Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Industria 4.0
Objetivos de la Industria 4.0
La Industria 4.0 implica la promesa de una nueva revolución que combina técnicas avanzadas
de producción y operaciones con tecnologías inteligentes que se integrarán en las
organizaciones, las personas y los activos.
Esta revolución está marcada por la aparición de nuevas tecnologías como la robótica, la
analítica, la inteligencia artificial, las tecnologías cognitivas, la nanotecnología y el Internet of
Things (IoT), entre otros. Las organizaciones deben identificar las tecnologías que mejor
satisfacen sus necesidades para invertir en ellas. Si las empresas no comprenden los cambios y
oportunidades que trae consigo la Industria 4.0, corren el riesgo de perder cuota de mercado.
Para los líderes tradicionales, acostumbrados a los datos y las comunicaciones lineales, el
cambio que supone esta nueva revolución industrial -proporcionando acceso en tiempo real a
los datos y la inteligencia de negocio- transformará la forma en que llevan a cabo sus negocios.
La integración digital de la información desde diferentes fuentes y localizaciones permite llevar
a cabo negocios en un ciclo continuo. A lo largo de este ciclo, el acceso en tiempo real a la
información está impulsado por el continuo y cíclico flujo de información y acciones entre los
mundos físicos y digitales. Este flujo tiene lugar a través de una serie de pasos iterativos
conocido como PDP –por sus siglas en inglés physical-to-digital-to-physical-:
Del mundo físico a la digital. Se captura la información del mundo físico y se crea un registro
digital de la misma.
Del mundo digital al físico. Se aplican algoritmos para traducir las decisiones del mundo digital
a datos efectivos, estimulando acciones y cambios en el mundo físico.
Además, las tecnologías relacionadas con la Industria 4.0 también pueden conducir a
productos y servicios completamente nuevos. El uso de sensores y dispositivos portátiles, el
análisis y la robótica, entre otros, permitirán mejoras en los productos de diversas maneras,
desde la creación de prototipos y pruebas hasta la incorporación de conectividad a productos
previamente desconectados. Estos cambios en los productos se traducen, a su vez, en cambios
en la cadena de suministro y, consecuentemente, en los clientes.
Los impactos de la Industria 4.0 pueden sentirse en múltiples niveles: en grandes ecosistemas,
a nivel organizacional y a nivel individual (en empleados y clientes):
Ecosistemas. Además del cambio en el que las empresas operan y en la producción de bienes,
la Industria 4.0 afecta a todos los agentes del ecosistema (los proveedores, los clientes, las
consideraciones regulatorias, los inversores, terceros…). Estas tecnologías permiten
interacciones entre cada punto de una red.
Organizaciones. La capacidad de ajustarse y aprender de los datos en tiempo real puede hacer
que las organizaciones sean más receptivas, proactivas y predictivas. Asimismo, permite a la
organización reducir sus riesgos en materia de productividad.
Individuos. La Industria 4.0 puede significar diferentes cosas para cada uno. Por ejemplo, para
los empleados puede significar un cambio en el trabajo que van a realizar, mientras que para
los clientes significaría una mayor personalización en los productos y servicios que satisfagan
mejor sus necesidades.
IMPRESORA 3D
La impresión 3D es un tipo de tecnología que te permite crear un objeto tridimensional a partir
de un diseño digital. Por varios siglos hemos usado las impresoras para plasmar imágenes, pero
ahora también existen versiones de estas máquinas con las que podemos construir estructuras
de cemento, por ejemplo.
Para entender un poco más esta tecnología, mira este video donde entenderás un poco más de
en qué consiste la impresión 3D.
El segundo sistema es por compactación. Se toma una masa hecha de polvo y se compacta en
la forma deseada. El diseño del elemento a imprimir es creado en un computador, y desde allí
se le envía a la impresora para que esta lo reproduzca.
Este tipo de impresoras existen desde los años 80, o sea que no es una tecnología nueva. Sin
embargo, en estos últimos años se comenzó a tener una mayor distribución y empleo de las
impresoras 3D porque se han ido venciendo unas patentes que limitan su uso. Están siendo
utilizadas en casi todos los campos, incluyendo el arte, como es el caso de la artista Sophie
Khan.
Sin embargo, una de las cosas más impresionante es su uso en medicina. Se han fabricado
prótesis robóticas de costos mucho más bajos que los modelos tradicionales y se ha trabajado
en la creación de tejidos similares a la piel humana, a órganos y a huesos, que permitiría tratar
muchas enfermedades o lesiones hasta el momento incurables.
Así mismo, a finales de diciembre del 2014 algunos medios informaron que la Estación Espacial
Internacional fabricó una especie de llave inglesa, con planos enviados desde la tierra, gracias a
una impresora 3D que fue adaptada a la ingravidez.
Pero, aunque hay grandes avances en medicina y resulta genial su uso en proyectos espaciales,
incluso hay impresoras 3D que trabajan con comida. ¡Son una fantasía infantil hecha realidad!
Los alcances de las impresoras 3D en la industria, la medicina, e incluso en la vida diaria, son
tan grandes que algunos expertos se han atrevido a afirmar que el uso de esta tecnología
puede revolucionar la industria y la economía porque puede reducir los costos de mano de
obra y afectar las fuentes de trabajo de países dedicados a producir cosas a bajo precio. Por
otro lado, también se ha hablado de lo peligroso de esta herramienta, ya que cualquier
persona puede fabricar un arma de fuego usando planos que encuentre en internet.
Sin duda, el uso de las impresoras 3D, al igual que cualquier elemento tecnológico, requiere
pensar en factores de ética y responsabilidad. Pero esto no implica que las impresoras por sí
mismas sean malas. La maldad está en quienes las usan, pero ese es un tema aparte.
BIG DATA
En la mayoría de los casos, con el fin de utilizar eficazmente el Big Data, debe
combinarse con datos estructurados (normalmente de una base de datos relacional)
de una aplicación comercial más convencional, como un ERP (Enterprise Resource
Planning) o un CRM (Customer Relationship Management).
Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que
proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que
tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan
grande de información, los datos pueden ser moldeados o probados de cualquier
manera que la empresa considere adecuada. Al hacerlo, las organizaciones son
capaces de identificar los problemas de una forma más comprensible.
La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro
de los datos permiten que las empresas se muevan mucho más rápidamente, sin
problemas y de manera eficiente. También les permite eliminar las áreas
problemáticas antes de que los problemas acaben con sus beneficios o su reputación.
El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos
para identificar nuevas oportunidades. Eso, a su vez, conduce a movimientos de
negocios más inteligentes, operaciones más eficientes, mayores ganancias y clientes
más felices. Las empresas con más éxito con Big Data consiguen valor de las
siguientes formas:
Por ejemplo:
Turismo: Mantener felices a los clientes es clave para la industria del turismo,
pero la satisfacción del cliente puede ser difícil de medir, especialmente en el
momento oportuno. Resorts y casinos, por ejemplo, sólo tienen una pequeña
oportunidad de dar la vuelta a una mala experiencia de cliente. El análisis de
Big data ofrece a estas empresas la capacidad de recopilar datos de los
clientes, aplicar análisis e identificar inmediatamente posibles problemas antes
de que sea demasiado tarde.
Otros ejemplos del uso efectivo de Big Data existen en las siguientes áreas:
Las especiales características del Big Data hacen que su calidad de datos se enfrente
a múltiples desafíos. Se trata de las conocidas como 5 Vs: Volumen, Velocidad,
Variedad, Veracidad y Valor, que definen la problemática del Big Data.
Estas 5 características del big data provocan que las empresas tengan problemas para
extraer datos reales y de alta calidad, de conjuntos de datos tan masivos, cambiantes
y complicados.
Hasta la llegada del Big Data, mediante ETL podíamos cargar la información
estructurada que teníamos almacenada en nuestro sistema ERP y CRM, por ejemplo.
Pero ahora, podemos cargar información adicional que ya no se encuentra dentro de
los dominios de la empresa: comentarios o likes en redes sociales, resultados de
campañas de marketing, datos estadísticos de terceros, etc. Todos estos datos nos
ofrecen información que nos ayuda a saber si nuestros productos o servicios están
funcionando bien o por el contrario están teniendo problemas.
Algunos desafíos a los que se enfrenta la calidad de datos de Big Data son:
3. Mucha volatilidad
Los datos cambian rápidamente y eso hace que tengan una validez muy corta. Para
solucionarlo necesitamos un poder de procesamiento muy alto.
La calidad de datos de big data es clave, no solo para poder obtener ventajas
competitivas sino también impedir que incurramos en graves errores estratégicos y
operacionales basándonos en datos erróneos con consecuencias que pueden llegar a
ser muy graves.
Esto no parece un equilibrio fácil de conseguir, sobre todo cuando la realidad de dónde
y cómo los datos se alojan y procesan está en constante movimiento.
Se pueden tener diferentes niveles de acceso, lo que da una seguridad más integrada.
Con la autenticación, se trata de ver cómo integrarse con LDAP [Lightweight Directory
Access Protocol], Active Directory y otros servicios de directorio. También se puede
dar soporte a herramientas como Kerberos para soporte de autenticación. Pero lo
importante es no crear una infraestructura separada, sino integrarla en la estructura
existente.
Una vez superado el perímetro y con acceso al sistema, proteger los datos de PII es
extremadamente importante. Es necesario encriptar esos datos de forma que,
independientemente de quién tenga acceso a él, puedan ejecutar los análisis que
necesiten sin exponer ninguno de esos datos.
La auditoría y el análisis pueden ser tan simples como el seguimiento de los archivos
de JavaScript Object Notation (JSON).