4 formas en que la IA generativa aborda los desafíos de fabricación
La industria manufacturera se encuentra en una posición poco envidiable. Enfrentar una avalancha constante de presiones de costos, volatilidad de la cadena de suministro y tecnologías disruptivas como la impresión 3D y el IoT. La industria debe optimizar continuamente los procesos, mejorar la eficiencia y mejorar la eficacia general del equipamiento.
Al mismo tiempo, existe esta enorme ola de sustentabilidad y transición energética. Se pide a los fabricantes que reduzcan su huella de carbono, adopten prácticas de economía circular y sean más ecológicos en general.
Y los fabricantes se enfrentan a la presión de innovar constantemente mientras se garantiza 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 una planta 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 lago de datos, que rápidamente se convierte en un pantano de datos. O seguimos agregando aplicaciones, así que nuestra deuda técnica continúa aumentando. Pero no podemos modernizar nuestras aplicaciones, ya que la lógica desarrollada a lo largo de los años está oculta allí.
Exploremos algunas de las capacidades o casos de uso en los que vemos la mayor tracción:
1. Resumen
La síntesis sigue siendo el principal caso de uso para la tecnología de IA generativa (gen AI). Junto con la búsqueda y la interacción multimodal, la IA generativa es un excelente asistente. Los fabricantes usan la síntesis de diferentes maneras.
Pueden usarlo para diseñar una mejor manera para que los operadores recuperen la información correcta de manera rápida y efectiva del vasto repositorio de manuales de operación, SOP, libros de registro, incidentes pasados y más. Esto permite a los empleados centrarse más en sus tareas y avanzar sin retrasos innecesarios.
IBM cuenta con aceleradores de IA generativa centrados en la fabricación para llevar a cabo esta tarea. Además, estos aceleradores están preintegrados con varios servicios de IA en la nube y recomiendan el mejor LLM (modelo de lenguaje grande) para su dominio.
La síntesis también ayuda en entornos operativos difíciles. Si la máquina o el equipamiento 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 los datos
Los sistemas de datos a menudo causan problemas importantes en las empresas manufactureras. A menudo son dispares, están aislados y son multimodales. Varias iniciativas para crear un gráfico de conocimiento de estos sistemas solo han tenido un éxito parcial debido a la profundidad del conocimiento existente, la documentación incompleta y la deuda técnica contraída durante décadas.
IBM desarrolló un sistema Knowledge Discovery impulsado por IA que utiliza IA generativa para desbloquear nuevos insights y acelerar decisiones basadas en datos con datos industriales contextualizados. IBM también desarrolló un acelerador para la ingeniería de características consciente del contexto en el dominio industrial. Esto permite la visibilidad en tiempo real de los estados del proceso (normal/anormal), alivia las obstrucciones frecuentes del proceso y detecta y predice el lote dorado.
IBM creó un asesor de fuerza laboral que utiliza el resumen y la comprensión de datos contextuales con detección de intenciones e interacción multimodal. Los operadores y los ingenieros de planta pueden utilizar esto para localizar rápidamente el área problemática. Los usuarios pueden hacer preguntas mediante voz, texto y señas, y el asesor de IA generativa las procesará y proporcionará una respuesta, teniendo en cuenta el contexto. Esto reduce la carga cognitiva de los usuarios al ayudarlos a realizar un análisis de causa principal más rápido, lo que reduce su tiempo y esfuerzo.
3. Asistencia de programación
La IA generativa también ayuda con la programación, incluyendo la documentación, la modernización y el desarrollo del código. Como ejemplo de cómo la IA generativa ayuda con la modernización de TI, considere el caso de uso de Water Corporation. Water Corporation adoptó Watson Code Assistant, que cuenta con las capacidades de IA generativa de IBM, para facilitar 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, lo que redujo significativamente los tiempos de despliegue y el trabajo manual. Con With Watson 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 múltiples KPI en el mismo proceso o hay una flota de activos similares. Es mejor desarrollar un modelo fundacional del activo y ajustarlo varias veces.
La IA generativa también puede capacitarse para mantenimiento predictivo. Los modelos fundacionales son muy útiles si los datos de fallas son escasos. Los modelos de IA tradicionales necesitan muchas etiquetas para ofrecer una precisión razonable. Sin embargo, en los modelos fundacionales, podemos entrenar previamente los modelos sin etiquetas y ajustarlos con las etiquetas limitadas.
Además, la IA generativa puede proporcionar asistencia técnica y capacitación. Los fabricantes pueden utilizar tecnologías de IA generativa para crear un simulador de entrenamiento para los operadores 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, flexibilidad y escalabilidad que ofrecen las tecnologías de IA generativa acelerarán significativamente las iniciativas de digitalización en la industria manufacturera.
La IA generativa empodera a las empresas en el núcleo estratégico de su negocio. En un plazo de dos años, los modelos fundacionales impulsarán aproximadamente un tercio de la IA en entornos empresariales.
En los primeros trabajos de IBM que aplican modelos fundacionales, el tiempo de creación 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 analytics sean más consumibles, lo que ayuda a las empresas manufactureras a obtener el máximo valor de sus inversiones.