En 2020 los fundamentos de la sociedad industrial habrán cambiado por completo”, pronostica Bill Ruh, líder de General Electric Digital. “Los sensores y el software estarán presentes en cualquier tipo de maquinaria, cada vez más conectados entre sí. Aumentar la productividad y los beneficios, reducir los gastos innecesarios, asegurar la calidad medioambiental y mejorar los procesos de producción serán actividades automatizadas.
Habrá, al menos, mil millones de contadores de energía eléctrica más que en 2015; más de 100 millones de bombillas estarán conectadas a Internet, controladas por un sensor o un smartphone; y, solo contando las máquinas fabricadas por General Electric, se generarán un millón de terabytes de datos al día, cuyo análisis estadístico servirá para aumentar la eficiencia.
¿Cómo se gestó General Electric Digital?
General Electric Digital nació con el objetivo de aumentar la productividad de nuestros clientes a través de los servicios y el equipamiento que les vendemos. Hasta 2010, la productividad de la mayoría de las compañías crecía de manera constante. Pero en 2011 se desplomó. Se podría atribuir al crecimiento mucho más lento del PIB y a la subida de los precios del petróleo. Pero, quizá, el factor más importante fue que la innovación en los procesos industriales se frenó.
Entonces, nos preguntamos: ¿cuál es el siguiente paso para recuperarla? La respuesta era la tecnología digital, en concreto, el análisis de datos. Vivimos en un mundo lleno de datos. Si organizáramos esa información de manera eficiente y encontrásemos pautas de comportamiento invisibles a simple vista, alcanzaríamos una productividad sin precedentes.
“Si usáramos la información de forma eficiente, tendríamos una productividad sin precedentes”
¿Te estás refiriendo solo a General Electric o a otros negocios y sectores?
Me refiero a todos. Aquí está el quid para poder competir hoy en día. El sector de gran consumo, por ejemplo, está transformándose de arriba abajo a través de start ups que cuentan con talento digital. Y son capaces de reinventar el negocio de los taxis, de los hoteles o de la música mucho más rápido que las compañías tradicionales, que no tienen experiencia digital. Estas solo pueden competir si introducen la digitalización en todo lo que hacen.
Piensa en Uber o Lyft, por ejemplo. Las compañías convencionales de taxis podrían haber inventado la misma tecnología. Podríamos incluso pensar que lo habrían hecho mejor, porque ya tenían los activos: los coches. Pero la realidad es que con los activos no basta. Hay que descifrar cómo sacarles más productividad que nadie. Eso es lo que han hecho los servicios de viajes compartidos: han exprimido el potencial de los coches y de los conductores. Por eso, si eres una compañía rica en activos –tanto si se trata de una empresas de taxis como de General Electric-, deberías avergonzarte si no eres capaz de sacarles el máximo partido. A alguien se le ocurrirá, antes o después, cómo hacer las centrales eléctricas más productivas a través del software. Y debería ser a las propias empresas eléctricas, porque ya conocen las operaciones. Pero puede que otro tipo de compañía se les adelante.
¿Cómo pensáis reinventar la industria?
De momento estamos siguiendo el ejemplo del Internet de consumo. Ahí hay mucho que aprender. Internet ha cambiado radicalmente la vida diaria, haciéndonos más productivos como individuos. Y, en parte, lo ha hecho a través del perfeccionamiento de la experiencia del usuario, que se mejora día a día. Este tipo de Internet funciona a través de modelos de data analytics, que simulan interacciones entre los elementos de un sistema informático. Por ejemplo, un motor de búsqueda.
En cambio, el Internet industrial tiene un enfoque que no existe en el mundo del consumo: un modelo adicional a partir de cálculos físicos. Todos los activos con los que trabajamos –edificios, vehículos, flotas, e incluso activos financieros- tienen propiedades físicas. De forma que se imita el funcionamiento de centrales, generadores, motores y otros activos tangibles. El Internet industrial, o la industria 4.0, como lo llaman algunos, resulta del trabajo conjunto entre estos dos modelos; los basados en el análisis de datos (data analytics-based modeling) y los basados en la física (physics based-modeling).
Por un lado, el basado en data-analytics permite reconocer pautas de comportamiento y tomar decisiones con rapidez. Por ejemplo, es capaz de identificar las probabilidades de que una máquina se rompa. Esta puede estar funcionando dentro de sus parámetros normales, pero dos o tres indicadores simultáneos –una vibración, un tipo específico de tensión, una condición medioambiental- pueden sugerir que se rompa antes de lo que pensabas. Analizando el comportamiento pasado se podrá predecir el futuro.
El modelo basado en la física te ofrece opciones para ese futuro. Tras haber concluido, a través del análisis, que la máquina es vulnerable, se te presentan varias opciones. ¿Deberías retirarla para arreglarla? O, ¿deberías dejarla hasta que la arreglen más adelante? Ahora podrás contemplar miles de escenarios distintos a la vez y quedarte con el mejor. Cuando combinas procesos analíticos y diseños basados en la física esto se produce de manera automática. Este es un aspecto del Internet industrial que no existe en el Internet de consumo.
Bueno, menos cuando mi coche me dice que me quedan 104 millas para quedarme sin gasolina, basándose en estimaciones sobre la distancia recorrida y mi consumo. Eso es el diseño basado en data-analytics, ¿no?
Sí, pero iría un paso más allá con ese ejemplo. Cuando el cuadro de mandos del coche te dice que cambies el aceite a las 6.000 millas, lo hace gracias a un modelado de datos. Analiza los antecedentes del coche y te avisa cuándo debería reemplazar el aceite un conductor estándar. El problema es que cada individuo conduce de forma distinta. Algunos conductores más conservadores podrían aguantar hasta 10.000 millas para cambiar el aceite, pero otros probablemente lo harían tras 3.000. Además, también influye si estás en un lugar caliente y árido. Por eso, la decisión sobre cuándo cambiar el aceite no debería depender solo de medias. Hay que ir más allá: para saber con verdadera exactitud el momento en que tú deberías cambiar el aceite, tendrías que usar modelados basados en la física.
Así es como arreglamos los motores de los aviones a reacción. No todos los motores de este tipo necesitan un calendario de mantenimiento fijado de antemano. De hecho, ahora diseñamos tipos de mantenimiento específicos para cada motor, a través del modelado basado en la física. Por ejemplo, los motores que se usan en el ambiente seco y arenoso de Oriente Medio necesitan un cuidado distinto a los que se usan en climas fríos.
Con la combinación de ambos tipos de diseño, podemos predecir los problemas antes de que ocurran y sin hacer un gasto desorbitado. Esto es una revolución para el mundo industrial. Si puedo anticipar una fuga en un oleoducto o un problema en un motor del avión, podré arreglarlo antes de que ocurra. Aunque aún no se puede predecir si un clavo pinchará la rueda, sí sabemos si esta explota por una presión determinada.
¿Y cómo crees que afectará al empleo y al crecimiento económico el desarrollo del Internet industrial?
La automatización es clave. Está claro que un tipo de empleos desaparecerá: es el precio de la tecnología. Nuestra compañía, como muchas otras, está trayendo de vuelta a EEUU puestos de trabajo en la industria. Pero las nuevas fábricas son mucho más eficientes que hace, pongamos, veinte años. Además, los empleos que se ofrecen son muy distintos y requieren otro tipo de habilidades.
A principios del siglo XX, muchas personas cuidaban y limpiaban los caballos. Esos puestos de trabajo desaparecieron cuando se inventó el coche, pero pronto se crearon otros. Esto volverá a pasar ahora: no va a ser tan grave como sugieren los pesimistas. Aún es difícil predecir qué trabajos nuevos se crearán y cuántos serán. Pero está claro que crecerá la demanda de profesionales que sepan de datos y de programación. Los requisitos técnicos aumentarán, incluso para aquellos que carezcan de títulos universitarios; la gente tendrá que saber manejar maquinaria automatizada y trabajar eficientemente con robots; y las empresas deberán ser muy buenas gestionando y entrenando a sus profesionales en esta transición.
Otras entrevistas en Ideas PwC:
