Estrategias de optimización de datos para la industria de manufacturing

Los datos representan cada vez más el motor de la innovación en la industria de manufacturing.Para explorar cómo los datos impulsan la innovación hoy y cómo darán forma a la industria de manufacturing del mañana, los líderes de Rackspace Technology® y Amazon Web Services (AWS) se reunieron hace poco con líderes sénior de TI de la industria de manufacturing en una mesa redonda que llevó el nombre de "Aprovechar el potencial de los datos en la industria de manufacturing".

Juntos, analizamos cómo los fabricantes integran la IoT, la automatización y los datos para impulsar y optimizar el diseño y la producción de todo, desde automóviles hasta dispositivos médicos inteligentes.

Hemanta Banerjee, vicepresidente de Servicios de Datos de Nube Pública de Rackspace Technology, recordó que hace dos años, la transformación digital se veía simplemente como una palabra de moda, el título de un proyecto o algo que solicitaba la mesa directiva.Banerjee enfatizó que la transformación es una parte integral de cómo funcionan las empresas.Señaló tres factores que afectan el éxito de una organización durante el proceso de transformación: la nube pública, las personas y los datos."Entre estos tres, los datos son primordiales, ya que le permiten comprender lo que sucede en sus procesos comerciales y mejorarlo.Entonces, la dificultad radica en cómo aprovechamos los datos para mejorar nuestros procesos de manufacturing o hacer más eficiente nuestra cadena de suministro", comentó.

Desafíos que planean los datos

Si bien muchos fabricantes ya han aprovechado los aspectos positivos que ofrecen los datos, todavía hay algunas inquietudes que desvelan a los ejecutivos.Una preocupación común es la residencia de datos, que implica almacenar, gestionar y proteger los datos personales y las comunicaciones.También está el dilema de la centralización frente a la descentralización, donde las empresas de manufacturing eligen si mantener los datos en un lugar centralizado o distribuirlos en diferentes nodos descentralizados.

"Antes nos enfocábamos en la consolidación para poder aprovechar mejor los datos", dijo Isaac Tan, director de TI para la región Asia-Pacífico del fabricante de equipos médicos Hologic."Ahora estamos explorando formas de descentralizar, al tiempo que logramos los resultados deseados.Tenemos que ser conscientes de los problemas de residencia de los datos considerando cuál es la mejor manera de organizar equipos o de agregar datos".

"El desafío que enfrentamos actualmente es la recopilación de los datos de diversas fuentes", compartió Azuhar Mohammed, jefe de Experiencia e Innovación del Centro de Soluciones Globales de Sanofi."Tenemos muchos sistemas en diferentes países, pero estamos tratando de implementar nuestras soluciones para estandarizar los datos".El siguiente paso es reunir nuestros datos de diversas fuentes, como ventas, marketing, finanzas y recursos humanos, llevarlos a un lugar como un lago de datos y, luego, usar esos datos con análisis inteligentes para que la empresa tome decisiones significativas".

Recorrido hacia la transformación

Muchos fabricantes ya han emprendido su recorrido hacia la transformación digital, aprovechando al máximo las oportunidades de datos que ofrece la nueva tecnología.

Por ejemplo, el fabricante farmacéutico Sanofi ya exploró la automatización robótica de procesos (RPA) en 2017."Ahora usamos machine learning y AI para diseñar un proceso de toma de decisiones inteligente", dijo Mohammed, de Sanofi."Aplicamos la AI a nuestros procesos de modelado e implementamos el reconocimiento de patrones construido en grandes conjuntos de datos para mejorar la productividad de I+D".

Según Tan, aunque la escala es un desafío, no ha impedido que Hologic siga adelante con su impulso hacia la IoT.

"Estamos muy enfocados en conectar todos los dispositivos que colocamos en los sitios de nuestros clientes", dijo Isaac."Desde nuestro punto de vista de la conectividad, es fundamental tener más puntos de datos, más sensores implementados".

Sin embargo, el fabricante de dispositivos médicos no siempre tenía su estrategia de datos resuelta.Tan explicó: "Hace un par de años, nuestro enfoque era, simplemente, reunir todos los datos y, luego, darles sentido".Con el tiempo, nos dimos cuenta de que teníamos que corregirlo.El equipo de TI nunca podrá satisfacer las diversas demandas de las partes interesadas en todo el mundo.¿Cómo capacitamos a todos en lugar de darles lo que piden?Así es como lo abordamos.Pensamos en productos de datos descentralizados o distribuidos.Los tratamos como entidades separadas, pero también establecemos una infraestructura y ciertos componentes tecnológicos fundamentales que les permitirán desarrollar más rápido".

Tan también recomendó crear un modelo de datos común que pueda servir como estándar para el desarrollo y al que se pueda acceder según sea necesario.

En efecto, los proyectos de transformación digital son más que simples emprendimientos únicos.Banerjee observó que estos proyectos suelen desarrollarse a lo largo de varios años."Es un recorrido largo", dijo."No es un solo proyecto, sino una forma de vida".

Estrategia de optimización de datos

Una verdad aparentemente universal es que, sin importar en qué etapa de la modernización de los datos esté trabajando, si tiene dificultades, por lo general, se originan en la existencia de silos de datos.Shwetank Sheel, director de Ventas de Servicios de Datos para APJ de Rackspace Technology, señaló que el primer paso para acabar con los silos es identificarlos y exponerlos.

"Otros han hablado sobre los desafíos planteados por los datos tanto centralizados como descentralizados", dijo Sheel."Pero en el contexto de un lago de datos seleccionado junto con análisis descentralizado, una de las cosas de las que he visto que muchos clientes hablan, desde una perspectiva de gobernanza, es sobre la idea de un catálogo o un flujo de productos de datos.Cuando trata de impulsar la innovación, ya sea en unidades de negocio o en varios países, comienza indexando los datos que ya existen, en lugar de empezar desde cero".

Al determinar el retorno de la inversión (ROI), Sheel afirmó que las organizaciones primero deben confirmar que los datos que necesitan existen a nivel interno."Al centrarnos en casos de uso y sus resultados, generalmente trabajamos con los usuarios para ayudarlos a comprender el potencial de los datos y, luego, establecemos un marco que ayuda tanto al individuo como a la organización a identificar el valor del caso de uso, el costo de obtenerlo y si los datos existen en la organización.Luego, este proceso se lleva a cabo para realizar análisis avanzados con AI y machine learning", explicó Sheel.

Banerjee señaló que en última instancia, la distribución de análisis a las unidades de negocio ha demostrado ser exitosa hasta ahora.

"Hemos visto que estamos alejándonos de un equipo de datos central que hace todo, para distribuir la función de los datos dentro de las empresas y el equipo central proporcionando infraestructura y pautas para permitirles tener éxito".

Esta publicación se creó con el patrocinio de Amazon Web Services (AWS).