Por qué construimos nuestra estrategia de IA de abajo hacia arriba

Un blog de Jan Kristensen, Responsable de I+D, sobre cómo la mayoría de las estrategias de IA empiezan con una visión, una hoja de ruta y un presupuesto, y cómo la nuestra empezó con un problema muy concreto de dos minutos en almacén.

Reconozco que esta no es la historia de IA que la mayoría espera. No empieza con una gran estrategia, un mar de datos, ni un mandato de la dirección indicando que había que hacer algo con inteligencia artificial. Empieza con un problema mucho más pequeño y concreto, y creo que precisamente por eso funcionó.

Hace varios años, uno de nuestros clientes con un Layer Picker se topaba una y otra vez con el mismo reto: una lámina separadora activaba una parada de seguridad. No era peligroso. La máquina simplemente hacía lo que estaba diseñada para hacer: detectar cuando algo colgaba de la capa que había recogido. Pero cada vez que ocurría, un operario tenía que acercarse y reiniciarla a mano, una tarea que llevaba, en promedio, un minuto y cincuenta y siete segundos, varias veces al día.

Construimos una solución llamada Operator Eye. Instalamos cámaras y entrenamos un modelo de IA para reconocer láminas separadoras en distintas condiciones de luz y desde distintos ángulos, en pleno entorno de producción real. Una vez que el sistema podía detectar una lámina separadora, el Layer Picker era capaz de gestionar la situación y reiniciarse por sí mismo en cuestión de segundos. Lo que antes tardaba casi dos minutos hoy solo tarda unos tres segundos.

Es una cifra pequeña sobre el papel. Pero nos enseñó algo importante. La IA no se volvió valiosa por ser sofisticada. Se volvió valiosa porque resolvió una molestia real, concreta y diaria para un operario concreto.

 

El valor genera confianza, y la confianza desbloquea los datos

Ahí podría haber terminado la historia, un bonito caso de estudio sobre un sistema de cámaras ingenioso. Sin embargo, fue solo el principio.

Cuando el cliente vio que Operator Eye funcionaba de forma fiable, la conversación cambió. Ya no lo veían como un experimento, sino como una herramienta operativa genuinamente útil, y ese cambio de percepción abrió una puerta que no habíamos previsto del todo: el acceso a más datos.

Operator Eye recogía imágenes y datos operativos de procesos de producción reales. Combinados con la información del sistema de gestión de almacén del cliente, esos datos nos permitieron analizar las causas raíz de otros problemas operativos y detectar que determinados productos, pallets o proveedores estaban asociados a más paradas que otros. El valor ya no consistía solo en un reinicio automático. Podía señalar productos con bajo rendimiento, sacar a la luz problemas relacionados con proveedores, respaldar documentación en disputas con proveedores, ayudar a depurar datos maestros e informar para mejorar la toma de decisiones sobre el terreno.

No todos esos casos de uso requieren un nuevo modelo de IA. Parte del valor surgió simplemente de estructurar bien los datos y conectarlos con el contexto operativo adecuado. Ahí, en mi experiencia, es donde la IA empieza a formar parte de una plataforma de negocio más amplia en lugar de ser una herramienta aislada.

Con nuestra solución, empezamos a recibir datos incluso antes de saber exactamente para qué usarlos: datos de rendimiento, datos de alarmas, estado de las máquinas, dimensiones de producto e información de pallets. Es un poco como cuando un fabricante de automóviles equipó sus vehículos con cámaras mucho antes de que la conducción autónoma estuviera madura: el objetivo nunca fue la cámara en sí, sino construir la base de datos de la que dependería el aprendizaje futuro. Años después, esos millones de eventos registrados ayudan a los clientes a optimizar la producción, nos ayudan a entender por qué ciertos productos causan más problemas que otros, y a diseñar la próxima generación de equipos.

De una única herramienta a un ecosistema digital

Los clientes no quieren diez paneles de monitorización distintos. Quieren una forma sencilla de entender qué está ocurriendo en su operación, qué requiere atención y dónde deben actuar. Esa necesidad es la razón por la que construimos Supply Chain Booster, una plataforma que reúne eventos de servicio, rendimiento de máquinas e información predictiva en un solo lugar, en lugar de añadir otra herramienta aislada a la pila.

Dentro de esa plataforma, hemos adoptado lo que me gusta llamar un enfoque de lancha rápida para el mantenimiento predictivo, en lugar de un enfoque de petrolero: soluciones pequeñas y concretas que generan valor rápidamente y crecen a partir de ahí. Predictive Eye utiliza cámaras para vigilar componentes mecánicos de difícil acceso, como raíles, cables y frenos. En un gran cliente de Estados Unidos, detectó que la distancia de frenado de sus siete transelevadores había aumentado hasta entre ocho y once metros, muy por encima de los seis metros para los que estaban diseñadas, mucho antes de que provocara una costosa parada de producción. PredictX aplica una filosofía similar con datos de vibración y sensores en lugar de visión, aprendiendo qué es normal en cada máquina y señalando desviaciones antes de que se conviertan en averías.

Ninguna de las dos herramientas intenta predecir un único fallo dramático con años de antelación. Ambas están diseñadas para avisar, de forma sencilla y temprana, de que algo necesita revisión. Es una promesa mucho más realista, y genera valor más rápido.

Nada de esto empezó con un documento de estrategia. Empezó con una pregunta que merece la pena hacerse antes de cualquier inversión en IA: no «qué podemos hacer con la IA,» sino «qué problema doloroso podemos resolver para un cliente ahora mismo.» Resuélvelo, recopila los datos adecuados por el camino, y la siguiente capa de valor tiende a cuidarse sola.

La suite de productos Supply Chain Booster será una de las innovaciones que Körber Supply Chain presentará en su estand durante la Feria de Logística y Automatización de Madrid este mes de noviembre, junto con las soluciones de software que cada vez determinan más el valor que puede ofrecer la automatización.

Visítenos en el estand 2D06.

Escrito por: 
Jan Kristensen 
Head of R&D 
Körber Supply Chain 
Correo electrónico: jan.kristensen@koerber.com