4 formas en que la IA generativa aborda los retos de la fabricación

El sector manufacturero está en una posición poco envidiable. Enfrentándose a un constante asalto de presiones de costes, volatilidad en la cadena de suministro y tecnologías disruptivas como la impresión 3D y el IoT. El sector debe optimizar continuamente los procesos, mejorar la eficiencia y mejorar la eficacia general de los equipos.

Al mismo tiempo, existe esta enorme ola de sostenibilidad y transición energética. Se pide a los fabricantes que reduzcan su huella de carbono, adopten prácticas de economía circular y sean más respetuosos con el medio ambiente en general.

Y los fabricantes se enfrentan a la presión de innovar constantemente al tiempo que garantizan la estabilidad y la seguridad. Una predicción inexacta de la IA en una campaña de marketing es una molestia menor, pero una predicción inexacta de la IA en un taller de fabricación puede ser fatal.

La tecnología y la disrupción no son nuevas para los fabricantes, pero el principal problema es que lo que funciona bien en teoría a menudo falla en la práctica. Por ejemplo, como fabricantes, creamos una base de conocimientos, pero nadie puede encontrar nada sin pasar horas buscando y navegando por los contenidos. O creamos un data lake, que degenera rápidamente hasta convertirse en un data swamp. O seguimos añadiendo aplicaciones, así que nuestra deuda técnica sigue aumentando. Pero no podemos modernizar nuestras aplicaciones, ya que la lógica que se ha desarrollado a lo largo de los años está oculta allí.

Exploremos algunas de las capacidades o casos de uso en los que vemos más tracción:

1. Resumen

El resumen sigue siendo el principal caso de uso de la tecnología de IA generativa (generación de IA). Junto con la búsqueda y la interacción multimodal, la IA generativa es un gran asistente. Los fabricantes usan la síntesis de diferentes maneras.

Pueden utilizarlo para diseñar una mejor forma de que los operadores recuperen la información correcta de forma rápida y eficaz del vasto repositorio de manuales operativos, SOP, libros de registro, incidentes pasados y mucho más. Esto permite a los empleados centrarse más en sus tareas y avanzar sin retrasos innecesarios.

Para ello, IBM cuenta con aceleradores de IA generativa centrados en la fabricación. Además, estos aceleradores están preintegrados con varios servicios de IA en la nube y recomiendan el mejor LLM (modelo de lenguaje de gran tamaño) para su dominio.

El resumen también ayuda en entornos operativos hostiles. Si el equipo o la máquina falla, los ingenieros de mantenimiento pueden utilizar la IA generativa para diagnosticar rápidamente los problemas basándose en el manual de mantenimiento y en un análisis de los parámetros del proceso.

2. Comprensión contextual de datos

Los sistemas de datos suelen causar problemas importantes en las empresas manufactureras. A menudo son dispares, aislados y multimodales. Diversas iniciativas para crear un grafo de conocimiento de estos sistemas solo han tenido un éxito parcial debido a la profundidad del conocimiento heredado, la documentación incompleta y la deuda técnica acumulada durante décadas.

IBM desarrolló un sistema Knowledge Discovery con IA que utiliza la IA generativa para desbloquear nuevos conocimientos y acelerar decisiones basadas en datos con datos industriales contextualizados. IBM también desarrolló un acelerador para la ingeniería de características contextuales en el ámbito industrial. Esto permite una visibilidad en tiempo real de los estados del proceso (normal/anormal), alivia obstrucciones frecuentes del proceso y detecta y predice el lote dorado.

IBM creó un asesor de personal que utiliza la comprensión de datos contextuales con detección de intenciones y la interacción multimodal. Los operadores e ingenieros de planta pueden utilizar esto para localizar rápidamente un área problemática. Los usuarios pueden hacer preguntas por voz, texto y señalamiento, y el asesor de IA generativa lo procesará y proporcionará una respuesta, teniendo conciencia del contexto. Esto reduce la carga cognitiva de los usuarios al ayudarles a realizar un análisis de causa raíz más rápido, reduciendo así su tiempo y esfuerzo.

3. Asistencia de codificación

La IA generativa también ayuda con la codificación, incluyendo la documentación, la modernización y el desarrollo de código. Como ejemplo de cómo la IA generativa ayuda a la modernización de TI, considere el caso de uso de Water Corporation. Water Corporation adoptó Watson Code Assistant, que funciona con las capacidades de IA generativa de IBM, para ayudarles en su transición a una infraestructura SAP basada en la nube.

Esta herramienta aceleró el desarrollo de código mediante el uso de recomendaciones generadas por IA basadas en entradas de lenguaje natural, reduciendo significativamente los tiempos de implementación y el trabajo manual. Con watsonx Code Assistant, Water Corporation logró una reducción del 30 % en los esfuerzos de desarrollo y los costos asociados, manteniendo la calidad y la transparencia del código.

4. Gestión de activos

La IA generativa tiene el poder de transformar la gestión de activos.

La IA generativa puede crear modelos fundacionales para los activos. Cuando debemos predecir varios KPI en el mismo proceso o hay una flota de activos similares. Es mejor desarrollar un modelo fundacional del activo y afinarlo varias veces.

IA generativa también puede entrenar para el mantenimiento predictivo. Los modelos fundacionales son muy útiles si los datos de fallos son escasos. Los modelos de IA tradicionales necesitan muchas etiquetas para proporcionar una precisión razonable. Sin embargo, en los modelos fundacionales, podemos preentrenar modelos sin etiquetas y afinarlos con las etiquetas limitadas.

Además, la IA generativa puede proporcionar soporte y formación a los técnicos. Los fabricantes pueden utilizar las tecnologías de IA generativa para crear un simulador de formación para los operarios y los técnicos. Además, durante el proceso de reparación, las tecnologías de IA generativa pueden proporcionar orientación y generar el mejor procedimiento de reparación.

IBM cree que la agilidad, la flexibilidad y la escalabilidad que ofrecen las tecnologías de IA generativa acelerarán significativamente las iniciativas de digitalización en los sectores manufactureros.

La IA generativa empodera a las empresas en el centro estratégico de sus negocios. Dentro de dos años, los modelos de base impulsarán aproximadamente un tercio de la IA en los entornos empresariales.

En los primeros trabajos de IBM aplicando modelos fundacionales, el tiempo de obtención de valor es hasta un 70 % más rápido que con un enfoque tradicional de IA. La IA generativa hace que otras tecnologías de IA y análisis sean más consumibles, lo que ayuda a las empresas manufactureras a darse cuenta del valor de sus inversiones.