La semana pasada estuvimos diseñando las bases para crear un lenguaje común compartido por Analistas y Expertos dentro de la serie de artículos «del 4.0 al 4.1» en la que estamos revisando los 5 errores más comunes que impiden a muchos proyectos rentabilizar la inversión en digitalización.
Hoy veremos cómo abordar las fases de descubrimiento y optimización.
Identificar oportunidades (descubrimiento)
El equipo de Analistas y el equipo de Expertos trabajan ahora en colaboración compartiendo un lenguaje común, utilizando una misma herramienta de análisis que permite identificar ineficiencias, puntos de mejora, fallos recurrentes, e incluso ciertas correlaciones causa-efecto. En este punto es habitual que el equipo de Expertos ya diseñe ciertas mejoras sobre el proceso, y lo estará haciendo siguiendo nuestra premisa de tomar decisiones ágiles basadas en datos objetivos. También se identificarán otras ineficiencias para las cuales su resolución no resultará tan obvia. Es ahí cuando el equipo de Analistas trabaja para la optimización de un problema muy bien definido.
Los resultados podrán ser de un nivel superior, porque para el Analista el problema ya no se limitará a unos números, variables, a los que se les aplica una serie de transformaciones matemáticas para conseguir un ouput. Ahora le ha dado un sentido, vida, a los datos para entender, sin ser experto (ni necesitar serlo), el proceso industrial con el que está trabajando. Recordemos que el Analista dedica la mayor parte de su tiempo a analizar y entender los datos, y a aplicar un preprocesamiento que luego impactará directamente en la obtención de resultados acertados.
Gracias también a ese diálogo común, para el Experto ya no será sea un proyecto en el que se aplican técnicas matemáticas que nada tienen que ver con él. Es uno más del equipo, realizando un seguimiento y dando apoyo al Analista. Es importante conseguir que la participación del Experto no limite/condicione a la obtención de resultados ya conocidos o esperados (según su experiencia o intuición), si bien un seguimiento por su parte ayudará a identificar de forma temprana la validez de los resultados presentados por el Analista, bien sean resultados prometedores o resultados incorrectos.
Lograr las mejoras (optimización)
El Aprendizaje Automático (Machine Learning) es una rama de la Inteligencia Artificial que engloba un conjunto de técnicas mediante las cuales dispositivos informáticos o electrónicos pueden aprender, es decir, pueden mejorar su desempeño en base a la experiencia.
Hemos visto la importante tarea del Experto en todo este proceso. Sin embargo, en esta fase de optimización es importante que el Experto no condicione o limite al Analista. Lo que queremos obtener ahora es conocimiento no obvio, aprender lo que no se sabía. Es responsabilidad del Analista, una vez tenga cierto conocimiento sobre el proceso, explorar los datos en busca de nuevo conocimiento, nuevas formas de trabajo que optimicen el desempeño del proceso, siempre bien alineado con los objetivos generales establecidos para el proyecto. El Experto podrá entonces validar si los resultados obtenidos son adecuados y aplicables.
Las optimizaciones identificadas se pueden explotar de muchas y diversas formas. Pueden ser mostradas en interfaces gráficas, integradas en cuadros de mando, o incluso aplicadas en lazo cerrado. Por ejemplo, las técnicas de mecanizado adaptativo pueden estar directamente programadas en un PLC o un CNC. Los cálculos de RUL pueden realizarse en un dispositivo Edge que cierre el lazo con la máquina, o interopere los resultados de sus cálculos con un software GMAO / CMMS. Las optimizaciones en uso de materias primas pueden requerir apoyo de un entorno Cloud para lograr una mayor potencia de cómputo y una centralización de cálculos en clientes que gestionan varias fábricas. Los ejemplos son innumerables.
El despliegue final varía según necesidades del proyecto, pero siempre mantendrá la misma esencia: aplicar de forma automática el conocimiento obtenido a través de un proceso de co-creación llevado a cabo por un equipo de Analistas y Expertos.
En este artículo hemos tratado la cuarta y última parte del error 2/5 «una mala estrategia de análisis de datos te puede impedir rentabilizar tu inversión». La semana que viene veremos cuál es el error 3/5, y por qué está impidiendo que muchos proyectos de Transformación Digital no estén logrando pasar del proyecto 4.0 «factible» al Negocio Digitalizado Viable y Rentable.
Si quieres saber si tu estrategia no solo es «factible» sino también viable y rentable, te recomiendo que solicites nuestro cuestionario «del 4.0 al 4.1» de 20 preguntas que te servirá para obtener nuestro diagnóstico inicial sin coste, que estoy seguro te ayudará a determinar si estás tomando las decisiones adecuadas.
