Descifrando la Industria 4.0: desde Big Data hasta la Ciberseguridad

PhD. Jose NERI

INTRODUCCIÓN

De unos cuantos años al presente que he visto aumentar el número de personas que hablan de la Industria 4.0. A veces, también se le llama Fábrica Inteligente (Smart Factories) o Fábrica del Futuro (Factory of the Future). Incluso en México ya se venden instrumentos 4.0 y en algunos proyectos hasta nos han pedido que sea “Industria 4.0”. Sin embargo, aún hablando con los profesionistas más experimentados, nos hemos dado cuenta que este término es aún confuso. Con este artículo queremos que tengas una base técnica de lo que en verdad significa la Industria 4.0. Pero más importante, queremos que México tenga profesionistas que sean capaces de desarrollar ingeniería y aplicaciones 4.0.

Es complicado tener un panorama claro sobre la Industria 4.0 con tanta información al respecto circulando en el internet. Si bien también se le conoce como cuarta revolución industrial. La mayoría de las definiciones incluyen términos generales como el Internet de las Cosas (IoT), Sistemas Ciber-físicos y la Nube. No obstante, para tener claro lo que es la Industria 4.0 debemos entender su objetivo y no únicamente su tecnología. Como en cada revolución industrial, obviamente se busca el aumento de la productividad.

Pero si enfatizamos el objetivo último de la tecnología 4.0 sería: “Reunir, acumular y analizar redes de información para poder tomar decisiones en tiempo real”. Es gracias al uso de información de manera digital, que la Industria 4.0 se conoce como Digitalización de la Industria. Y para alcanzar este objetivo, se han identificado 9 tecnologías diferentes : Big Data y Análisis de Datos, Robots Autónomos, Simulaciones Virtuales, Integración Vertical y Horizontal de Sistemas Industriales, Internet de las Cosas, la nube, Fabricación capa a capa, Realidad Virtual y Aumentada, Ciberseguridad.

Quisiera insistir en que la Industria 4.0 está basada en el intercambio rápido de información entre producción, logística y comercialización. Estas 9 tecnologías, son el puente para intercambiar información entre personas, entre personas y máquinas, y entre las máquinas mismas. A continuación describiré el rol de estas 9 tecnologías. Principalmente en el intercambio de información y en cómo ayuda a la toma de decisiones en tiempo real.

Big Data y Análisis de Datos

Big Data se refiere a obtener información de distintas fuentes lo más rápido posible. Al mismo tiempo, esta información se va almacenando en bases de datos que crecen de manera exponencial. En la Industria 4.0 el objetivo es que estas gigantescas bases de datos estén llenas con información de producción, logística y comercialización. Después, esta información tiene que ser procesada y analizada para que los distintos servicios de una empresa puedan tomar decisiones.

Tomemos el ejemplo de PepsiCo que lleva años usando Big Data y análisis de datos para colaborar más de cerca con sus consumidores. Para esto, alimentan una extensa base de datos con información de sus clientes principales. En las cuales se tiene información sobre los productos, las ventas, los tiempos de entrega y la localización de los almacenes de los clientes. Con esta información, es posible tener un análisis más preciso del consumo de cada uno de los productos. Además, la actualización contínua de la base de datos también permite prever cambios en la demanda.

En este caso, Big Data y el correcto análisis aumentan la eficiencia en la cadena de suministros. Esto gracias a la reducción de gastos en la comercialización, inventario, logística y transporte entre los clientes y PepsiCo. En otras palabras, es una ventaja competitiva poder tomar decisiones basadas en información sólida de producción, logística o del mercado.

Gracias a esto, es posible tener el producto adecuado, en el lugar adecuado, en el momento adecuado. ¿Te interesa? no dudes en ver su webinar en donde Pepsico describe cómo ha usado Tableau para análisis de grandes volúmenes de datos.

Finalmente, aunque el concepto de Big Data nació hace casi una década, las aplicaciones industriales son un campo por descubrir. Encima de esto, el intercambio de millones de datos entre máquinas y seres humanos requerirá de resolver algunos paradigmas como:

  • ¿Cómo representar la información? Es decir, cómo podemos representar los datos de manera visual y comprehensiva. De manera que favorezca la comunicación entre el personal de distintas áreas.
  • ¿Cómo utilizar la información para favorecer el aprendizaje de las máquinas?
  • ¿Por cuánto tiempo será necesario almacenar la información?
  • ¿Cómo protegeremos la información de amenazas virtuales como virus y hackers?
  • ¿Cuánto costará albergar, procesar, compartir y escalar la información?
  • ¿Cómo lograr una colaboración eficiente entre los distintos sectores de una empresa? Primero de manera local y luego a otras filiales en otros países.

Aunque seguramente habrá más paradigmas, estas son algunas de las preguntas a las que nos enfrentaremos todos en un futuro.

Robots Autónomos

Los robots han tomado auge para la realización de tareas que no pueden ser llevadas a cabo por humanos. Ya sea por ser complejas, peligrosas o por la destreza física que se necesita para hacer una tarea. Esta tendencia, marcada desde la tercera revolución industrial, implica la programación de un robot para realizar tareas repetitivas. Desde entonces, la mayoría de los robots requieren de un operador que controle y de retroalimentación al sistema.

No obstante, en la era 4.0 las máquinas deben facilitar el intercambio de toda información que ayude a optimizar la producción. A un primer nivel, debe existir flujo de información entre la máquina y su entorno. Segundo, debe existir un flujo de información entre los operadores y las máquinas. Finalmente, debe existir un flujo de información entre dos o más máquinas. Para que esto sea posible, es necesario que toda la maquinaria esté dotada de sensores “inteligentes”. Que permitan la conexión a redes y sobre todo la comunicación digital entre máquinas, la nube o interfaces humano-máquinas.

Estos robots 4.0, también conocidos como robots autónomos, tienen un nivel de autosuficiencia que no tiene la maquinaria actual. Esta autosuficiencia, hasta cierto punto permitirá a los robots interactuar y cooperar activamente con los humanos, ¿pero cómo es esto posible?

Gracias a Big Data podremos estructurar el flujo de información proveniente de los sensores en inmensas bases de datos. Después, se procesará la información usando Inteligencia Artificial (Machine Learning, Deep Learning). Con ello, podremos crear modelos que sean capaces de predecir eventos en varios niveles.

En un primer nivel se encuentra la comunicación de la máquina con su hardware. Por ejemplo, una máquina equipada con sensores de autodiagnóstico e inteligencia artificial para detectar fallas en la misma máquina. Observando discrepancias con el funcionamiento normal, una máquina podrá predecir y ejecutar un programa de autocalibración y autoreparación.

En un segundo nivel se encuentra la comunicación de la máquina con su entorno. Por ejemplo, una máquina equipada con sensores visuales e inteligencia artificial para reconocer imágenes complejas. Esto podría ser utilizado para detectar fallas o alteraciones en productos, para sistemas de video vigilancia, para reconocimiento de terreno en el caso de vehículos no tripulados.

En un tercer nivel se encuentra la comunicación de la máquina con los operadores. La industria del futuro habilitará la co-existencia y colaboración entre humanos y máquinas. Esto puede ser desde cuestiones simples hasta complejas. Por ejemplo, retomando el ejemplo del reconocimiento visual para la detección de fallas. Imaginemos que en el caso de una falla crítica se encienda una luz roja indicando un problema. Aunque esto es un ejemplo simple de comunicación entre máquina con los operadores, podemos ir más allá en la tecnología.

De hecho, ya hay sistemas usando otro tipo de tecnología llamada Realidad Aumentada. En la que a través de unos lentes de realidad aumentada o una tablet, podamos seguir instrucciones paso a paso sobre cómo reparar el fallo. Definitivamente en un futuro seguiremos creando diferentes maneras de interactuar con las máquinas. Por el momento, si quieres ver la interacción con la realidad aumentada, te recomiendo seguir este enlace de Phoenix Contact.

Finalmente, en un cuarto nivel se encuentra la comunicación de la máquina con otras máquinas. De nuevo, con los sensores adecuados e inteligencia artificial. Una máquina puede predecir el momento en que necesita una recalibración o reparación. Enviando así una señal al ERP o sistema de gestión que se ocupa del mantenimiento preventivo de la planta. Aún más, esta comunicación permitirá incluso que una máquina pueda mandar una señal para comprar automáticamente sus piezas de reparación. En ambos caso, es una máquina que se comunica con otra máquina.

Simulaciones Virtuales

Los modelos de simulación han evolucionado desde sus primeras aplicaciones en la década de 1960. Se han convertido de una tecnología utilizada por expertos en matemática e informática, a una herramienta estándar para todo ingeniero. Desde sus orígenes, las simulaciones se han utilizado para resolver una variedad de problemas de diseño e ingeniería. Permitieron el desarrollo, la validación y la prueba de soluciones para sistemas y elementos individuales de sistemas. Se volvieron herramientas de soporte indispensables para la toma de decisiones. Dieron lugar a un nuevo enfoque llamado ingeniería de sistemas basados en modelos (MBSE). Estos modelos de simulación, siguen adaptándose al intensificarse su uso para la gestión del ciclo de vida de un producto. Especialmente ahora que es necesario tener sistemas de producción más flexibles, capaces de producir una mayor diversidad de productos personalizables.

La llegada de la Industria 4.0 también ha traído cambios a la manera en cómo se crean y ejecutan los modelos de simulación. Por un lado, la Industria 4.0 requiere modelos de fabricación y otros sistemas a través del concepto de fábrica virtual. Por otro lado, requiere el uso de inteligencia artificial avanzada (cognitiva) para el control del proceso.

Finalmente, también requiere el ajuste autónomo de los sistemas de operación (autoorganización). De esta manera, los modelos de simulación de la Industria 4.0 serán definidos por el concepto “gemelo digital”. También conocido en inglés como “Digital Twin”. El concepto de Digital Twin extiende el uso de los modelos de simulación a todas las fases del ciclo de vida del producto.

Donde los productos primero se desarrollan y prueban con todo detalle en un entorno virtual. Después, la información generada virtualmente será utilizada durante la fabricación y el resto del ciclo de vida del producto. De manera complementaria, los datos de fabricación serán utilizados para retroalimentar el entorno virtual. Combinar datos de la reales con los simulados, permitirá hacer predicciones realistas y precisas que mejoren la productividad y mantenimiento.

En la industria 4.0 se hará posible la gestión de grandes flujos de información relacionados a cada etapa del ciclo de vida de un producto. Una consecuencia positiva, será el desarrollo de modelos de alta fidelidad que serán utilizados en simulaciones del sistema. Así, los fabricantes podrán validar el diseño y requerimientos de producción desde las primeras etapas del proceso de producción. Como dato histórico, el término de “Digital Twin” viene de la época de las misiones espaciales.

Visto que cualquier cambio podía ser fatal, todas las modificaciones de un vehículo, sonda o vehículo explorador en una misión se probaban en un modelo de simulación detallado. Con esto, se garantizaba que las modificaciones al sistema produjeran el efecto deseado.

La Industria 4.0 también prevé sistemas de fabricación autónomos y entrelazados que autoorganizan la producción de lotes. Para hacer realidad esta visión, son necesarios nuevos paradigmas en el diseño de sistemas de fabricación.

Es aquí donde será indispensable el uso de modelos de simulación “Digital Twin”. ¿Pero qué es un “Digital Twin”?. En realidad, el concepto se refiere a la existencia de dos elementos, un “Digital Master” y un “Digital Shadow”. Un “Digital Master” es la representación digital de un producto, máquina, servicio, sistema de servicio del producto. Un “Digital Shadow” es la misma representación digital, pero que puede alterar sus propiedades, condición y comportamiento por medio de modelos, información y datos. Finalmente, es necesaria una vinculación inteligente entre el “Digital Master” y el “Digital Shadow”. Esta vinculación puede ser un algoritmo, correlación, etc.

La existencia de este concepto “Digital Twins” es la base de un CPPS (Sistema de Producción Ciber-Físico). Aquí, los datos del proceso se recopilan en tiempo real mediante la matriz de sensores y máquinas inteligentes en el proceso comercial. Los datos se almacenan en la base de datos central (Big Data) y luego se transfieren al “Digital Shadow”. De manera que podamos acumular información, evaluar y validar nuevas simulaciones de producción utilizando el “Digital Shadow”. Donde los parámetros de las simulaciones exitosas, serán después transferidos al “Digital Master” gracias a la vinculación inteligente.

Aunque probablemente ya se te hayan ocurrido aplicaciones a este tipo de sistemas. Aquí mencionaré algunas cuantas, por ejemplo:

  • Un “Digital Twin” permite el entrenamiento de un operador en una máquina virtual hasta adquirir las habilidades y confianza necesarias. Con esto, ahorramos la compra de un simulador de entrenamiento dedicado. El uso de un Digital Twin en línea acelera el proceso de aprendizaje y minimiza el riesgo de daños a la máquina.
  • Mediante el control óptimo y las técnicas de control predictivo del modelo, combinadas con capacidades avanzadas de aprendizaje automático. Se puede usar un Digital Twin para identificar posibles problemas en una máquina real. Si se tiene un modelo de física de alta fidelidad que se ejecuta en paralelo con la máquina real. Se puede identificar rápidamente fallas en la máquina real si hay diferencias entre el rendimiento real y el modelo predictivo. La información podría usarse para detener y reparar la máquina que funciona mal. O también podríamos usar el modelo para proporcionar una estrategia que compense el rendimiento sin ralentizar o detener la producción.

Para finalizar, hago un especial énfasis en la existencia de la retroalimentación de la información en todo el sistema. Es decir, la capacidad de poder transferir información real de procesos a la nube y de ahí al “Digital Shadow”. Para después poder retroalimentar las condiciones del modelo de simulación al “Digital Master” y a las máquinas.

Integración Vertical y Horizontal de Sistemas Industriales

Los Sistemas de Producción Ciber-Físicos (CPPS) están basados en la cooperación vertical y horizontal en toda la cadena de valor. Esta cooperación se da en tiempo real entre máquina e internet, máquina y persona y máquina a máquina.

Para poder explicar este concepto, lo mejor es remontarse a la definición de cadena de valor de Porter en 1987. La cadena de valor es una herramienta de análisis empresarial. En la cual se describen todas las actividades y competencias de la empresa que dan valor a un producto. Por un lado se busca que cada actividad que realiza la empresa genere el mayor ingreso posible. Si no se puede, entonces se busca que dicha actividad cueste lo menos posible. Al final, lo que propuso Porter es una estrategia para maximizar el margen de ganancia de una empresa.

Dividir las actividades en bloques permite comparar el costo y rendimiento de cada actividad en relación a la competencia. Además, conocer el desempeño de cada actividad será útil para reconocer cómo esta contribuye a las necesidades del cliente. Exponer las fortalezas y oportunidades permite distinguir una empresa de la competencia y por lo tanto determinar su ventaja competitiva. Aún mejor, también permite identificar las actividades que requieren optimización o mejor coordinación con otras actividades.

Según Porter, las actividades de valor de una empresa se dividen en 2 tipos:

  • Actividades Primarias: Son las actividades relacionadas con la creación del producto, su venta, la distribución al comprador y el servicio post-venta.
  • Logística interna: Todo lo relacionado con la gestión y administración de la recepción, almacenamiento y distribución de materias primas y materiales.
  • Operaciones: Se refiere a tomar las materias primas y materiales desde la logística de entrada para crear el producto.
  • Logística Externa: Todo lo relacionado a la distribución del producto desde el centro de producción hasta la entrega al comprador.
  • Marketing y Ventas: Se refiere a todas las herramientas que ayudan en el proceso de ventas. Desde los gastos publicitarios hasta el control y administración de las ventas.
  • Servicios: Todo lo relacionado a la administración de cualquier instalación hasta el servicio al cliente después de una venta.

Actividades Secundarias o de Soporte: Son aquellas que sustentan las actividades primarias, proporcionando insumos comprados, tecnología, recursos humanos y otras funciones de toda la empresa. Las actividades de apoyo pueden asociarse con actividades primarias específicas como el marketing. Pero también pueden asociarse como el apoyo a toda la cadena de valor. De las actividades secundarias, la infraestructura no está asociada a ninguna actividad primaria, sino a toda la cadena completa.

Retomando la Industria 4.0, los Sistemas de Producción Ciber-Físicos se caracterizan por un flujo de información a través de toda la cadena de valor. Recordemos que la tecnología de la Industria 4.0 facilita la transferencia de información entre personas, máquinas y la nube. Gracias a Big Data podemos almacenar grandes flujos de información. Y gracias al análisis y ciencia de datos podemos darle un sentido a la información almacenada. Todo ese esfuerzo para que seamos capaces de optimizar y coordinar en tiempo real las actividades primarias. Proceso también conocido como integración horizontal de la cadena de valor. Pero también seremos capaces de optimizar y coordinar en tiempo real las actividades secundarias. Proceso también conocido como integración vertical de la cadena de valor.

Finalmente, hay que mencionar que la integración horizontal y vertical no están limitadas dentro de una misma empresa. Por ejemplo, una gran trasnacional puede incluir en su integración horizontal a fábricas en otros lados del planeta. También puede incluir en su integración horizontal la cadena de valor de sus proveedores. De la misma manera, una empresa puede incluir en su integración vertical a la empresa con la que subcontrata personal. O incluso incluir en su integración con sus prestadores de servicios para mejorar la coordinación de actividades de apoyo.

Internet de las Cosas Industrial

Al igual que el IoT, la flexibilidad y la escalabilidad de las comunicaciones del IIoT está pensada mediante enlaces inalámbricos. De hecho, la mayoría de los requisitos de comunicación entre el IoT y el IIoT son similares. Por ejemplo, soporte para el ecosistema de Internet utilizando dispositivos de bajo costo, con recursos limitados y escalabilidad de red. Sin embargo, el IIoT también tiene algunos requisitos muy específicos. Por ejemplo, la Calidad de servicio (QoS) en términos de determinismo, latencia, rendimiento, etc. También está la disponibilidad, la confiabilidad, la seguridad y la privacidad de la información.

Mientras el IoT se centra más en conectar dispositivos novedosos al ecosistema de Internet de una manera flexible y fácil de usar. El IIoT se centra en la integración e interconexión de plantas, islas de trabajo y maquinaria actualmente aisladas. De manera que sea posible ofrecer una producción más eficiente junto con nuevos servicios como la manufactura en la nube.

Con respecto a la conectividad y la criticidad, IoT es más flexible. Permite estructuras de red ad hoc y móviles, y tiene requisitos de confiabilidad/temporización menos estrictos (excepto para aplicaciones médicas). Por su parte, el IIoT emplea soluciones de red fijas, con comunicación en forma de enlaces de máquina a máquina. En este caso la comunicación debe cumplir requisitos estrictos, pues se tolera menos el retraso de transmisión y la pérdida de paquetes. Comparando el volumen de datos, los datos generados de IoT dependen en gran medida de la aplicación. Mientras que IIoT actualmente se dirige a análisis, por ejemplo para mantenimiento predictivo y logística mejorada.

Debe mencionarse que el concepto de Industria 4.0 surge cuando el paradigma de IoT se fusiona con la idea de Sistemas Ciberfísicos (CPS). Los CPS extienden objetos físicos del mundo real al interconectarlos por completo de manera digital en la nube. Toda la información generada es almacenada en modelos (Ciencia de Datos) y en bases de datos (Big Data). Los cuales pueden actualizarse en tiempo real para poder construir modelos de simulación de tipo “gemelo digital”. Gracias al “gemelo digital”, se pueden implementar nuevos servicios en todo el ciclo de vida del producto (Cloud Manufacturing). En resumen, IIoT es un subconjunto de IoT que es específico para aplicaciones industriales. La fase de fabricación del ciclo de vida del producto es donde se encuentran el IoT y la Industria 4.0, originando el IIoT.

Para finalizar, hay una serie de desafíos clave que será necesario resolver para poder utilizar todo el potencial del IIoT. Primero, tenemos que lograr la conexión de un número muy grande de dispositivos a Internet al menor costo. Segundo, necesitaremos equipos con un hardware que permita la conexión a Internet. Tercero, tendremos que preocuparnos por la eficiencia energética de los equipos y la fuente de energía que tendrán. Finalmente, será necesario asegurar la confiabilidad, la seguridad y privacidad de la información transmitida. Abordar estos desafíos será fundamental para garantizar un despliegue masivo de tecnologías IIoT en las fábricas del futuro.

Computación en la nube y fabricación en la nube

En los últimos años hemos podido desarrollar nuevas herramientas que permiten coordinar actividades complejas a distancia gracias al Internet. Dentro de ellas, tenemos un conjunto de herramientas conocido hoy como la Computación en la Nube o Cloud Computing (CC). De una manera simple, la CC es una tecnología que te permite acceder a aplicaciones y servicios desde la internet. Es decir, que ya no necesitamos instalar un software o almacenar datos en nuestra computadora personal o servidor local.

En lugar de esto, podemos acceder a software, almacenar y procesar información de manera remota desde la nube. Para dar ejemplos de computación en la nube, basta con pensar en servicios como Google Drive, iCloud, Dropbox y WeTransfer. Todos ellos tienen algo en común, usamos internet para conectarnos a esta aplicaciones y todos almacenan nuestra información en la nube. Aquí, “la nube” se refiere al Internet como una red de comunicación, para el almacenamiento distribuido y la entrega de servicios.

La ventaja de los servicios en la nube es que podemos acceder a nuestra información desde cualquier lugar con internet. En resumen, la computación en la nube ofrece la capacidad de acceder a recursos informáticos a través de la internet. Por un lado, significa que no tenemos que preocuparnos por el mantenimiento ni por la integridad de la información. Por otro lado, podemos acceder a los servicios cuando queramos y desde cualquier lugar con internet. Finalmente, podemos escalar los recursos informáticos según lo necesitemos (bajo demanda). Por ejemplo, en el caso de usar Dropbox, basta con pagar más para tener acceso a más espacio de almacenamiento.

De esta manera, hoy día la computación en la nube se divide en 3 modelos:

  • Software como Servicio (SaaS): El proveedor externo aloja aplicaciones y las pone a disposición de los clientes a través de Internet. Este tipo de modelos lo utilizan empresas como Microsoft (Microsoft Office En-línea) o SAP (Enterprise Resource Planning).
  • Plataforma como Servicio (PaaS): El proveedor externo ofrece por Internet herramientas de hardware y software para que el cliente pueda desarrollar sus propias aplicaciones. En este caso el proveedor de PaaS aloja el hardware y el software en su propia infraestructura. Esto evita a los usuarios el tener que instalar hardware y software interno para desarrollar o ejecutar una nueva aplicación.
  • Infraestructura como Servicio (IaaS): El proveedor externo aloja los componentes de infraestructura tradicionalmente presentes en un centro de datos local. Tales como servidores, almacenamiento, hardware de red, así como una o múltiples máquinas virtuales.

No obstante, así como se pueden ofrecer recursos informáticos (o computacionales) a través de Internet, computación en la nube. También podemos adaptar el mismo concepto para la fabricación, ofreciendo e intercambiando recursos de fabricación a través de internet. A esto se le llama fabricación en la nube o cloud manufacturing (CM). El principio de funcionamiento es que los proveedores administren eficazmente sus recursos y capacidades de fabricación. Para que puedan ponerlos a disposición de los consumidores como servicios en una nube de fabricación administrada por un operador.

Siguiendo este concepto, las empresas podrían compartir recursos de fabricación completamente heterogéneos, para tareas simples y para complejas misiones de fabricación colaborativas en todo el mundo. Las capacidades de CM están destinadas a apoyar todo el ciclo de vida de un producto. Cubriendo un amplio espectro de servicios en la nube, desde el análisis de los requisitos del mercado y del cliente. Hasta la planificación de recursos, el diseño de productos, la simulación, el control de la cadena de suministro, la fabricación, la gestión, el mantenimiento y servicios para actividades de fin de vida del producto.

Mediante el uso de tecnologías IoT, sistemas integrados, identificación por radiofrecuencia (RFID), redes de sensores, GPS, etc. Los recursos y las capacidades de fabricación pueden detectarse de forma inteligente, controlarse y gestionarse de forma remota por Internet. Al igual que los modelos de aplicación de la computación en la nube: software (SaaS), plataforma (PaaS) e Infraestructura (IaaS).

Las aplicaciones de infraestructura, plataforma y software también se pueden ofrecer como un servicio en CM. Todas referidas a una fase específica del ciclo de vida de fabricación. Es decir, Diseño como Servicio (DaaS), Mecanizado como Servicio (MaaS), etc. Así, las pequeñas y medianas empresas también podrán utilizar aplicaciones complejas o costosas, accesibles hasta ahora para las grandes empresas. Además, al igual que el CC, el CM funcionaría con un sistema de pago según el uso. Reduciendo el costo de producción y mantenimiento, lo cual eliminaría también algunas barreras económicas.

Tales como una fuerte inversión en maquinaria y sistemas de TI, incluyendo la depreciación rápida de equipos de fabricación. Hay muchas otras ventajas además del aspecto económico. Como la actualización de los servicios en la nube con nuevas características y funciones. O incluso la escalabilidad de licencias con respecto al número de usuarios y capacidad de la aplicación. Finalmente, con la fabricación en la nube se puede utilizar la mejor combinación de recursos, independientemente de su localización física. Esto lleva a la realización de conceptos como DAMA (Design Anywhere, Manufacture Anywhere).

Para resumir, la fabricación en la nube (Cloud Computing) es un nuevo modelo de servicios de fabricación, infraestructura y tecnología. Este modelo permite a los usuarios acceder a un catálogo de servicios estandarizados y satisfacer las necesidades de su negocio. De manera que el usuario tenga la flexibilidad de incrementar su carga de trabajo, pagando solo por el consumo realizado.

Fabricación capa a capa o Fabricación Aditiva

La industria 4.0 integra las nuevas tecnologías de información para optimizar una industria cada vez más competitiva. Pero este proceso no sería posible sin la fabricación aditiva (AM), también conocida como fabricación capa a capa o 3DP (Impresión-3D). Actualmente existen máquinas que permiten la impresión de formas 3D mediante diversas técnicas: extrusora (filamento fundido), agente químico (aglutinante) o láser (sinterización / fusión).

A todos estos procesos se les conoce técnicamente como fabricación aditiva (AM). La ventaja principal de la fabricación aditiva es su versatilidad, ahorrando tiempo y costos. Es decisiva para la eficiencia del proceso pues reduce su complejidad. Esto lo hace permitiendo la creación rápida de prototipos y procesos de producción altamente descentralizados.

Para explicarlo claramente, una cadena de producción es el proceso de convertir las materias primas en productos básicos. Sin embargo, se requieren muchos pasos para convertir los recursos disponibles en productos, como diseño, planificación, fabricación y ventas. Recientemente, la tecnología de fabricación aditiva (AM) o la 3DP ha transformado el procedimiento de la cadena de producción. Debido a su capacidad de crear productos personalizados, con geometrías difíciles, materiales y características sofisticadas.

Por lo tanto, los mercados pueden abastecerse sin requerir que las empresas almacenen o produzcan productos a un gran costo. La AM es una tecnología aún en desarrollo que es capaz de crear objetos precisos con alta velocidad de producción. Lo cual favorece a la industria manufacturera, quienes actualmente están cambiando de producción en masa a producción personalizada.

Esto no es ninguna sorpresa, pues los requisitos de los clientes hoy día son cada vez más individualizados. Pese a sus limitaciones, la simplicidad del proceso de fabricación ya hace evidente la reducción en el costo de fabricación. Esto comparando con los diseños de fabricación tradicional, quienes tienen altos costos de construcción y fabricación de herramientas.

La mayor libertad de diseño a través de AM hace posible combinar un conjunto de partes en una sola. Por lo tanto, se reduce el trabajo de montaje y los costos asociados. Además, no es necesario comprometer las capacidades de ensamblaje. Sin duda, la AM está emergiendo como una tecnología que habilitará una amplia gama de nuevas aplicaciones. Esto gracias a los materiales disponibles, la velocidad de fabricación y la resolución de los procesos 3DP.

Realidad Virtual y Realidad Aumentada

Realidad Virtual

La realidad virtual (VR) es un área popular de tecnología de la información (TI). En la cual se reproduce un espacio virtual que es accesible a través de unos lentes. Esta experiencia es indirecta porque aunque puede mostrar situaciones del mundo real, no afecta directamente los 5 sentidos humanos.

La tecnología de realidad virtual se puede clasificar de la siguiente manera:

  • tecnología de expresión para estimular los sistemas sensoriales humanos;
  • tecnología de interacción para interconectar la realidad con la realidad virtual;
  • tecnología de autoría para desarrollar contenido de realidad virtual; y
  • tecnología de colaboración que conecta a múltiples participantes dentro de la realidad virtual.

La tecnología VR tiene varias aplicaciones, desde la industria hasta la educación, la capacitación y el entretenimiento. En un futuro, se prevé el uso de la realidad virtual junto con los modelos de simulación “Digital Twin”. Para recrear virtualmente la fábrica y poder utilizar simulaciones reales en la capacitación del personal.

Realidad Aumentada

A pesar de estar entrelazadas, la realidad virtual (VR) y la realidad aumentada (AR) plantean revoluciones diferentes. Mientras que la Realidad Virtual permite crear un mundo virtual desde cero con todo lo que se nos ocurra. La Realidad Aumentada agrega elementos virtuales (información adicional en forma de gráficos o imágenes) a nuestro entorno real.

Un ejemplo claro de lo que es la AR es el juego de Pokemon Go. En el cual podemos ver elementos superpuestos a la vida real a través de un teléfono. Por su parte, aplicaciones populares como Facebook, Snapchat e Instagram utilizan filtros en realidad aumentada. Los cuales agregan elementos digitales a lo que está capturando la cámara de video en tiempo real. Más allá de los ejemplos comerciales, las empresas están utilizando la RA en proyectos piloto de asistencia remota y monitoreo.

La AR industrial permitirá la representación visual de los sistemas de producción ciber-físicos (por ejemplo, máquinas y su “Digital Twin”). De hecho, las aplicaciones previsibles hasta el momento de la AR se dividen en dos categorías:

  • Real-Time Machine Data Overlay: En este tipo de aplicaciones el usuario utilizará su teléfono, tablet o lentes de realidad mixta. A través de los cuales podrá ver datos de una máquina o proceso en específico, superpuestos a la realidad. Esto será el equivalente a tener una Interfaz Humano-Máquina (HMI) moderna. Aunque quizás no reemplazarán inmediatamente las pantallas de control de una empresa. Este tipo de sistemas móviles darán acceso a una representación visual completamente realista de un proceso.
  • Soporte remoto basado en la Web: En este tipo de aplicaciones se requieren 3 interlocutores, el sistema AR y dos personas. Imaginemos el caso de una máquina que está dañada. En este caso, el operador de la máquina se acercará con su sistema AR (teléfono, tablet, lentes de realidad mixta).

A través del sistema AR, el operador podrá ver los pasos a seguir para reparar la máquina. Lo interesante es que un experto en reparación de la máquina, podrá estar supervisando desde cualquier otro lugar la reparación. De manera que el experto también pueda dibujar anotaciones en la pantalla del sistema AR desde donde esté.

Hoy día, el mayor número de aplicaciones de AR es de uso doméstico. No obstante, para poder llevar la AR a un ambiente industrial se necesitará sobrepasar los siguientes desafíos:

  • Transmisión de datos eficiente en caso de tener un escenarios móvil. Esto en caso de llevar a cabo una colaboración y / o visualización de datos de máquinas en tiempo real.
  • El software debe ejecutarse en dispositivos duraderos y baratos que estén certificados para entornos industriales. La mayoría de los dispositivos AR actuales están destinados al uso doméstico o de entretenimiento.
  • Facilidad de uso dirigida a usuarios industriales, para reducir al mínimo el tiempo de capacitación requerido.

Para resumir, las aplicaciones de AR estarán centradas en interfaces humano máquina móviles. Ya sea para mostrar información en tiempo real sobre el desempeño de una máquina, o para ayudar a resolver problemas. De esta manera, ya no será necesario enviar el 100% de las ocasiones un ingeniero especializado a resolver un problema. Sino que la AR podrá ser utilizada por ingenieros generalistas para solucionar problemas altamente especializados.

Ciberseguridad

Así como en las otras revoluciones industriales, aquellas que no integren las nuevas tecnologías tienen menos oportunidades de sobrevivir. Pero ello no significa que aquellas que hayan integrado exitosamente los sistemas ciber-físicos tengan la carrera ganada. De hecho, la ciberseguridad es quizás el mayor de los paradigmas de la Industria 4.0 pues ¿qué sucede si el progreso tecnológico crea más riesgos?

De hecho, cada vez es más frecuente escuchar sobre cómo los Hackers y virus amenazan los sistemas informáticos. Entonces ¿cómo podemos estar seguros que la Industria 4.0 no está también a su alcance? Si la Industria 4.0 gira alrededor de un sistema hiperconectado entre máquinas, personas, servicios y empresas con la nube. Con el uso de todos estos sistemas tecnológicos, es imperativo garantizar la seguridad cibernética durante esta revolución industrial digital.

Pero para llegar a la gran interactividad hombre-máquina se necesita intercambiar la información en 3 etapas esenciales.

  • Necesitamos obtener información digital a través de sensores conectados a activos industriales como las máquinas. Estos sensores recopilan datos de manera contínua tal como lo hiciera un ser humano.
  • Necesitamos analizar y visualizar los datos capturados con los sensores. Para esto se requiere llevar a cabo una inmensa cantidad de operaciones en primer y segundo plano. Desde la etapa de procesamiento de señales, hasta la optimización, visualización y computación cognitiva (aprendizaje de máquinas y algoritmos). En cada una de estas etapas pasa información por una nube industrial que administra el inmenso volumen de datos.
  • Traducir las ideas en acciones. Lo que implica procesar los datos crudos con ayuda de aplicaciones de análisis de datos. La información procesada puede así convertirse en conocimientos y en resultados significativos. Los cuales serán derivados a la fabricación aditiva, los robots autónomos, el diseño y la simulación digitales.

Por un lado, salvaguardar la seguridad de la información producida dentro la empresa es ya una tarea compleja. Por otro lado, la Industria 4.0 prevé la interconexión entre socios, clientes, empleados y sistemas para aumentar el rendimiento. Lo que significa que la información adquirida no se queda dentro de la empresa en todo momento. Sino que los interlocutores externos deben poder acceder a ella en tiempo real para crear una plataforma de colaboración compartida. Lo cual, no tan sólo implica un aumento en la densidad de datos transmitidos, sino aumenta el riesgo de ataques cibernéticos.

Para lograr la protección cibernética de la industria 4.0 hay que procurar la división del IIoT en niveles controlables. Aunque aún no hay una convención general, se plantea que la IIoT tenga la siguiente arquitectura para su control:

  • Capa de percepción (detección): la capa de percepción también se denomina “capa de detección”. Se compone de objetos físicos y dispositivos de detección, como diversas formas de tecnologías sensoriales, sensores RFID. Estas tecnologías permiten que los dispositivos detecten otros objetos. Las amenazas y vulnerabilidades comunes en la capa de percepción se pueden resumir de la siguiente manera:
    • Acceso no autorizado: en el primer nodo, los accesos no autorizados son amenazas importantes debido a la captura física o al ataque lógico.
    • Confidencialidad: los atacantes pueden colocar sensores o dispositivos maliciosos para obtener información del sistema.
    • Disponibilidad: el componente del sistema deja de funcionar porque se captura físicamente o se ataca lógicamente.
    • Datos ruidosos (amenazas de transmisión): los datos pueden contener información incompleta o información incorrecta debido a la transmisión a través de redes que cubren grandes distancias.
    • Ataques de código malicioso: los atacantes pueden causar fallas de software a través de código malicioso como virus, troyanos y mensajes basura.
  • Capa de red: la capa de red es la infraestructura para soportar conexiones inalámbricas o cableadas entre los dispositivos, sensores y el sistema de procesamiento de información. La capa de red conecta todas las cosas en IoT y les permite conocer su entorno. La capa de red es bastante sensible a los ataques debido a la gran cantidad de datos que transporta.
  • Capa de servicio: esta capa es para garantizar y administrar los servicios requeridos por los usuarios o las aplicaciones. Es responsable de la gestión del servicio y tiene un enlace a la base de datos. La capa de servicio admite y contiene los servicios que utilizan interfaces de programación de aplicaciones (API). Algunas de las amenazas y vulnerabilidades de seguridad comunes en la capa de servicio son:
    • Manipulación: la información en los servicios es manipulada por el atacante.
    • Spoofing: un atacante devuelve la información para falsificar el receptor.
    • Acceso no autorizado: abuso de servicios a los que acceden usuarios no autorizados.
    • Información maliciosa: la privacidad y la seguridad de los datos están amenazadas por
    • Ataques DoS: un recurso de servicio útil no está disponible al estar expuesto a
    • Tráfico por encima de su capacidad
  • Capa de aplicación (interfaz): capa de aplicación o interfaz compuesta de métodos de interacción con usuarios o aplicaciones. Es responsable de entregar servicios de aplicaciones al usuario. La capa superior es la capa de aplicación que es visible para el usuario final. Las amenazas y vulnerabilidades de seguridad en la capa de aplicación se resumen a continuación:
    • Amenazas de configuración: las configuraciones fallidas en las interfaces y / o una configuración incorrecta incorrecta en los nodos remotos son las amenazas más importantes para esta capa.
    • Ataques de código malicioso (Malware): estos ataques se hacen intencionalmente directamente al sistema de software para causar daño intencionalmente o subvertir la función prevista del sistema.
    • Ataques de phishing: en la capa de interfaz, los atacantes pueden intentar obtener información confidencial, como nombres de usuario, contraseñas y detalles de tarjetas de crédito.

Finalmente, la seguridad cibernética es el tema central que todos los gobiernos siguen al más alto nivel de importancia. Ya que hay que proteger la información comercial, los secretos de fabricación, las estrategias financieras y estratégicas. Además de todo esto, la industria 4.0 aumenta el riesgo y la sensibilidad de los ciberataques. Principalmente porque demás de la información, también entra en juego la protección de los sistemas autónomos y sistemas ciber-físicos para evitar su mal uso. 

Conclusiones

La participación de las empresas en la Cuarta Revolución Industrial sigue siendo, por el momento, una cuestión de toma de decisiones. Aunque el uso y desarrollo de nuevas tecnologías es arriesgado y costoso. La Industria 4.0 promete ahorros considerables, aumentando rápidamente los ingresos para aquellos que la adopten de manera temprana.

En algunas industrias, el progreso, el desarrollo y el despliegue rápido de aplicaciones son inevitables si se quiere ser competitivo. Tal es el caso de la industria automotriz y electrónica. Por otro lado, otras industrias solo adoptarán nuevas tecnologías cuando otras ya lo hayan hecho. Sobre todo cuando la tecnología tenga un costo accesible para los sectores industriales que operan con pequeños márgenes de ganancia. A nivel empresarial, la Industria 4.0 depende de la creación y la implementación de estrategias digitales a nivel corporativo. Hoy día, podemos resumir los factores que obstaculizan la propagación de la Industria 4.0 en los siguientes:

Desconfianza, fuerza laboral no calificada, falta de estrategia digital, tecnologías costosas, inversión arriesgada, falta de estándares industriales, capacitación anticuada, miedo a la pérdida de control sobre propiedad intelectual, seguridad de los datos, los socios no tienen la tecnología, análisis de datos subdesarrollado, falla en el desarrollo de servicios basados en datos, falta de soporte de la alta gerencia.

Finalmente, podemos resumir que la Industria 4.0 significa una hiperconectividad entre máquinas y personas a través del internet. La cual permite el flujo de información dentro de los servicios de una empresa. Y que se extiende hasta los clientes y todo interlocutor relacionado con el ciclo de vida de un producto. Como lo explicamos anteriormente, la Industria 4.0 está basada en 9 tecnologías diferentes, algunas de ellas interconectadas entre sí. Si bien la Industria 4.0 está evolucionando, es posible que no veamos todo su potencial hasta dentro de muchos años.

El primer paso es que las empresas reconozcan el potencial de las nuevas tecnologías. Sobre todo para que puedan invertir en la adaptación de la tecnología y en el desarrollo de nuevas aplicaciones. Por otro lado, también las escuelas deberán orientar el sistema educativo hacia las nuevas tecnologías. De manera que las industrias también puedan contar con una fuerza de trabajo lista para asumir las responsabilidades 4.0.

Acerca del Autor

Dr. José NERI QUIROZ, Evaluador Experto de la Comisión Europea para proyectos en AI, IoT, Industria 4.0. Consultor en Transformación Digital en IMEPI y socio fundador de Medusa Digital, una empresa que se dedica al uso de Inteligencia Artificial y Análisis de Datos para proyectos de Marketing 4.0 e Industria 4.0.

MSc. en Ing. Química por parte de la Escuela Superior de Química de Lyon (CPE Lyon), MSc. en Análisis Químico Industrial por parte de la Universidad de Lyon. Finalmente, en el 2016 José obtuvo el Doctorado en Química por parte de la Universidad de Lyon al desarrollar para la Comisaría de la Energía Atómica y Energías Renovables de Francia, un microchip de análisis químico para el proceso de reciclado de material radioactivo.

Me dices si necesitas algo más, saludos.

Ph.D. Joss NERI || Business Developper
IMEPI S.A. de C.V.
México: (+52) 33 29 14 04 78 || Francia: (+33) 646 30 27 78
joss@imepi.com.mx || LinkedIn: jossneri || www.imepi.com.mx || CDMX

1+
Compartir:

Dejar un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.