Mientras analizaba cómo incorporar más herramientas de IA al trabajo diario, me surgió una pregunta: ¿cómo impacta esto en los sistemas de supervisión y control que diseñamos?
En los últimos años la inteligencia artificial comenzó a incorporarse de forma natural en nuestras actividades diarias. Cada semana aparecen nuevas herramientas capaces de responder consultas, generar documentación, analizar información o asistir en la toma de decisiones.
Como ingeniero dedicado desde hace muchos años al desarrollo de sistemas de automatización industrial, cada vez me encuentro reflexionando más sobre cómo aprovechar estas herramientas a partir de la información que generan los sistemas de supervisión y control. Sin embargo, antes de pensar en qué puede hacer la IA por nosotros, creo que debemos preguntarnos si nuestros sistemas están preparados para que realmente pueda hacerlo.
La respuesta, en muchos casos, es que todavía no.
IA y automatización no son lo mismo
En automatización industrial suele asociarse la inteligencia artificial con una evolución natural de la automatización. Sin embargo, cumplen funciones diferentes.
La automatización ejecuta reglas previamente definidas. Un PLC toma decisiones programadas para responder siempre de la misma manera frente a una determinada condición.
La inteligencia artificial trabaja de otra forma. Analiza información, interpreta contexto, identifica relaciones entre distintos datos y puede asistir a una persona sugiriendo acciones o explicando situaciones.
Para hacerlo necesita comprender qué representan los datos que recibe.
Y allí aparece el verdadero desafío.
El contexto es el insumo más importante
Los sistemas de supervisión y control ya no sólo deben controlar el proceso; también deben ser comprensibles para una inteligencia artificial.
Los sistemas SCADA, HMI y los historiadores de datos generan enormes cantidades de información.
- Alarmas.
- Variables de proceso.
- Eventos.
- Históricos.
- Indicadores de desempeño.
Sin embargo, disponer de datos no significa disponer de información útil para una IA.
Si las alarmas no representan realmente lo que ocurre, si los tags tienen nombres poco descriptivos o si la documentación está incompleta, la inteligencia artificial tendrá exactamente las mismas dificultades que tendría un ingeniero intentando interpretar ese sistema por primera vez.
La IA necesita contexto, y ese contexto debe estar construido dentro del propio sistema de supervisión y control.
¿Qué deberíamos empezar a mejorar?
Desde mi experiencia, existen algunos aspectos que resultan fundamentales para preparar un sistema de supervisión y control para la incorporación de herramientas basadas en IA.
Un sistema de alarmas consistente
Las alarmas deben reflejar el verdadero estado del proceso.
Es importante que cuenten con descripciones claras, prioridades bien definidas, categorías coherentes y nomenclaturas consistentes.
Una alarma no debería limitarse a indicar que existe un problema, sino aportar información suficiente para entender qué está ocurriendo, dónde ocurre y cuál puede ser su impacto.
Los nombres de variables y tags también cumplen un papel fundamental. Deben identificar claramente el equipo, la función y el proceso al que pertenecen, facilitando tanto el trabajo de las personas como el análisis realizado por una inteligencia artificial.
Históricos pensados para el análisis
Los históricos deben registrar la información adecuada con la frecuencia apropiada.
Tan importante como almacenar los datos es poder relacionarlos fácilmente con equipos, variables del proceso, eventos y alarmas.
La calidad del análisis futuro dependerá directamente de la calidad de la información registrada hoy.
Documentación del proceso
La inteligencia artificial también necesita comprender cómo funciona el proceso productivo.
Disponer de documentación actualizada sobre la operación, las responsabilidades de operadores y supervisores, los procedimientos normales y las respuestas esperadas frente a distintas situaciones permitirá que estas herramientas puedan asistir mucho mejor en la toma de decisiones.
Descripciones funcionales del sistema de control
Un aspecto que considero especialmente importante es documentar claramente la filosofía de control.
Es decir, definir qué acciones realiza automáticamente el sistema, cuáles requieren intervención del operador y bajo qué condiciones deben ejecutarse.
Este conocimiento normalmente reside en la experiencia de quienes desarrollaron o mantienen el sistema. Documentarlo permite preservar ese conocimiento y transformarlo en información utilizable tanto por las personas como por herramientas de inteligencia artificial.
La calidad de la información será una ventaja competitiva
Durante muchos años la discusión estuvo centrada en incorporar más sensores y almacenar más información.
Hoy el diferencial ya no estará únicamente en la cantidad de datos disponibles, sino en la calidad de la información, su organización y el contexto que aporte.
La inteligencia artificial puede convertirse en una herramienta extraordinaria para asistir a operadores, supervisores e ingenieros. Pero su capacidad dependerá directamente de la calidad del contexto que encuentre.
En definitiva, la llegada de la inteligencia artificial no cambia cuáles son las buenas prácticas para diseñar un sistema de supervisión y control; simplemente hace que esas buenas prácticas sean más importantes que nunca.
Durante muchos años nos preocupamos por diseñar sistemas que fueran seguros, robustos y comprensibles para las personas que los operan y mantienen.
Hoy ese desafío se amplía.
Durante muchos años diseñamos sistemas para que los entendieran las personas. Hoy también debemos diseñarlos para que puedan ser interpretados por una inteligencia artificial.
Porque preparar un sistema para incorporar IA no comienza instalando un nuevo software.
Comienza diseñando sistemas de supervisión y control con información clara, consistente y bien documentada.