Ford mantiene más de 50 fábricas

Al explorar los diferentes escenarios posibles, las empresas pueden identificar el equilibrio entre la eficiencia y la resiliencia que mejor les funcione. Si se añade aprendizaje reforzado profundo, que permite a una IA aprender a través de prueba y error qué acciones tomar en diferentes situaciones, los gemelos digitales se convierten en máquinas para explorar preguntas hipotéticas.

¿Qué pasa si hay una sequía en Taiwán y la falta de agua paraliza la fabricación de microchips? Un gemelo digital podría predecir el riesgo de que esto suceda, encontrar el impacto que tendría en la cadena de suministro y, mediante el aprendizaje reforzado, sugerir qué acciones tomar para minimizar el daño.

A un fabricante de autos, un gemelo digital le podría sugerir que compre piezas adicionales de un distribuidor en la costa oeste que aún tenga excedentes. Pero si se unen múltiples escenarios, las cosas se vuelven enormemente complejas. Por ejemplo, según Simchi-Levi, Ford mantiene más de 50 fábricas en todo el mundo, que utilizan 35.000 millones de piezas para producir seis millones de coches y camiones cada año.

Hay alrededor de 1.400 proveedores repartidos en 4.400 sitios de fabricación con los que Ford interactúa directamente, y un montón de proveedores y sus proveedores de hasta 10 niveles entre Ford y las materias primas que entran en sus vehículos.

Cualquiera de esos nexos podría romperse, y una buena prueba de tensión debería sondear cada uno de ellos. Los gemelos digitales se basan en la mayor cantidad de datos posible para ejecutar sus simulaciones y entrenar sus IA. Está la información logística sobre la empresa y sus proveedores, contabilizando más datos como el inventario y los envíos. Luego están los datos sobre el comportamiento del consumidor, basados en el análisis del mercado y las proyecciones financieras. Y también, la información sobre el mundo en general, como las tendencias geopolíticas y socioeconómicas. Simchi-Levi incluso ha extraído datos de redes sociales para predecir el comportamiento de las personas, especialmente durante la pandemia. El gemelo digital de Google se puede conectar a Google Earth y tiene en cuenta los patrones climáticos globales. Un productor de hortalizas en California (EE. UU.) puede realizar las simulaciones para ver cuáles de sus campos están en riesgo de La Niña, señala Thalbauer. Cuando Google crea un gemelo digital para un cliente como Renault, pueden elegir cuál de las muchas fuentes de datos disponibles incluir.

Pathmind adopta un enfoque diferente. Su gemelo digital simplemente reúne las herramientas existentes de gestión de la cadena de suministro de la empresa, aprovechando los datos que ya producen. Luego, aumenta estos datos ejecutando simulaciones hipotéticas y añadiendo los datos sintéticos resultantes a la olla en la que entrena su IA. El enfoque es similar a cómo AlphaZero dominó el juego de Go y el ajedrez jugando millones de partidas virtuales contra sí mismo. En vez de aprender qué pieza mover en un tablero, los gemelos digitales pueden aprender qué stock pedir y cuándo o dónde abrir un nuevo almacén.

Con los datos sintéticos adecuados, un gemelo digital puede aprender a responder a los acontecimientos nunca vistos, incluso a pandemias globales. Nicholson detalla: «Aquí es donde nos adentramos en todo el secreto de ‘¿Por qué es inteligente la IA?’. Vive más que nosotros, en estos muchos mundos diferentes, algunos de los cuales nunca han existido antes».

Dejar respuesta

Please enter your comment!
Please enter your name here