{"id":14559,"date":"2025-01-07T10:59:24","date_gmt":"2025-01-07T09:59:24","guid":{"rendered":"https:\/\/academia-tpm.com\/plataforma\/?page_id=14559"},"modified":"2025-01-07T12:33:35","modified_gmt":"2025-01-07T11:33:35","slug":"agentesai","status":"publish","type":"page","link":"https:\/\/academia-tpm.com\/plataforma\/agentesai\/","title":{"rendered":"agentesAI"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Mejora Continua de Procesos y los Agentes AI<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Por: Humberto Alvarez Laverde<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El Futuro de los procesos de mejora continua con la automatizaci\u00f3n de agentes AI<\/strong><\/p>

El desarrollo de agentes de inteligencia artificial (IA) transformar\u00e1 significativamente los procesos de mejora continua en las empresas industriales y f\u00e1bricas, potenciando su eficiencia, flexibilidad y capacidad de adaptaci\u00f3n. Veamos algunas pr\u00e1cticas que avanzan en empresas con las que tengo relaciones profesionales:<\/p>

\u00bfEl fin del VSM tradicional?<\/strong><\/p>

Tomemos para el an\u00e1lisis un proceso muy utilizado en las empresas: el Value Stream Mapping (VSM). Esta es una t\u00e9cnica esencial en la mejora continua, ampliamente utilizada para analizar los flujos de procesos y detectar desperdicios en la producci\u00f3n. Tradicionalmente, este mapeo se realiza de manera manual, reuniendo equipos interdisciplinarios para observar, medir y diagramar el flujo de valor. Sin embargo, la introducci\u00f3n de tecnolog\u00edas como sensores IoT, sistemas de manufactura conectados y agentes de inteligencia artificial (IA) integrados con tecnolog\u00edas de nodos, est\u00e1 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.<\/p>

En el VSM nuevo, llam\u00e9moslo \u201cdigital inteligente\u201d, los datos ya no se recopilan manualmente ni se analizan de manera puntual. Gracias a los sensores IoT y\u00a0 la posibilidad que tienen los agentes AI de conectarse con los sistemas de informaci\u00f3n como ERP, bases de datos vectoriales, dep\u00f3sitos de conocimiento o experiencias de empresa, estos sistemas pueden adem\u00e1s capturar datos operativos en tiempo real que incluyen tiempos de ciclo, niveles de inventario, tiempos de espera y movimientos de materiales. Toda esta informaci\u00f3n puede ser interpretada con algoritmos AI. Este enfoque permite generar un mapa del flujo de valor de manera autom\u00e1tica, eliminando errores humanos y mejorando la precisi\u00f3n del an\u00e1lisis. Los mapas digitales no solo representan el estado actual de los procesos, sino que tambi\u00e9n se actualizan de manera continua a medida que las condiciones cambian, ofreciendo una visibilidad completa y actualizada.<\/p>

La inteligencia artificial juega un papel crucial en este nuevo paradigma. Los agentes de IA analizan grandes vol\u00famenes de datos para identificar patrones y detectar ineficiencias que podr\u00edan pasar desapercibidas en un an\u00e1lisis tradicional. Adem\u00e1s, la IA no se limita a identificar problemas; tambi\u00e9n propone soluciones proactivas basadas en datos hist\u00f3ricos y modelos predictivos. Por ejemplo, puede anticipar un aumento en los tiempos de espera debido a cuellos de botella o predecir fallos en equipos cr\u00edticos, permitiendo a los equipos de gesti\u00f3n tomar medidas antes de que los problemas afecten la producci\u00f3n.<\/p>

Un aspecto destacado del VSM digital es la capacidad de realizar simulaciones din\u00e1micas 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 c\u00f3mo la reducci\u00f3n de inventarios o el redise\u00f1o de una l\u00ednea de producci\u00f3n afectar\u00eda los tiempos de entrega y costos operativos. Las simulaciones permiten explorar escenarios \u201cqu\u00e9 pasaria si\u201d con rapidez y precisi\u00f3n, garantizando que las decisiones sean informadas y efectivas.<\/p>

Otra ventaja clave del VSM digital es su capacidad para integrarse con herramientas de visualizaci\u00f3n de datos avanzadas, como dashboards interactivos. Estos paneles muestran el mapa del flujo de valor en tiempo real, junto con m\u00e9tricas clave como tiempos de ciclo, desperdicios y eficiencia general. Adem\u00e1s, los agentes de IA pueden comunicar recomendaciones espec\u00edficas en lenguaje natural, facilitando la comprensi\u00f3n y colaboraci\u00f3n entre diferentes \u00e1reas de la organizaci\u00f3n. Esto transforma el mapeo de valor en una herramienta no solo de an\u00e1lisis, sino tambi\u00e9n de comunicaci\u00f3n estrat\u00e9gica.<\/p>

La evoluci\u00f3n hacia un VSM digital y din\u00e1mico tambi\u00e9n fortalece los principios de mejora continua. En lugar de depender de evaluaciones peri\u00f3dicas 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 producci\u00f3n, las demandas del mercado o los suministros, proponiendo ajustes en tiempo real. Esto permite a las empresas responder r\u00e1pidamente a las fluctuaciones y optimizar los procesos de manera continua y proactiva.<\/p>

Gesti\u00f3n de anomal\u00edas y aver\u00edas en Mantenimiento Aut\u00f3nomo.<\/strong><\/p>

Este es un proyecto que se realiza en una compa\u00f1\u00eda que pretende optimizar la gesti\u00f3n de las aver\u00edas y anomal\u00edas, no solo mejorando la calidad de su registro, sino tambi\u00e9n, la automatizaci\u00f3n de los an\u00e1lisis de causa ra\u00edz de los problemas identificados, empleando agentes AI que utilizan el poder las soluciones de lenguaje LLM, que son capaces de interpretar textos, fotograf\u00edas y audios de los eventos encontrados en las m\u00e1quinas, almacenarlos en bases de datos vectoriales y tratarlos con poderosos algoritmos de AI para identificar los modos de fallo y sugerir en forma autom\u00e1tica acciones correctivas sugeridas.<\/p>

Pero estas soluciones no solo se encargan de mejorar los inputs de los reportes, si no que est\u00e1n pensadas para realizar diagn\u00f3sticos, 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.<\/p>

Automatizaci\u00f3n de informes A3 y aplicaci\u00f3n de m\u00e9todos Kaizen<\/strong><\/p>

La automatizaci\u00f3n con agentes digitales AI, permiten en corto tiempo y aun costo razonable desarrollar soluciones que sustituyen diversos m\u00e9todos manuales procedente de los sistemas tradicionales Kaizen. Los informes A3 ya est\u00e1n siendo automatizados trayendo el beneficio que los equipos humanos dejar\u00e1n de realizar tareas operativas en la construcci\u00f3n de esta clase de informes y otras t\u00e9cnicas como Why&Why, FMEA, etc. \u00a0a interpretar resultados y tomar decisiones estrat\u00e9gicas basadas en los insights generados por los agentes de IA.<\/p>

Reflexi\u00f3n<\/strong><\/p>

En mi opini\u00f3n, las t\u00e9cnicas utilizadas para estudios Kaizen no desaparecer\u00e1n, sino que cobrar\u00e1n un nuevo valor. La combinaci\u00f3n de la mejora continua con la automatizaci\u00f3n de agentes AI puede ofrecer resultados \u00f3ptimos. Estos agentes IA pueden facilitar el proceso de mejora continua al proporcionar an\u00e1lisis de datos en tiempo real, identificar \u00e1reas de mejora y automatizar tareas repetitivas, permitiendo a los empleados enfocarse en actividades de mayor valor a\u00f1adido. Adem\u00e1s, la automatizaci\u00f3n inteligente puede adaptarse a las mejoras incrementales propuestas por el enfoque Kaizen, creando un ciclo virtuoso de optimizaci\u00f3n.<\/p>

Ahora la barrera no es la inversi\u00f3n en esta clase de tecnolog\u00edas. Crear un flujo automatizado de procesos con agentes AI con la oferta y facilidades que las empresas tecnol\u00f3gicas ofrecen no es una barrera. Los costos de un piloto para automatizar un flujo sencillo de registro de anomal\u00edas para mantenimiento aut\u00f3nomo no supera los 1000 d\u00f3lares operando bajo el enfoque SaaS durante un a\u00f1o. La barrera para desarrollar estas aplicaciones est\u00e1 en la falta de competencias inform\u00e1ticas y de programaci\u00f3n que existen en la mayor\u00eda de profesionales que laboran en las industrias. La mayor\u00eda de soluciones se pueden realizar con soluciones de c\u00f3digo abierto de baja inversi\u00f3n, existen numerosas librer\u00edas gratuitas en Python, R, LLM, etc. Pero al no contar con las competencias fundamentales de programaci\u00f3n, las empresas se vean obligadas a acudir a empresas especializadas en estas tecnolog\u00edas lo que incrementa los valores de inversi\u00f3n en 10 veces o m\u00e1s..<\/p>

Un saludo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Mejora Continua de Procesos y los Agentes AI Por: Humberto Alvarez Laverde El Futuro de […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"site-sidebar-layout":"no-sidebar","site-content-layout":"page-builder","ast-site-content-layout":"full-width-container","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"disabled","ast-breadcrumbs-content":"","ast-featured-img":"disabled","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"default","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"class_list":["post-14559","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/pages\/14559","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/comments?post=14559"}],"version-history":[{"count":17,"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/pages\/14559\/revisions"}],"predecessor-version":[{"id":14580,"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/pages\/14559\/revisions\/14580"}],"wp:attachment":[{"href":"https:\/\/academia-tpm.com\/plataforma\/wp-json\/wp\/v2\/media?parent=14559"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}