Inteligencias al servicio de la fiabilidad

En este artículo observamos cómo tanto las nuevas tecnologías como los nuevos modelos organizativos pueden contribuir decisivamente a la diferenciación de nuestra empresa.

David López 19 de julio de 2022

2070

9

0

0

16 min. de lectura

David López

Director de Oficina de Proyectos

Sisteplant.

1. CONTEXTO ACTUAL Y FIABILIDAD

Vivimos tiempos en los que los cambios se producen a una gran velocidad. Esto es patente en nuestra vida personal, en la cual manejamos con soltura esos ordenadores de gran potencia que son los smartphones, para la realización de actividades tales como comprar artículos de distinta naturaleza (ropa, comida, música, vehículos, billetes de tren y avión, entradas de espectáculos, etc.), comunicarnos (con los más allegados, con desconocidos, con personas que están a un metro o a 14.000 kilómetros), realizar transacciones bancarias, jugar, apostar, leer libros y periódicos, escribir, dibujar y pintar, componer y grabar música, fotografiar, rodar películas, hasta emparejarnos… Lo que ahora ejecutamos en un solo día antes nos podría llevar meses.

Efectivamente, la velocidad de los cambios es vertiginosa en nuestra vida personal. ¿Y en nuestra vida profesional? Lo cierto es que en el mundo empresarial los cambios se están reproduciendo con una velocidad menor. La prudencia impera y la consigna general suele ser la incorporación de tecnología madura y probada. Lo experimentos, con gaseosa, dicen algunos. El balance entre el riesgo y el potencial beneficio es un ejercicio de equilibrio que las Direcciones de las empresas deben afrontar cada año en la elaboración de sus presupuestos, su herramienta de gobierno. Y para tal fin deben tener en cuenta los requisitos que el mercado actual exige, a saber:

• Agilidad: alta velocidad de ejecución de procesos y de respuesta ante cambios
• Flexibilidad: capacidad de adaptación a la demanda variable
• Eficiencia: aprovechamiento óptimo de las capacidades de las personas y los recursos materiales
• Robustez: calidad en producto y servicio, en todos los eslabones de la cadena de valor
• Sostenibilidad: seguridad para las personas y minimización del impacto ambiental
• Responsabilidad: contribución a la sociedad en materia de conocimiento, empleo e innovación

Tanto las nuevas tecnologías como los nuevos modelos organizativos orientados a incrementar las capacidades de las personas (gracias a la tecnología) pueden contribuir decisivamente a la diferenciación de nuestra empresa en cualquiera de los anteriores requisitos: ser el más ágil y flexible, o el más eficiente, o el más robusto… Ahora bien, esto exige hacer algo distinto de lo que hacen los demás, tomar decisiones valientes, que no temerarias, experimentar con responsabilidad, errar y aprender del error para volver a experimentar. En definitiva, el sostenimiento y crecimiento de nuestros negocios exige sin duda el abandono de posiciones estáticas de una prudencia mal entendida que sólo lleva a la parálisis, en favor de una “atrevida prudencia” que, de manera responsable y con visión de futuro, apuesta por la transformación y asume un riesgo por ello.

Dicha transformación tiene un actor protagonista: la tecnología. Nuestras empresas están cada vez más tecnificadas y no solamente en las actividades de fabricación y logística, sino en cualquier etapa de la cadena de valor. Por ejemplo, el uso de la Inteligencia Artificial en los Recursos Humanos empieza a ser habitual, la aplicación de RPAs (Robot Process Automation: Automatización Robótica de Procesos) se está extendiendo en Contabilidad y Finanzas, Ventas, Marketing, Atención al Cliente, etc. La consecuencia de esta tecnificación de las empresas es clara: su desempeño depende en gran medida de la fiabilidad de las tecnologías aplicadas, definiendo la fiabilidad como la capacidad de un sistema (integrado por productos, procesos, tecnología y personas), para cumplir su función dentro de sus límites de diseño y bajo un contexto operacional específico. Por consiguiente, la fiabilidad deja de ser un término constreñido al ámbito puramente operacional y se convierte en un factor estratégico para el progreso de las empresas.

En efecto, la fiabilidad es estratégica porque es un requisito transversal que tarde o temprano afectará a todos los procesos, físicos y lógicos, que se ejecutan en nuestra actividad empresarial. Por otra parte, conseguir niveles altos de fiabilidad no es tarea fácil: las máquinas ya no son entes aislados compuestos por cuatro artilugios mecánicos que se regulan con electrónica, sino que son entes que forman parte de un sistema (o ecosistema) cada vez más complejo en el que todos sus elementos están interconectados. El número de componentes se multiplica y, por tanto, la probabilidad de fallo se incrementa, en virtud de la ecuación:

donde:

E(t) es el número esperado de fallos en el periodo de tiempo t, obtenido de la distribución de probabilidad Weibull

N es el número total de componentes del sistema

MTBF es el tiempo medio entre fallos (Mean Time To Failure)

K es el parámetro de la fórmula de Weibull que sitúa al sistema en una zona de la curva de la bañera (mortalidad infantil si k<1, aleatoria si k≈1, desgaste prematuro si 1<k<4, desgaste por envejecimiento si k>4).

2. QUÉ ES LA INTELIGENCIA

Según la RAE (Real Academia Española), las cinco primeras acepciones de la palabra inteligencia son:

1. f. Capacidad de entender o comprender.
2. f. Capacidad de resolver problemas.
3. f. Conocimiento, comprensión, acto de entender.
4. f. Sentido en que se puede tomar una proposición, un dicho o una expresión.
5. f. Habilidad, destreza y experiencia.

Cuando hablamos de aplicar inteligencia a la fiabilidad de los sistemas, hablamos por tanto de poner en juego comprensión, conocimiento, habilidad y experiencia para garantizar el cumplimiento de su función dentro de un contexto operacional determinado (y como todo en estos tiempos, cada vez más cambiante). Numerosos autores han teorizado sobre los tipos de inteligencias que existen. Particularmente, el psicólogo e investigador de la Universidad de Harvard, Howard Gardner, sostiene que existen nueve clases de inteligencia (inteligencias múltiples):

1. Inteligencia espacial: aquella que nos permite interactuar con el medio y comprender el entorno espacial y/o tridimensional.
2. Inteligencia lingüística: capacidad de comunicación verbal y no verbal (uso del lenguaje en sentido amplio).
3. Inteligencia lógico-matemática: capacidad de análisis y razonamiento.
4. Inteligencia cinética-espacial: capacidad de movimiento de nuestro cuerpo.
5. Inteligencia musical: capacidad de expresar, transformar, componer, interpretar, escuchar y sentir la música.
6. Inteligencia interpersonal: capacidad de comprensión de las demás personas, de lo que sucede a otro individuo en una circunstancia dada.
7. Inteligencia intrapersonal: conocimiento puro de uno mismo, capacidad de reconocer quiénes somos, cómo somos y qué queremos, sin la interferencia de las emociones.
8. Inteligencia naturalista: capacidad de observación, comprensión y reflexión sobre lo que sucede en nuestro ambiente.
9. Inteligencia existencial: búsqueda de la trascendencia, de los fines lejanos y no cercanos.

Estos nueve tipos de inteligencia se refieren a la inteligencia humana.

Ahora bien, el auge de la inteligencia artificial, que según la RAE es la “disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico”, ha abierto el debate sobre cómo compatibilizar ambas inteligencias (humana y artificial), sin que la segunda (la artificial) acabe con la primera. Abordemos este tema en relación con la fiabilidad.

3. INTELIGENCIAS AL SERVICIO DE LA FIABILIDAD

Si repasamos la lista de inteligencias múltiples de Gardner, ¿cuáles se ponen en juego de forma decisiva a la hora de incrementar la fiabilidad de nuestros sistemas? ¿Cuáles pueden ser sustituidas o incrementadas por el uso de algoritmos de inteligencia artificial?

Antes de responder a lo anterior, permítanme abrir un paréntesis y reflexionar sobre la decisión de incorporación de tecnología en nuestras empresas. Para este proceso de decisión, propongo utilizar un tipo de inteligencia que no figura en la lista de Gardner, y que tampoco es inteligencia artificial: el sentido común. En una época de fascinación por la tecnología, he sido testigo de la incorporación arbitraria de tecnologías de moda sin un fin práctico claro (por ejemplo, software 3D para diseño de layouts de fábricas, cuando previamente no se ha realizado un análisis profundo de los flujos de materiales, o incorporación de sensores para medir absolutamente todas las variables de todos los procesos con independencia de la criticidad de éstos y del uso final de los datos: medir por medir). No perdamos de vista que la inversión más barata y más fiable es la que no se acomete porque en realidad no se necesita. En una planta de producción, por ejemplo, la incorporación de una nueva máquina o de un nuevo elemento en una máquina existente implica sumar costes de operación y mantenimiento. Y en términos de fiabilidad supone añadir un factor más de riesgo de fallo. Por lo tanto, el sentido común, sumado a la visión estratégica, tiene que dar como resultado una lista de necesidades, para algunas de las cuales la solución será la incorporación de tecnología, más enfocada a propósitos específicos. Cierro paréntesis.

Incorporada la tecnología, debemos operarla con fiabilidad. Recordemos en primer lugar que en la definición de fiabilidad [capacidad de un sistema (integrado por productos, procesos, tecnología y personas), para cumplir su función dentro de sus límites de diseño y bajo un contexto operacional específico] intervienen dos conceptos clave: función y contexto operacional.

La función explica el propósito final del sistema: su paraqué. Debe formularse de forma breve, clara y concisa, según el esquema verbo + objeto + prestaciones deseadas (importante). La inteligencia lingüística tiene un papel clave, por tanto. Definir correctamente cuál es la función de un sistema simplifica enormemente el proceso posterior de caracterización de sus fallos funcionales, así como el análisis de las causas de éstos. Por ejemplo, en el caso de un intercambiador de calor del circuito de baja temperatura del sistema de refrigeración del motor de un buque, no es lo mismo decir que su función primaria consiste en transferir calor entre el fluido de refrigeración y el agua de mar (breve pero incompleto, poco específico), que decir que su función primaria consiste en transferir calor entre el agua glicolada del circuito de baja temperatura y el agua de mar del sistema de alimentación, manteniendo una temperatura de trabajo de 62ºC en la entrada y 48ºC en la salida, para el lado caliente, y de 32ºC en la entrada y 41ºC en la salida, para el lado frío. Por consiguiente, la comprensión de la fiabilidad de nuestro sistema empieza por un buen uso del lenguaje (inteligencia lingüística).

El segundo factor clave de la definición de fiabilidad es el contexto operacional. Resulta que la función de un sistema es variable en función del contexto en el que opera: sus requerimientos o prestaciones vendrán dados por factores extrínsecos a los propios límites de diseño del propio equipo, si bien deberán circunscribirse a éstos. Por ejemplo, el requerimiento de eficiencia de un robot de soldadura puede ser del 97% en una línea de fabricación de chasis en flujo tenso; ahora bien, el mismo robot de soldadura, fabricando exactamente el mismo chasis, podría tener una exigencia de eficiencia del 60% en el caso de una célula en la cual existiera un robot redundante de características análogas. La comprensión del contexto operacional, que condiciona la definición de la función de cada sistema, es una forma de inteligencia espacial que sitúa a éste dentro de un entorno: la empresa y sus objetivos, su estructura de activos y la configuración de éstos para su operación.

Una vez definida la función de cada sistema en el contexto operacional, la fiabilidad se construye, mantiene y mejora mediante un ciclo continuo en el cual entran en juego la inteligencia humana, la tecnología y la técnica, respetando la siguiente ecuación:

Fiabilidad = Inteligencia humana x (Tecnología + Técnica)

La lectura de la ecuación anterior arroja una conclusión tajante: por mucho que incorporemos técnica y tecnología en nuestras empresas, los incrementos de fiabilidad serán mínimos si no potenciamos el uso de la inteligencia humana para la óptima explotación de aquéllas. Las unas suman. La otra multiplica.

La fiabilidad máxima conlleva adquirir un dominio elevado de los procesos, basado en el conocimiento profundo de la física que los gobierna. Y es en este aspecto en el que la conjugación de los tres factores de la ecuación anterior cobra importancia crítica.

La técnica, entendida como el conjunto de disciplinas que permite, por una parte, realizar un análisis estructurado del nivel de fiabilidad actual de un sistema concreto, cuantificar su impacto operacional y económico y, por otra parte, definir e implantar un conjunto de acciones que permitan un salto incremental notable en su fiabilidad, sostenido y mejorado en el tiempo, proporcionan el marco de trabajo en el cual aplicar las tecnologías y la inteligencia humana. Se engloban dentro de este paquete técnicas ampliamente conocidas en el ámbito de la gestión del mantenimiento, como RCM (Reliability Centered Maintenance, Mantenimiento Centrado en la Fiabilidad), RBI (Risk-Based Inspection, Inspección Basada en Riesgos) o el análisis RAM (Reliability, Availability, Maintenability Safety: Fiabilidad, Disponibilidad, Mantenibilidad y Seguridad).

Respecto a la tecnología, ha de concebirse como un complemento que incrementa las capacidades físicas, sensoriales y cognitivas de las personas. Esto quiere decir que eleva el punto de inicio a partir del cual la inteligencia humana despliega su capacidad única de razonamiento (inferencia, deducción, inducción, analogía). No es nuevo, sucede ahora lo mismo que ha venido sucediendo en la historia de la humanidad con los grandes inventos. La diferencia es la concentración de éstos en un corto intervalo de tiempo. Por ejemplo, antes de la invención del microscopio óptico, en 1.590, las limitaciones físicas de nuestro sentido de la vista constreñían el avance en el conocimiento de nuestro sistema circulatorio e inmunológico. Gracias al microscopio óptico, que en cierto modo aumentó la capacidad de la visión humana, durante el siglo XVII se profundizó decisivamente en el conocimiento de la circulación sanguínea, la configuración celular de nuestro cuerpo y la bacteriología. Del mismo modo, las nuevas tecnologías de hoy nos brindan la oportunidad de observar los fenómenos bajo puntos de vista antes no existentes. En el campo de la fiabilidad, las variables asociadas a los fallos funcionales y sus distintos modos de fallo pueden medirse en tiempo real y con precisión gracias a los avances en tecnología de sensores que, unidos a la capacidad de conectividad que ofrecen los dispositivos IoT (Internet of Things, Internet de las Cosas), proporcionan la posibilidad de estudiar relaciones insospechadas entre características de máquinas, proceso, producto y entorno. Dichas relaciones se evidencian matemáticamente gracias a los algoritmos de inteligencia artificial, que generan modelos matemáticos (gemelos digitales) que explican el comportamiento de los procesos, calculan la probabilidad de fallo en tiempo real y permiten simular distintos escenarios para la predicción de fallos e incluso la prescripción de soluciones. Uniendo la capacidad predictiva y prescriptiva de los gemelos digitales con la capacidad de gestión del software CMMS (Computerized Maintenance Management System, Sistema de Gestión de Mantenimiento por Ordenador), se pueden generar circuitos eficaces y eficientes de intervención antes del fallo, minimizando el impacto en la disponibilidad del sistema afectado.

En resumen, la tecnología potencia al menos tres de nuestras inteligencias: espacial y naturalista (ver lo que ahora no vemos, observar con nueva perspectiva lo que sucede a nuestro alrededor) y lógico- matemática (potencia de cómputo). Si bien puede ocasionar que, obnubilados por su asombrosa capacidad de cálculo, nos conduzca a interpretaciones erróneas de los fenómenos físicos asociados a los fallos, como confundir correlación con causalidad. Las correlaciones resultantes del análisis masivo de datos no implican necesariamente su conexión lógica. Como muestra, en el año 2.012 la revista New England Journal of Medicine publicó un artículo en el cual se aseveraba que el consumo de chocolate mejoraba la función cognitiva. Esta conclusión se basaba en la fuerte correlación existente entre el número de premios Nobel de un país y el consumo de chocolate por habitante de ese país. En virtud de este resultado, cualquier gobierno de cualquier país podría promover el consumo masivo de chocolate entre sus habitantes para incrementar su rendimiento intelectual… Insostenible argumento. Estos disparates (no todos son tan evidentes, y menos en los fenómenos físicos que gobiernan la fiabilidad de los sistemas físicos) se conocen como correlaciones espurias y son causados por un erróneo planteamiento inicial del problema, como la no consideración de todas las variables en juego que explican el fenómeno (existencia de variables ocultas), o por puro azar. Aquí la inteligencia humana debe hacer un filtro de los resultados de la inteligencia artificial, basado en el conocimiento adquirido del proceso, en la experiencia y, por qué no decirlo, en la intuición (en realidad, otra forma de inteligencia).

Además, existe la falsa creencia de que, a mayor volumen de datos, mejores conclusiones obtendremos, por pura estadística: “Dame el histórico de fallos de ocho años, los registros de todas las variables del proceso en ese mismo periodo de tiempo y encontraré las correlaciones entre los fallos y las variables que están involucradas en ellos”. Lo cierto es que un gran volumen de datos no implica un gran volumen de información válida, puesto que los datos, en términos generales, se suelen tomar en contextos operacionales estables, con variaciones poco significativas, y frecuentemente carecen de precisión. Esto implica que los escenarios sobre los cuales actúan los algoritmos son limitados y no son todos los posibles y factibles, aplicándose además sobre información imprecisa. La consecuencia es la restricción del rango de conclusiones, las cuales sólo mostrarán lo que ya es evidente y conocido. Por ende, se reducirá la posibilidad de adquisición de un conocimiento superior sobre los fenómenos en estudio. Por ello, los gemelos digitales más precisos se construyen sobre los resultados de experimentos bien diseñados y controlados, en los cuales se garantiza la bondad del dato obtenido, para diferentes escenarios (contextos operacionales): el habitual y los no habituales pero posibles y factibles. De nuevo, conocimiento y experiencia juegan un papel determinante.

Hasta aquí hemos reflexionado sobre el papel de las inteligencias lingüística, espacial, naturalista y lógica-matemática en la optimización de la fiabilidad, y su relación con la tecnología y la técnica. ¿Contribuyen en algo el resto de inteligencias de Gardner? La respuesta es que al menos tres de ellas sí, y de manera crítica.

No olvidemos que la fiabilidad se toca, se monta y se desmonta… Al fin y al cabo, el mundo físico es el mundo real que produce bienes y servicios, por medio de máquinas o equipos que manejan una o varias personas. Y donde hay personas existe el riesgo del error humano, que puede ser minimizado con sistemas anti-error (Poka Yokes), con buenos estándares de trabajo, con lecciones de un único punto, con formación especializada y con aplicaciones tecnológicas, como la realidad aumentada.

Procedimientos, técnicas y tecnología. Y pese a todos ellos, el factor intangible de la motivación resulta clave. En fiabilidad un par de apriete ligeramente insuficiente provoca un fallo, una limpieza incompleta también. La concentración de los técnicos que desempeñan estas actividades aparentemente simples es fundamental para que sean ejecutadas correctamente. Y la capacidad de concentración de una persona es directamente proporcional al nivel de motivación que ésta tiene para la realización de una tarea. Dicho nivel de motivación está relacionado con tres inteligencias: interpersonal, intrapersonal y existencial. La primera define la calidad de las relaciones entre personas (líder – técnico, técnico – técnico, etc.) y en función de ésta qué acciones están dispuestas a tomar. Las dos últimas definen los factores internos de cada persona que impulsan sus actos. La misión del líder de la fiabilidad en la empresa es, por tanto, buscar y encontrar los factores de motivación de cada persona de su equipo para que desempeñe con eficacia su trabajo. La misión de cada una de estas personas es, por su parte, facilitar al líder la comprensión de sus factores de motivación. Transparencia y confianza como aliados de la fiabilidad.

4. CONCLUSIONES

La tecnificación de las empresas ha convertido a la fiabilidad en un factor estratégico de competitividad. Gracias a las nuevas tecnologías se está abriendo un amplio abanico de posibilidades de optimización de la fiabilidad de los sistemas. La inteligencia artificial, en general, y ramas específicas de esta como el Machine Learning, en particular, abren la puerta al pronóstico de fallos en tiempo real, así como a la prescripción de soluciones para anticiparse a su ocurrencia.

Sin embargo, resulta inocente encomendarse únicamente a la inteligencia artificial como única herramienta de maximización de la fiabilidad. La inteligencia artificial, y en general las nuevas tecnologías, carecen de potencial práctico sin la participación decisiva de la inteligencia humana. La combinación de ambas inteligencias, junto a la aplicación de técnicas avanzadas de análisis, es la que marca la diferencia.

Fiabilidad = Inteligencia humana x (Tecnología + Técnica)

La tecnología permite capturar información de distintas fuentes (conectividad), monitorizar variables y procesar datos en tiempo real, generar modelos matemáticos que permitan disponer de un gemelo digital del activo, para descubrir relaciones no intuitivas entre variables, experimentando virtualmente con dichos modelos con el fin de predecir fallos con una antelación suficiente que permita preparar una intervención planificada, eficaz y efectiva.

La inteligencia humana (en sus nueve formas según Gardner), la experiencia, la intuición y el sentido común son valiosos para capitalizar el conocimiento sobre la física que gobierna los procesos, para interpretar correctamente los resultados que nos proporcionan las nuevas tecnologías (no caer en la trampa de confundir correlación con causalidad, por ejemplo), para priorizar los análisis y aportar además una perspectiva de equilibrio técnico y económico al proyecto de optimización de la fiabilidad. También para generar un entorno de trabajo confiable y motivador en el cual las personas desempeñan con concentración sus actividades y minimizan el riesgo de fallo humano.

Por último, las técnicas avanzadas de análisis (RCM, RAMS, RBI, etc.) son necesarias para estructurar los estudios de fiabilidad, de forma que se optimicen los esfuerzos y se centren en lo importante, en lo crítico para el negocio y la operación; para definir las políticas de mantenimiento más adecuadas en función del nivel de criticidad del activo y para asociar variables de proceso a modos de fallo específicos y a potenciales soluciones.