Las visualizaciones intuitivas en tiempo real permiten a los responsables de los almacenes y de las fábricas modelar cambios sin parar la actividad.
En medio de la guerra de aranceles, la inflación, los problemas en las cadenas de suministro y la desaceleración económica, los fabricantes deben mantener sus líneas de producción operativas y los responsables de almacenes satisfacer los pedidos de los clientes rápidamente y al coste más bajo.
Los gemelos digitales, simulaciones virtuales de un objeto o sistema, deberían ayudarles a reaccionar rápidamente a cambios impredecibles en el mercado, la tecnología o el flujo de materias primas o productos finales. Al incorporar la IA generativa, o GenAI, los gemelos digitales pueden ayudarles a encontrar patrones o sugerir cambios que los humanos no son capaces de ver.
Pero, en la práctica, no es tan sencillo. Los adaptadores tempranos de los gemelos digitales en el sector de la fabricación, u otras industrias, se dieron cuenta de que costaba mucho tiempo y esfuerzo cerrar una planta de fabricación para probar los cambios sugeridos por el gemelo. La incorporación de la IA en los gemelos es, a menudo, demasiado cara, debido al tiempo y al coste de entrenar a grandes modelos de lenguaje (LLM) que constituyen el núcleo de la IA, y recopilar datos de formación de dispositivos de detección aislados y plataformas de simulación.
No obstante, los gemelos digitales basados en la IA tienen el potencial para ayudar a los responsables de las fábricas y los almacenes a tener éxito en un mundo incierto. Para ilustrarlo, un caso de éxito de cómo un gran fabricante puede escalar su despliegue de gemelos digitales utilizando una plataforma en 3D basada en la IA en tiempo real.
Menos tiempo de inactividad
El valor de los gemelos digitales es que son virtuales. Esto significa que debería ser más sencillo simular los resultados y probar los cambios que en un entorno físico repleto de materiales y equipamiento. Sin embargo, la integración de datos procedentes de sistemas diferentes necesarios para crear un gemelo digital supone un gran esfuerzo.
La gestión del cambio, es decir formar y convencer a la plantilla para que utilicen los gemelos digitales, es el siguiente obstáculo, así como la complejidad y, en ocasiones, el carácter irrealista de la interfaz del usuario en muchos gemelos digitales. Esto provoca que los gestores y los planificadores hayan experimentado dificultades a la hora de utilizarlos para simular cambios o entender su efecto. Como resultado, se han visto obligados a interrumpir las operaciones para reconfigurar el equipamiento, los espacios físicos o los procesos para comprobar los cambios. Todo esto hace que las operaciones sean menos eficientes en vez de mejorarlas.
Cognizant ha trabajado en un proyecto en el que ha ayudado a una compañía global de soluciones de energía y tecnologías de edificios a solucionar estos problemas. En ese caso, se eligió NVIDIA Omniverse como la plataforma más completa y más sencilla de utilizar para integrar datos de múltiples sistemas legacy que los clientes utilizan para monitorizar y controlar los entornos de fabricación y almacenamiento. Además, su interfaz 3D es más detallada y realista que otras herramientas de modelado. Esto facilita a los fabricantes modelar y probar cambios sin que tengan que interrumpir las operaciones.
Formación IA
Uno de los mayores obstáculos en el despliegue de la IA es el coste y esfuerzo de recopilar los datos de alta calidad necesarios para entrenar un LLM. Para los fabricantes y operadores de almacenes, supone un reto aún mayor, ya que, a menudo, los datos de modelos y de sensor necesarios se almacenan en diferentes formatos en distintos sistemas legacy.
Idealmente, una plataforma de modelado en 3D reformatea fácilmente los datos procedentes de múltiples sensores y sistemas de Internet de las cosas, así como de plataformas legacy CAD/CAM en el formato de archivo estándar Universal Scene Description. La reutilización de estos datos también elimina la necesidad de extraer y sustituir las plataformas legacy y permite a los clientes y a las aplicaciones de IA aprender de reconfiguraciones anteriores.
Una plataforma de este tipo también debería generar datos sintéticos, es decir, modificaciones automáticas de los datos reales, para formar un LLM para variaciones en un entorno físico bajo varios escenarios sin tener que esperar a recopilar esos datos de los sensores reales. Para el cliente mencionado, NVIDIA Omniverse encajaba perfectamente ya que cubría todas sus necesidades.
Aplicaciones en silos
La creación de múltiples gemelos digitales para diferentes casos de uso, como planificación del espacio, la supervisión de la seguridad y el uso de la mano de obra, añade costes, pero no aporta beneficios. Es importante encontrar una plataforma de 3D basada en la IA cuyas prestaciones de integración de datos y el kit de desarrollo de software permiten a las empresas combinar diferentes prestaciones predictivas y de modelado en un entorno basados en datos comunes en tiempo real.
Esto permite tomar mejores decisiones porque diferentes responsables de área pueden modelar y testar los efectos de los cambios propuestos utilizando los mismos datos. Esta visión común facilita hacer negocio entre, por ejemplo, el flujo de materiales, la planificación de capacidad y la utilización de activos.
La infraestructura es la clave de los gemelos digitales en sector industrial
Para escalar de manera asequible el uso de gemelos digitales basados en la IA en el sector industrial, las empresas deberían elegir cuidadosamente la infraestructura, las plataformas y las alianzas utilizadas en la arquitectura de la solución. En el proyecto con el fabricante, Cognizant utilizó los servicios cloud Amazon Web Services para ejecutar la aplicación, entre los que se incluían AWS Bedrock para el desarrollo de la aplicación de la GenAI y AWS SiteWise para aplicación de utilización de activos.
Beneficios de los gemelos digitales basados en la IA para las organizaciones
Gracias al trabajo con este cliente, Cognizant proporciona plataformas 3D en tiempo real basadas en IA para hacer lo siguiente:
- Optimizar en tiempo real el rendimiento de los activos y las optimizaciones de la disposición de la planta, las «gembas» digitales (recorridos por entornos virtuales) y la planificación de la automatización.
- Permitir el uso de la realidad aumentada y virtual para la colaboración remota, las consultas y la formación inmersiva.
- Monitorización de KPIs en tiempo real, como los gastos de capital y operativos y el ROI, permitiendo respuestas más rápidas y precisas a las condiciones cambiantes.
- Mejorar los flujos de trabajo, así como la eficiencia y reducir los costes operativos.
- Simular el impacto de los vehículos guiados automáticamente, robots colaborativos, visión por ordenador y otras tecnologías.
- Identificar oportunidades de ahorro de energía y hacer un seguimiento el rendimiento para apoyar los objetivos de sostenibilidad.
Con estas prestaciones, las organizaciones podrían beneficiarse de un mejor rendimiento de los activos, la reducción drástica del tiempo necesario para la configuración de fábricas y líneas de producción, la planificación de la automatización y la simulación, así como para los gembas digitales.
Modelado de un mundo incierto
La escalabilidad y los gemelos digitales basados en la IA no solo mejoran la productividad y los insights sobre la simulación, modelados y operaciones, también el rendimiento y la calidad de las líneas de producción. Para los responsables de almacenes, esto significa mayor precisión de los pedidos y del inventario, mejor utilización del espacio y menos gatos operativos. Con tantos cambios en el horizonte, los gemelos digitales deben, y pueden, ser eficaces y eficientes.
