Tecnología Minera
FLSmidth

Automatización e Industria 4.0: cómo separar la señal del ruido con la nube híbrida

Publicado hace 3 años

La nube híbrida ofrece una forma común de gestionar todo, en entornos diversos, y eso significa que es posible automatizar mucho más.

Por: Gonzalo Flores, gerente de Cloud para IBM Perú, Ecuador y Bolivia.

La inteligencia artificial (IA) ha alcanzado un nivel de madurez en el que es posible lograr mucha más automatización que la que tenemos actualmente. La IA ya puede discernir cuándo un comercio minorista necesita volver a hacer un pedido y qué solicitar. También tiene la capacidad de asignar un presupuesto optimizado, por ejemplo, para reparaciones de líneas eléctricas o gastos publicitarios. Con la IA responsable, incluso es posible que brinde “explicaciones” y ayude al usuario a comprender por qué tomó determinada decisión.

El desafío consiste en construir un modelo de IA lo suficientemente robusto como para lograr estas mismas capacidades a escala, en un entorno empresarial. Para entrenar un modelo para que decida si conviene más enviar un determinado paquete desde Lima o Arequipa, por ejemplo, es necesario proveerle con un gran volumen de datos sobre los tiempos de viaje y la carga, el clima, la disponibilidad de transporte y la "última milla" crítica para el cliente.

Recopilar todos estos datos es bastante fácil a través de RFID e incluso los teléfonos móviles pueden hacerlo, pero ¿cómo separar la señal del ruido? A medida que la implementación de IoT se vuelve más robusta e incorpora datos visuales o de imagen, se genera un volumen tal que podría llegar a colapsar la red cuando se intenta captar la totalidad de los datos. La solución radica en poder integrar la IA lo suficientemente temprano en ese proceso para que los modelos puedan determinar en forma autónoma qué es señal y qué es ruido.

En otras palabras, implementar la automatización a gran escala, para aplicarla en contextos más complejos que generalmente implican intervención humana, es más un problema de computación que un problema de IA.

Cuando la IA se aplica en la periferia, donde se recopilan los datos, el número de lugares diferentes donde es necesario administrar la infraestructura crece considerablemente. Algunos modelos se ejecutarán en dispositivos y beacons, que pueden estar en teléfonos móviles o en una nube pública. Algunos datos se marcarán como potencialmente notables y se enviarán a un hub central o se analizarán en un entorno on premise. La nube híbrida ofrece una forma común de gestionar todo en estos entornos diversos, y eso significa que es posible automatizar mucho más.

En un contexto como la gestión de activos, la capacidad de reunir este tipo de datos y de analizarlos de una manera que tenga sentido para un usuario, se vuelve particularmente poderosa. Para mantener infraestructura crítica, desde centrales de energía, represas eléctricas hasta reactores nucleares, hay que realizar el seguimiento de infinidad de entradas de datos, desde la condición de las líneas de energía, las conexiones y la refrigeración, hasta la inspección más reciente de cada ascensor.

Para integrar la automatización a este contexto, se requiere la gama completa de tecnologías que componen la Industria 4.0, desde dispositivos edge habilitados para IA que pueden recopilar información y analizar en el lugar, hasta analítica avanzada capaz de comprender el panorama general.

Cuando podemos reunir toda esta información, donde y cuando sea que la necesitemos, y ejecutar cualquier software o modelo que queramos, la tarea hercúlea de inspeccionar, mantener y mejorar estos activos se vuelve mucho más manejable. Podemos usar la IA para evaluar la salud y la seguridad de un activo, incluso podemos automatizar el proceso de toma de decisiones para determinar si es necesario arreglar algo.

La capacidad de predecir cómo le irá a un activo en diferentes escenarios y, en efecto, de predecir cuándo debe inspeccionarse o repararse, tiene importantes implicancias, como poder mitigar la creciente crisis de mantenimiento diferido, o poder reducir drásticamente las huellas de carbono y los desechos.

Este potencial permaneció inexplotado durante mucho tiempo, porque se señaló que los modelos eran débiles o que la inteligencia artificial aún era inmadura, cuando en realidad la responsabilidad puede atribuirse a problemas mucho más fáciles de resolver, como los cuellos de botella que se generan y que hacen que los datos se liberen a cuentagotas. La IA madura está aquí. Las organizaciones deben invertir en infraestructura que realmente permita desbloquear su poder.

Promoción

TAMBIÉN TE PUEDE INTERESAR

Tecnología

La tecnología laser de TOMRA Mining revoluciona el procesamiento de o . . .

06/Jun/2025 5:08pm

La clasificación LASER complementa la planta de procesamiento por gravedad ya existente, que incluye trituración, moli . . .

VER MÁS

Sostenibilidad

Monitoreo en campo y validación con Multi 3630 optimiza el control de . . .

05/Jun/2025 5:31pm

Monitoreos en campo y validación con el equipo portátil Multi 3630 garantizan agua de calidad en relaves y plantas de . . .

VER MÁS

Noticia

Blumaq: solución técnica y fiable compatible con las principales mar . . .

04/Jun/2025 4:50pm

En el sector de la maquinaria pesada, donde los márgenes de error son mínimos y el tiempo de inactividad supone grande . . .

VER MÁS

Noticia

ABB: Primera empresa en publicar una Declaración Ambiental de Product . . .

03/Jun/2025 4:15pm

ABB lidera la industria minera al publicar la Declaración Ambiental de Producto (EPD) para el motor sin engranajes, bas . . .

VER MÁS

¿Deseas recibir Información para suscripción a la Revista Tecnología Minera?
Promoción Plataforma CONSTRUCTIVO