He aquí una paradoja de la industria manufacturera altamente automatizada de Estados Unidos, cada vez más independiente de la mano de obra humana: aunque es sofisticada, en su mayor parte no es de muy alta tecnología. Imagine una máquina de estampado de metales de una fábrica de autopartes, que puede llegar a tener una vida útil de hasta 40 años.

Ahora piense en la línea de ensamblaje que tiene Samsung Electronics Co. en las afueras de Austin, Texas, donde fabrica procesadores para los iPhones, de Apple Inc. Visité las instalaciones a mediados del año pasado. Es un ambiente prístino, lleno de robots tipo WALL-E que transportan cajas llenas de obleas de silicio de una estación a la siguiente. Cada detalle de la fábrica es medido por sensores que vierten datos en un depósito centralizado, donde son procesados para optimizar la producción. Los únicos humanos presentes están allí sólo para arreglar las máquinas que hacen todo el trabajo.

Esta transformación de la manera en que hacemos las cosas tiene muchos nombres —la cuarta revolución industrial, internet de las cosas industrial, fábricas inteligentes—, pero en el fondo se trata de recoger tantos datos como sea posible de todas las máquinas de una fábrica, enviarlos a la nube, analizarlos con inteligencia artificial y utilizar los resultados para hacer esas fábricas más productivas, menos costosas de operar y más confiables.

El objetivo es extraer los datos de sus silos —la máquina, la planta, el sistema de envío y logística— y agruparlos de manera que permitan tomar decisiones en tiempo real.

Algunos ejemplos de lo que esta “revolución” puede lograr: descifrar cómo la temperatura ambiente afecta la productividad de una fábrica entera; acelerar o desacelerar la producción para que reaccione mejor a las ventas; o evitar tiempos de inactividad no planificados, como cuando una máquina crítica se avería inesperadamente, lo que puede llegar a ser increíblemente costoso porque retrasa una enorme línea de producción que se extiende desde las materias primas hasta los bienes terminados.

Casos pioneros de ese “mantenimiento preventivo” se han visto en jets e incluso autos, donde una combinación de sensores y software puede determinar por adelantado cuándo fallará una pieza y alertar a los operadores para que la reemplacen de forma preventiva.

Parte del reto es utilizar de manera apropiada el hardware que las empresas ya tienen. La nueva maquinaria está llena de sensores y puertos de datos que normalmente se usan sólo cuando esas máquinas se están construyendo o reparando, explica Dennis Hodges, director de informática de Inteva Products LLC, un importante fabricante de autopartes. Pese a que estos sensores no fueron concebidos para recolectar datos que sirvieran para analizar el desempeño en tiempo real de una máquina, resulta que incluso las mediciones indirectas de la salud de un dispositivo, como su temperatura, pueden combinarse con otros datos para permitir a los ingenieros entender mejor aspectos de una máquina que no pueden medir directamente, y qué hacer para evitar que se averíe.

Otros están trabajando en maneras de agregar sensores donde antes no los había, un esfuerzo que crea nuevos retos, como la forma de alimentar con energía a esos sensores.

Actualidad Laboral / Con informacion de WSJ