La inteligencia artificial (IA) puede ser aplicada en muchas ramas de la industria con el fin de reducir gastos y mejorar procesos. Esta inteligencia artificial industrial, aparte de algoritmos inteligentes y conceptos de macrodatos que se encuentran en el espacio virtual dentro de los sistemas informáticos, incluye también los propios dispositivos físicos. Los datos deben obtenerse a través de sensores. Los comandos deben ser enviados a los actuadores y sistemas de control. Toda esta cadena y flujo de información pasan – con ayuda de una conexión inalámbrica o mediante cable – por entornos de condiciones extremas. Hay un largo camino por recorrer desde los puntos de producción en las fábricas, las minas o las torres de perforación hasta los almacenes de macrodatos y sus potentes instalaciones de computación en los centros de procesamiento y las salas de control.
Las instalaciones industriales de producción, los sistemas físicos de transporte y los canales de distribución son complejos y, a menudo, toda una mezcolanza de dispositivos de diversos fabricantes. Dado que la automatización ha avanzado mucho, existe un gran número de sistemas digitales de control y gestión. Actualmente, en las ramas de la industria se pueden encontrar redes para la transmisión de datos, sistemas SCADA (Supervisión, Control y Adquisición de Datos), controladores lógicos programables (PLC) y sistemas de calefacción, ventilación y aire acondicionado (HVAC). Todos estos sistemas se evalúan a distintos niveles de abstracción. Existen conceptos y niveles mayores de control de complejidad, así como también niveles menores y estrechamente ligados a desafíos de tipo físico.
Esto es cada vez más difícil
Las instalaciones industriales existentes se caracterizan por la abundancia de sistemas de conducción y kilómetros de cables. Estas redes sofisticadas aseguran un funcionamiento ininterrumpido. Existen estándares industriales para las redes digitales que unen dispositivos y conmutadores, aseguran las interfaces entre redes y establecen la comunicación con las salas de control. Estos sistemas han sido diseñados especialmente para trabajar en condiciones adversas. Con la llegada de la inteligencia artificial y la moderna conectividad digital global a la industria, estos nuevos dispositivos inteligentes también tienen que ser capaces de funcionar en condiciones extremas. La IA está estrechamente relacionada con el Internet Industrial de las Cosas (IIoT) para ofrecer una mayor conexión inalámbrica y conectividad entre los sistemas corporativos y el Internet.
Todos estos nuevos sistemas se enfrentan a los desafíos de la naturaleza y a la poderosa fuerza de la maquinaria de producción industrial. Las instalaciones industriales pueden encontrarse situadas en lugares remotos sin acceso a redes eléctricas. Imagínese trabajar en medio de la jungla, a donde se llega solo a través de un camino improvisado. Usted mismo tendría que asegurar el suministro eléctrico con la ayuda de generadores o acumuladores. Las condiciones climáticas podrían ser áridas o frías; podría haber gases nocivos en el ambiente que corroen los equipos electrónicos o los destruyen por explosión. Sin embargo, el calor y el frío pueden ser tanto de procedencia natural como consecuencia de determinados procesos de producción. La fundición y la congelación de productos a menudo forman parte del ciclo de producción. Gran parte del trabajo es de carácter mecánico. Ciertas piezas se mueven a altas velocidades. Ciertas máquinas generan vibraciones y golpes. Actualmente, la inteligencia artificial se enfrenta a estos desafíos de tipo físico principalmente en lo que respecta a la maquinaria robotizada y a las redes del IIoT.
Los robots están en todos lados
Los robots constituyen un desafío complejo. Deben hacer tareas y tienen que trasladarse hacia los lugares donde son requeridos. Para lograrlo sin necesidad de interaccionar con el hombre, es preciso que este robot posea una IA (un cerebro) capaz de proporcionarle autonomía. Sin embargo, todos recordamos como los robots han fracasado durante las operaciones de desmantelamiento de centrales nucleares. En estos casos, el problema se debió a que la radiación destruyó su electrónica. Por lo tanto, es evidente que se necesita un «cerebro» blindado. Además, se hace difícil la comunicación con el mundo exterior. En los casos de radiación intensa, cualquier comunicación inalámbrica o por cable supone un serio desafío.
Sin embargo, los desafíos en el empleo de la inteligencia industrial artificial aparecen no solo en los casos donde se manifiesta la temible naturaleza de las reacciones de desintegración nuclear, sino también durante la exploración de los profundos fondos marinos o en la industria minera. Estas últimas actividades son también bastante complejas. Debido a la falta de una infraestructura integral, de una fuente fija de energía o de acceso a Internet, usted necesita adaptar las mejores prácticas existentes para la transición hacia las tecnologías digitales y el uso de macrodatos.
Es posible que no encuentre ejemplos tan extremos como estos en los procesos de producción de las instalaciones que frecuenta diariamente, pero seguro encontrará complejas situaciones de carácter similar. Cualquier proceso de producción industrial está rodeado por entornos y maquinarias que generan riesgos. Y, sin embargo, el ejército de robots autónomos o preparados para convertirse en autónomos crece cada día.
Ya existen manos robotizadas, medios de transporte robotizados y autónomos terrestres, sumergibles y aéreos para todo tipo de tareas. Estos medios de transporte se clasifican en: dirigibles automáticos, terrestres no tripulados, todoterrenos no tripulados, submarinos no tripulados, submarinos con control remoto, volquetas autónomas, tractores o volquetas de cantera autónomos y vehículos aéreos no tripulados o drones.
Para una mejor eficiencia y mayor ahorro, dichos robots pueden adoptar diferentes formas. Y pueden cumplir tareas que no están al alcance de los trabajadores. Aun cuando estas tareas se traten simplemente de turnos más largos. También pueden trabajar en condiciones más adversas. Además, estas máquinas son capaces de llevar a cabo una inspección en cualquier lugar y en cualquier momento cuando es necesario.
Y todo estará conectado
La segunda aplicación importante de la inteligencia industrial artificial es la unión y la agregación de datos a escala de toda la empresa. Todos los datos recopilados de los sensores se almacenarán en un único lago de datos. Con la ayuda del IIoT puede crearse una red que se comporte como un organismo vivo. En esta red las conexiones inalámbricas y aquellas por cable dedicadas a la transmisión de datos hacen frente a un entorno físico. Los cables, los conmutadores, los routers y las puertas de enlace tienen que ser estables. Deben ser capaces de resistir el polvo, las vibraciones, la niebla y el agua, así como el impacto de sustancias y fenómenos físicos más peligrosos y nocivos. Deben ser confiables y capaces de funcionar durante años sin asistencia del personal de mantenimiento técnico.
La nueva inteligencia artificial industrial también se enfrenta al problema de la integración desde el punto de vista de la seguridad. Muchos sistemas tradicionales funcionaron durante años conservando un ajuste muy preciso. Estos sistemas ofrecen soluciones con un muy buen desempeño en aquellas condiciones extremas en las que se encuentren. Los procesos de optimización de esos sistemas han continuado durante varios años. Por ende, la nueva IA industrial no debe poner en riesgo este equilibrio alcanzado. Otra preocupación es la seguridad de los datos y de las operaciones en general. Una vez que las instalaciones industriales se conectan a la red global de Internet, los piratas informáticos teóricamente tienen la posibilidad de acceder a sus sistemas. Y dado que en la industria pesada los valores y las inversiones son muy altos, dicha situación se convierte en otra condición extrema.
Los datos existentes son malos y están dañados
Durante el ajuste de la IA industrial aparecen problemas relacionados con las fuentes de datos para la elaboración de recomendaciones y predicciones inteligentes. En el contexto industrial, muchos de los datos necesarios son datos de series temporales y datos obtenidos en condiciones adversas. Esto significa que ciertos puntos aislados de datos pueden carecer de fiabilidad. También los sensores pueden transmitir valores inexactos debido a las condiciones medioambientales.
Se puede hablar de las tres «B» de los macrodatos industriales. Y a la hora de emprender un nuevo proyecto de IA industrial es necesario tener muy en cuenta estos aspectos.
La primera «B» significa «malos» (bad). La mayoría de los datos industriales poseen un claro valor físico. Estos datos provienen de la multitud de sensores que registran el aire, los flujos o la velocidad de movimiento. Se detecta todo tipo de ruidos, humedad, fugas o niveles. El volumen de datos relativos al movimiento, por ejemplo, puede alcanzar centenas de terabytes al día. Debido a las mediciones físicas todos estos datos pueden ser de mala calidad. En comparación con los datos recopilados dentro de los sistemas digitales, tales como datos de compras en línea y datos de clientes, estos datos requieren una exhaustiva limpieza antes de ser empleados. Además, es difícil incrementar la calidad a través de la cantidad de los datos.
La segunda «B» significa «dañados» (broken). Los datos empleados para el entrenamiento de los modelos de IA, creados para ofrecer predicciones y recomendaciones, no reflejan claramente los estados de funcionalidad. No se presentan regímenes de fallas o niveles más altos de abstracción de datos que indiquen las condiciones operativas. Este hecho puede llevar a un elevado número de falsos resultados positivos y negativos en la implementación de un sistema de IA.
La tercera y última «B» es la experiencia (background). En un entorno industrial complejo la interpretación de los datos de los sensores requiere especialistas con una dilatada experiencia en dicha área. Los patrones emergentes pueden ser bastante transitorios, por tanto, se necesitan conocimientos especiales para su interpretación. Es sumamente difícil entrenar a la IA basándose exclusivamente en los datos numéricos recopilados.
Resolución de desafíos de carácter físico
Respecto a aquellos desafíos indicados a los que se enfrenta la IA industrial, uno de los caminos para comenzar consiste en comprender la particularidad de las operaciones industriales. Es necesario concentrarse no en las soluciones de IA existentes, sino en las soluciones industriales existentes. El mercado del IIoT ya cuenta con componentes y dispositivos capaces de funcionar en condiciones extremas. Dado que las instalaciones existentes tienen disponibles numerosos sensores, la recopilación de datos ocurre a nivel de los sistemas de control presentes. Los datos son provistos por los sistemas SCADA, robots y máquinas industriales. Mientras las puertas de enlace del IIoT suministran los datos a los sistemas de IA. Estas puertas de enlace adicionales no interfieren con los sistemas de control existentes.
El talento es uno de los factores más importantes para realizar la transición digital. La cooperación con expertos en la materia es el camino correcto para mantener un bajo nivel de gastos y gestionar las nuevas redes. Estos especialistas deben conocer las particularidades de la industria y de la IA. Ellos ayudan a seleccionar los conceptos y el hardware correcto.
Selección correcta en la distribución de la IA
Las condiciones extremas no se limitan solamente a circunstancias físicamente complejas, sino también a la falta de recursos que abundan en otras ramas. Se necesita elaborar conceptos específicos en función de los problemas de suministro de potencia, infraestructura de red y conectividad a Internet. Cuando la conectividad es inestable y poco confiable, se deben seleccionar aquellas soluciones que no dependan de la continua conexión a la red. Hay disponibles soluciones del IIoT que utilizan energía eléctrica de acumuladores de ultra bajo consumo, cuya vida útil es de varios años. La informática periférica (edge computing) proporciona el razonamiento y la agregación de la IA directamente dentro de los dispositivos; por tanto, no hay necesidad de una conectividad ininterrumpida con los sistemas de los centros de procesamiento de datos.
La IA funcionará en condiciones extremas cuando el diseño de la infraestructura del IIoT sea bueno. Es necesario aclarar las diferencias entre el IoT y el IIoT. A pesar de que el IoT y el IIoT comparten sus objetivos, los requerimientos principales para la estrategia de implementación difieren mucho. Debido a los problemas relativos a la conectividad y el suministro de energía, el IIoT tiene que centrarse más en la fiabilidad y la tolerancia a fallas.
Imagen de Depositphotos