A lo largo de esta última década se vienen lanzando en diferentes países y regiones de todo el mundo numerosas iniciativas y políticas con un denominador común: su objetivo de revitalizar la competitividad global del sector de manufactura, a través de la transformación de sus procesos y modelos de negocio gracias a la adopción de nuevas tecnologías de la información que representan un salto cualitativo respecto a la automatización que ya lleva décadas desplegándose en las plantas industriales. La estrategia alemana de Industrie 4.0 es quizá la más reconocida de estas iniciativas, sobre todo en el ámbito, si bien Estados Unidos y otros países también han venido desarrollando estrategias relacionadas.
Además de contar con el citado objetivo común en cuanto al desarrollo económico, estas iniciativas comparten además un denominador común en lo tecnológico. Si bien hasta ahora la generación y explotación de datos industriales era algo que generalmente se circunscribía a la automatización y supervisión de la operación de cada planta, la irrupción de nuevas soluciones tecnológicas cada vez más asequibles en cuanto a la barrera económica de entrada (aunque no así en su complejidad de integración y aprovechamiento estratégico) hace que cada vez sea más accesible generar y capturar más datos, extraerlos fuera de las plantas de manera eficiente y segura, y acumularlos en plataformas que permitan su explotación masiva e integrada con otras fuentes de datos.
Ahora bien, ¿qué visión de las tecnologías clave específicas para desplegar estos sistemas de captura y explotación de datos e integrarlos en las plantas industriales tienen cada una de estas iniciativas? Aquí es donde nos empezamos a encontrar diferencias en cada planteamiento, debidas tanto por su objetivo de desarrollo económico (potenciando también en paralelo diversos subsectores específicos de TIC que hacen fuerte el desarrollo general de la estrategia en cada caso) como por la visión tecnológica de quienes han liderado la definición de los conceptos básicos de estas estrategias.
En el caso concreto de Alemania y de su Industrie 4.0, su concepción de una “smart factory” y de cómo explota los datos generados por sus componentes tiene más que ver un modelo integrador de la información basado en técnicas semánticas. Así, el componente “inteligente” de este enfoque se basa en la capacidad de que los componentes conozcan su histórico de datos y estado actual, para demandar y consumir servicios del resto de componentes con los que están interconectados, y así obtener un proceso de producción más flexible y dinámico que facilite una personalización rentable de los productos (la llamada “serie unitaria” o “batch size 1”). En la propia ponencia impartida por Wolfgang Wahlster (uno de los “padres” que diseñaron la estrategia de Industrie 4.0) en octubre de 2014 en la primera edición del congreso Basque Industry 4.0 se desarrolla en mayor detalle este enfoque específico de explotación de datos dentro del concepto de “smart factory” (duración 38'28", en inglés):
Podemos ver, por tanto, que en la propia definición de esta estrategia (y por ello en las acciones que se promocionan para su despliegue en Alemania) la explotación de datos industriales a través de analítica predictiva no ocupa un lugar tan destacado como en otras iniciativas similares. Si a esto unimos que la etiqueta de “Big Data” se viene asociando no ya en general a una cantidad masiva de datos que explotar, sino en particular a la generación de modelos predictivos sobre los mismos, podemos encontrar aquí una explicación plausible a por qué Alemania no destaca tanto en cuanto al uso de “big data analysis” respecto a otros países que apuestan por modelos diferentes.
Además de contar con el citado objetivo común en cuanto al desarrollo económico, estas iniciativas comparten además un denominador común en lo tecnológico. Si bien hasta ahora la generación y explotación de datos industriales era algo que generalmente se circunscribía a la automatización y supervisión de la operación de cada planta, la irrupción de nuevas soluciones tecnológicas cada vez más asequibles en cuanto a la barrera económica de entrada (aunque no así en su complejidad de integración y aprovechamiento estratégico) hace que cada vez sea más accesible generar y capturar más datos, extraerlos fuera de las plantas de manera eficiente y segura, y acumularlos en plataformas que permitan su explotación masiva e integrada con otras fuentes de datos.
Ahora bien, ¿qué visión de las tecnologías clave específicas para desplegar estos sistemas de captura y explotación de datos e integrarlos en las plantas industriales tienen cada una de estas iniciativas? Aquí es donde nos empezamos a encontrar diferencias en cada planteamiento, debidas tanto por su objetivo de desarrollo económico (potenciando también en paralelo diversos subsectores específicos de TIC que hacen fuerte el desarrollo general de la estrategia en cada caso) como por la visión tecnológica de quienes han liderado la definición de los conceptos básicos de estas estrategias.
En el caso concreto de Alemania y de su Industrie 4.0, su concepción de una “smart factory” y de cómo explota los datos generados por sus componentes tiene más que ver un modelo integrador de la información basado en técnicas semánticas. Así, el componente “inteligente” de este enfoque se basa en la capacidad de que los componentes conozcan su histórico de datos y estado actual, para demandar y consumir servicios del resto de componentes con los que están interconectados, y así obtener un proceso de producción más flexible y dinámico que facilite una personalización rentable de los productos (la llamada “serie unitaria” o “batch size 1”). En la propia ponencia impartida por Wolfgang Wahlster (uno de los “padres” que diseñaron la estrategia de Industrie 4.0) en octubre de 2014 en la primera edición del congreso Basque Industry 4.0 se desarrolla en mayor detalle este enfoque específico de explotación de datos dentro del concepto de “smart factory” (duración 38'28", en inglés):
Podemos ver, por tanto, que en la propia definición de esta estrategia (y por ello en las acciones que se promocionan para su despliegue en Alemania) la explotación de datos industriales a través de analítica predictiva no ocupa un lugar tan destacado como en otras iniciativas similares. Si a esto unimos que la etiqueta de “Big Data” se viene asociando no ya en general a una cantidad masiva de datos que explotar, sino en particular a la generación de modelos predictivos sobre los mismos, podemos encontrar aquí una explicación plausible a por qué Alemania no destaca tanto en cuanto al uso de “big data analysis” respecto a otros países que apuestan por modelos diferentes.
No hay comentarios:
Publicar un comentario