Lo siento, Dave: El auge de la IA en la impresión y el embalaje
Hay una ola de innovación en equipos de impresión y empaque y sistemas de flujo de trabajo que están comenzando a implementar inteligencia artificial, no solo dentro de un sistema individual sino en cadenas de suministro completas entre diferentes sistemas, procesos e incluso extendiéndose al trabajo semiautónomo. David Zwang redondea el estado actual del arte.
Todos hemos leído o visto muchas historias de ciencia ficción en nuestra vida. Si bien son fascinantes y capturan la imaginación, siempre han parecido algo alejados de nuestra vida cotidiana. Aunque últimamente hemos empezado a tener muchas interacciones de inteligencia artificial “de la vida real”, ya sea de forma directa o indirecta.
Muchas de nuestras herramientas personales de IA (asistente inteligente), como teléfonos móviles, tabletas y computadoras, se están volviendo más inteligentes poco a poco. Con cada lanzamiento de software, Siri y Alexa parecen ser más conscientes de nuestras rutinas y hacen sugerencias que anticipan nuestro próximo movimiento. Estaba en una llamada de FaceTime el otro día y noté que la cámara de mi iPad me seguía mientras me movía por el área visible.
La principal diferencia entre IA e AI es que la primera está diseñada para trabajar con humanos, mientras que la IA está diseñada para permitir que los sistemas funcionen de forma autónoma. Si bien todavía tengo que escuchar “Lo siento, Dave. Me temo que no puedo hacer eso”, parece que nos estamos acercando a esa realidad.
Hoy en día, hay una ola de innovación en equipos de impresión y empaque y sistemas de flujo de trabajo que comienzan a implementar IA, no solo dentro de un sistema individual sino en cadenas de suministro completas entre diferentes sistemas, procesos e incluso extendiéndose al trabajo semiautónomo.
Inteligencia artificial versus aprendizaje automático
John McCarthy, ampliamente reconocido como uno de los padrinos de la IA, la define como “la ciencia y la ingeniería para fabricar máquinas inteligentes”. Sin embargo, en el centro está creando sistemas que pueden imitar la inteligencia y/o el comportamiento humano. Hablamos regularmente de procesos automatizados, cuando la realidad es que gran parte de esta automatización es una forma simple de IA. En el proceso de automatización, diseñamos decisiones de proceso basadas en conjuntos predeterminados de datos y/o instrucciones (por ejemplo, si, entonces, si no.
La mayor parte de la IA que vemos hoy en los sistemas de impresión y empaque se basa en el aprendizaje automático (ML), que en realidad es un subconjunto de la IA. En ML, la máquina o el software tiene la capacidad de modificar su comportamiento dinámicamente cuando se expone a más datos. La parte de “aprendizaje” del aprendizaje automático describe los algoritmos de ML, que intentan optimizar el comportamiento a lo largo de una determinada dimensión. Por ejemplo, generalmente intentan minimizar el error o maximizar la probabilidad de que sus predicciones sean ciertas.
Yendo un paso más allá, sistemas como Amazon AWS y Microsoft Azure han desarrollado plataformas y marcos en la nube basados en la ciencia de datos diseñados específicamente para aumentar la cantidad de datos y algoritmos disponibles, también conocidos como “aprendizaje profundo”. Al ampliar la cantidad de datos recopilados que se utilizan para comparar y hacer predicciones, aumenta la probabilidad de que las decisiones sean ciertas.
IA en práctica en impresión y embalaje
Se incluyen varios niveles de automatización con la mayoría de los sistemas de hardware y software actualmente disponibles, generalmente en forma de toma de decisiones basada en reglas. Aunque la IA en forma de ML, mejorada por plataformas de aprendizaje profundo como AWS y Azure, ahora está cada vez más disponible.
Bobst presentó Bobst Connect, su visión de una plataforma de infraestructura para los convertidores de envases y su cadena de valor. Está diseñado para proporcionar interoperabilidad con los sistemas de ejecución de fabricación de los clientes de un convertidor, plataformas basadas en la nube de otros socios y plataformas a nivel de plan mediante el uso de API.
Inicialmente, se enfoca en conectar los datos del hardware de producción y algunos procesos, como el envío de trabajos, el mantenimiento remoto y la disponibilidad de datos de producción de la cadena de valor, aunque prevén una implementación mucho más amplia.
Las nuevas funciones incluirán la configuración y el control centralizados de trabajos y producción, la optimización de procesos y la evaluación comparativa del rendimiento. Se anticipa que inicialmente la evaluación comparativa se basará en KPI establecidos, sin embargo, supongo que comenzarán a aprovechar un conjunto de datos más amplio e IA en el futuro.
Bobst presentó Bobst Connect, su visión de una plataforma de infraestructura para los convertidores de envases y su cadena de valor.
Heidelberg introdujo recientemente PAT (Performance Advisor Technology) como un servicio profesional para su base de clientes. Dado que Heidelberg ha estado capturando datos de máquinas de más de 13 000 máquinas conectadas e información relacionada con más de 60 millones de procesos de preparación en su Heidelberg Cloud, tienen una buena base de información para crear un servicio de IA. PAT monitorea varias actividades y mediciones de máquinas y procesos contra KPI establecidos, identificando datos de rendimiento y anomalías que dan como resultado informes y recomendaciones del tablero para aumentar el rendimiento. PAT finalmente incluirá resultados que comparen las máquinas de Heidelberg con un grupo comparativo anónimo de Heidelberg Cloud.
HP PrintOS se lanzó en 2016 como una plataforma de infraestructura de flujo de trabajo. Actualmente cuenta con más de 13.000 empresas y 27.000 dispositivos conectados a su plataforma basada en la nube. Incluye una variedad de aplicaciones diseñadas para proporcionar a su base instalada las herramientas y la información necesarias para optimizar su funcionamiento.
Una de esas aplicaciones es Print Beat, que está diseñada para proporcionar una visión general completa del rendimiento de su prensa. Realiza un seguimiento del rendimiento de su prensa y lo compara con cinco KPI establecidos. También le proporciona una forma de comparar el rendimiento de su sitio con otros PSP a nivel regional y mundial. Actualmente no ofrece información sobre cómo puede mejorar su rendimiento, por lo que funciona más como IA que como IA.
Kodak PRINERGY On Demand es una implementación en la nube basada en suscripción de su plataforma de software de flujo de trabajo de producción junto con PrintVis, la solución MIS/ERP basada en MS Dynamics, VPress, la solución web-to-print y colaboración en tiempo real usando InSite y Microsoft Teams.
La solución reside en Azure, que admite las capacidades de IA de cada uno de los módulos. Actualmente utiliza un tablero para proporcionar detalles de producción y control de dispositivos y operaciones conectados. Sin embargo, la funcionalidad específica de impresión de PrintVis podría utilizar las capacidades de Azure ML.
Ellos imaginan poder personalizar automáticamente el contenido para correo directo y campañas de catálogo basadas en el análisis del comportamiento del cliente, proporcionar mantenimiento predictivo de máquinas de impresión con tecnologías de sensores integrados e incluso mejorar la seguridad entre las interfaces web-to-print y sus clientes finales, utilizando soluciones reales. Detección de anomalías temporales.
Tomando una lección de Uber, para maximizar el margen de beneficio de un trabajo entrante, posiblemente podría adaptar la estimación utilizando inteligencia de datos profunda. Los criterios incluidos podrían variar desde el producto que se produce, las preferencias específicas y generales del cliente, la temporada, las condiciones de entrega y probablemente datos mucho más granulares a lo largo del tiempo y a medida que aumenta la tecnología y el aprendizaje.
Esta es solo una muestra de algunas de las soluciones de IA que respaldan la industria de la impresión y el empaque en la actualidad. Esperaría que más llegaran al mercado a un ritmo creciente. Dado que una de las ventajas del aprendizaje profundo mejorado de ML es que aumenta continuamente la base de información, la funcionalidad y el valor aumentarán con el tiempo.
Más por venir…
Me gustaría abordar sus intereses y preocupaciones en artículos futuros en lo que respecta a la fabricación de impresiones, empaques y etiquetas, y cómo, si es que lo hace, impulsa los flujos de trabajo futuros, incluida la “Industria 4.0”. Si tiene algún ejemplo interesante de fabricación híbrida y a medida, también estoy ansioso por conocerlos. No dude en ponerse en contacto conmigo en david@zwang.com con cualquier pregunta, sugerencia o ejemplos de aplicaciones interesantes.
Referencia: Lo siento, Dave: El auge de la IA en la impresión y el embalaje