El Futuro de los procesos de mejora continua con la automatización de agentes AI

El desarrollo de agentes de inteligencia artificial (IA) transformará significativamente los procesos de mejora continua en las empresas industriales y fábricas, potenciando su eficiencia, flexibilidad y capacidad de adaptación. Veamos algunas prácticas que avanzan en empresas con las que tengo relaciones profesionales:

¿El fin del VSM tradicional?

Tomemos para el análisis un proceso muy utilizado en las empresas: el Value Stream Mapping (VSM). Esta es una técnica esencial en la mejora continua, ampliamente utilizada para analizar los flujos de procesos y detectar desperdicios en la producción. Tradicionalmente, este mapeo se realiza de manera manual, reuniendo equipos interdisciplinarios para observar, medir y diagramar el flujo de valor. Sin embargo, la introducción de tecnologías como sensores IoT, sistemas de manufactura conectados y agentes de inteligencia artificial (IA) integrados con tecnologías de nodos, está revolucionando desde hace unos pocos meses la forma en que se automatizan tareas repetitivas en la que se incluyen toma de decisiones asistidas por AI.

En el VSM nuevo, llamémoslo “digital inteligente”, los datos ya no se recopilan manualmente ni se analizan de manera puntual. Gracias a los sensores IoT y  la posibilidad que tienen los agentes AI de conectarse con los sistemas de información como ERP, bases de datos vectoriales, depósitos de conocimiento o experiencias de empresa, estos sistemas pueden además capturar datos operativos en tiempo real que incluyen tiempos de ciclo, niveles de inventario, tiempos de espera y movimientos de materiales. Toda esta información puede ser interpretada con algoritmos AI. Este enfoque permite generar un mapa del flujo de valor de manera automática, eliminando errores humanos y mejorando la precisión del análisis. Los mapas digitales no solo representan el estado actual de los procesos, sino que también se actualizan de manera continua a medida que las condiciones cambian, ofreciendo una visibilidad completa y actualizada.

La inteligencia artificial juega un papel crucial en este nuevo paradigma. Los agentes de IA analizan grandes volúmenes de datos para identificar patrones y detectar ineficiencias que podrían pasar desapercibidas en un análisis tradicional. Además, la IA no se limita a identificar problemas; también propone soluciones proactivas basadas en datos históricos y modelos predictivos. Por ejemplo, puede anticipar un aumento en los tiempos de espera debido a cuellos de botella o predecir fallos en equipos críticos, permitiendo a los equipos de gestión tomar medidas antes de que los problemas afecten la producción.

Un aspecto destacado del VSM digital es la capacidad de realizar simulaciones dinámicas mediante gemelos digitales. Estas representaciones virtuales de los procesos permiten probar cambios y evaluar su impacto sin interrumpir las operaciones reales. Por ejemplo, una empresa puede simular cómo la reducción de inventarios o el rediseño de una línea de producción afectaría los tiempos de entrega y costos operativos. Las simulaciones permiten explorar escenarios “qué pasaria si” con rapidez y precisión, garantizando que las decisiones sean informadas y efectivas.

Otra ventaja clave del VSM digital es su capacidad para integrarse con herramientas de visualización de datos avanzadas, como dashboards interactivos. Estos paneles muestran el mapa del flujo de valor en tiempo real, junto con métricas clave como tiempos de ciclo, desperdicios y eficiencia general. Además, los agentes de IA pueden comunicar recomendaciones específicas en lenguaje natural, facilitando la comprensión y colaboración entre diferentes áreas de la organización. Esto transforma el mapeo de valor en una herramienta no solo de análisis, sino también de comunicación estratégica.

La evolución hacia un VSM digital y dinámico también fortalece los principios de mejora continua. En lugar de depender de evaluaciones periódicas o reactivas, el flujo de valor se convierte en un sistema adaptativo. Los mapas se actualizan constantemente, y los agentes de IA supervisan los cambios en la producción, las demandas del mercado o los suministros, proponiendo ajustes en tiempo real. Esto permite a las empresas responder rápidamente a las fluctuaciones y optimizar los procesos de manera continua y proactiva.

Gestión de anomalías y averías en Mantenimiento Autónomo.

Este es un proyecto que se realiza en una compañía que pretende optimizar la gestión de las averías y anomalías, no solo mejorando la calidad de su registro, sino también, la automatización de los análisis de causa raíz de los problemas identificados, empleando agentes AI que utilizan el poder las soluciones de lenguaje LLM, que son capaces de interpretar textos, fotografías y audios de los eventos encontrados en las máquinas, almacenarlos en bases de datos vectoriales y tratarlos con poderosos algoritmos de AI para identificar los modos de fallo y sugerir en forma automática acciones correctivas sugeridas.

Pero estas soluciones no solo se encargan de mejorar los inputs de los reportes, si no que están pensadas para realizar diagnósticos, predicciones de los comportamientos del los equipos, siendo esta clase de soluciones complementarias a las que ya se aplican en mantenimiento predictivo en tiempo real y que utilizan algoritmos de Machine Learning.

Automatización de informes A3 y aplicación de métodos Kaizen

La automatización con agentes digitales AI, permiten en corto tiempo y aun costo razonable desarrollar soluciones que sustituyen diversos métodos manuales procedente de los sistemas tradicionales Kaizen. Los informes A3 ya están siendo automatizados trayendo el beneficio que los equipos humanos dejarán de realizar tareas operativas en la construcción de esta clase de informes y otras técnicas como Why&Why, FMEA, etc.  a interpretar resultados y tomar decisiones estratégicas basadas en los insights generados por los agentes de IA.

Reflexión

En mi opinión, las técnicas utilizadas para estudios Kaizen no desaparecerán, sino que cobrarán un nuevo valor. La combinación de la mejora continua con la automatización de agentes AI puede ofrecer resultados óptimos. Estos agentes IA pueden facilitar el proceso de mejora continua al proporcionar análisis de datos en tiempo real, identificar áreas de mejora y automatizar tareas repetitivas, permitiendo a los empleados enfocarse en actividades de mayor valor añadido. Además, la automatización inteligente puede adaptarse a las mejoras incrementales propuestas por el enfoque Kaizen, creando un ciclo virtuoso de optimización.

Ahora la barrera no es la inversión en esta clase de tecnologías. Crear un flujo automatizado de procesos con agentes AI con la oferta y facilidades que las empresas tecnológicas ofrecen no es una barrera. Los costos de un piloto para automatizar un flujo sencillo de registro de anomalías para mantenimiento autónomo no supera los 1000 dólares operando bajo el enfoque SaaS durante un año. La barrera para desarrollar estas aplicaciones está en la falta de competencias informáticas y de programación que existen en la mayoría de profesionales que laboran en las industrias. La mayoría de soluciones se pueden realizar con soluciones de código abierto de baja inversión, existen numerosas librerías gratuitas en Python, R, LLM, etc. Pero al no contar con las competencias fundamentales de programación, las empresas se vean obligadas a acudir a empresas especializadas en estas tecnologías lo que incrementa los valores de inversión en 10 veces o más..

Un saludo.