datos que permitan a las soluciones de inteligencia artificial extraer la información que facilite su entrenamiento para aprender a ofrecer las mejores respuestas.
La plataforma Smart Factory by aggity integra el uso de técnicas de inteligencia artificial, aprendizaje profundo (machine learning) y redes neuronales inteligentes (ANN, por sus siglas en inglés) que, aplicadas al sector de la producción, facilitan la transformación digital de la industria.
Gracias al análisis de algoritmos que se adaptan a cada necesidad, esta solución convierte los volúmenes de datos de los procesos industriales en información fácilmente interpretable. Es así como es posible controlar y evaluar el rendimiento en cada momento y proceso, además de ayudar a prevenir problemas en la fábrica, gestionar la calidad de los productos y mejorar la operativa de forma continua.
De acuerdo con los datos basados en la experiencia de nuestros clientes, el despliegue de la solución se traduce en un incremento medio de la productividad del 35% y la reducción en un 95% del uso de papel. También se consigue reducir los plazos de entrega un 27%, el ’work in progress’ un 24% y los no conformes un 21%; además de acortarse en un 72% el tiempo de recogida de datos.
- Publicado en Industria