Desde que arrancamos este proyecto empresarial que es hoy en día Mas Ingenieros, muchas cosas han cambiado.
Bueno, quizás no tantas en un entorno industrial bastante anclado en un pasado que, por diferentes razones, no parece querer cambiar. Pero algunas de las que sí han cambiado lo han hecho de manera radical. Me refiero al entorno. Evidentemente, el entorno ha cambiado. Y lo ha hecho de manera que, queramos o no, afecta directamente a la industria y más concretamente a cómo ésta se relaciona con aquél.
De alguna manera, estamos hablando de un concepto que todos manejamos y que, quizás por ese mismo motivo, queda a veces, muchas, bastante mal conocido, ambiguo y mal utilizado. Industria 4.0.
Industria 4.0
No vamos a dedicar este escrito a desarrollar el concepto (lo hemos hecho ya en otros artículos, con mayor o menor acierto). Nos vamos a centrar en ciertos aspectos que el propio concepto de Industria 4.0 conlleva. Desde el punto de vista de la relación que tiene con la gestión del dato y las múltiples aplicaciones verticales que a su alrededor han ido naciendo.
La industria 4.0 ha generado la aparición de diferentes aplicaciones que tratan de resolver una enorme variedad de casos de uso, desde la monitorización, gestión u optimización, por citar simplemente algunas.
Aplicaciones generadas a raíz de la Industria 4.0
Muchos fabricantes dedican enormes esfuerzos en implementar tecnologías avanzadas de análisis para el mantenimiento predictivo. Combinando la automatización existente con sensores IOT, de forma que los datos específicos de la máquina se pueden usar para predecir. Esto permite a los fabricantes reducir el coste de mantenimiento de la máquina y eliminar el tiempo de inactividad no planificado.
Estos mismos datos, tal vez correlacionados e interpretados de manera un poco diferente, también pueden ser utilizado para otros fines. Por ejemplo, un fabricante puede querer analizar ciertos datos para mejorar la productividad y optimizar el uso de uno o más activos.
Los fabricantes pueden instrumentar el uso de sus productos para comprender mejor las necesidades de los clientes y, en última instancia, ofrecer un producto y servicio de mayor calidad. En resumen, el análisis puede proporcionar un mejor y mayor conocimiento del negocio, desde la producción hasta el servicio al cliente.
El análisis de los datos
Parece obvio, que la gestión de los datos en este entorno es vital y lo va a ser cada vez más. Por ese mismo motivo, prestar atención especial a todo el camino que un dato recorre es crucial. Desde su captura hasta su conversión en información útil.
Sin embargo, hoy en día los científicos de datos dedican más tiempo a preparar los datos para su posterior análisis, que al análisis en sí. Curioso pero real. O peor. Sabiendo que no voy a poder dedicar tiempo al análisis, ¿para qué voy a molestarme en capturar datos? ¿Por qué sucede esto?
No hay una única razón.
En primer lugar, los datos que vamos a necesitar para realizar un verdadero análisis contextualizado, no proceden solamente de máquinas o productos, sino también de aplicaciones, bases de datos, etc.
Este hecho de disponer los datos en múltiples orígenes complica su captura, preparación, modelado y validación.
Además, las aplicaciones y sistemas no han sido implementadas por un mismo proveedor ni en un mismo período de tiempo ni por el mismo personal. Lo cual, todavía complica más la cuestión.
Y por último, seguramente no vayamos a poder acceder a todos los orígenes. Al menos, no será fácil.
¿Cómo podemos resolver este problema?
Actualmente, este tipo de escenarios, tan habituales, se resuelven con soluciones ad-hoc. Tratando de usar API proporcionadas por los propios fabricantes, mediante estandarización de protocolos, normalizando datos en sistemas existentes, con código y desarrollos que minimicen el “caos” existente.
Evidentemente, este tipo de soluciones puede resolver, aparentemente, ciertos problemas, pero genera otros. Como por ejemplo, problemas relacionados con el mantenimiento de este tipo de desarrollos, problemas de índole funcional o problemas relacionados con la escalabilidad de este tipo de aplicaciones.
Este tipo de desarrollos deben usarse para generar valor añadido y no para generar problemas. Debería existir otra forma. Y de hecho, existe.
La solución está en la integración desde la base. Para ello, son necesarias capas de abstracción que capturen modelen y compartan información entre equipos, procesos, productos, sistemas y personas.
Plataformas agnósticas a las aplicaciones que normalicen, estandaricen y contextualicen los datos previo a éstos sean convertidos en información útil y accesible para todos los consumidores.
Integración que use arquitecturas desacopladas evitando al máximo el “vendor lock-in” (cautividad), de forma que, además, la sustitución de una aplicación en particular por otra que en un momento determinado nos interese más, sea una operación sencilla. El resultado es una arquitectura del dato que permite la escalabilidad y adaptabilidad cuando es necesario. La integración es el nexo perdido.
