La IA tiene potencial para impulsar la sustentabilidad industrial

Se debe adoptar un enfoque tecnológico, empezando por la IA y ML, para ayudar a marcar la diferencia y dar forma a un futuro que sea sustentable y al mismo tiempo eficiente

Foto: cortesía SoftServe. Portal ERP México.

Las empresas se están encaminando hacia la misión de mitigar los efectos del cambio climático a causa de la misma actividad humana, en línea con el Acuerdo de París suscrito por 196 países en 2015 para reducir las emisiones de gases de efecto invernadero (GEI) a cero en el año 2050, y así limitar el calentamiento del planeta por debajo de 1.5 °C. Una de las vías es la transición energética de los combustibles fósiles a fuentes renovables (como la solar o la eólica) que ofrece reducir las emisiones que suman al cambio climático, sin embargo, dejar esa dependencia es mucho más complejo de lo que se cree; y para ello, las industrias en general tienen un gran campo de acción al optimizar de mejor manera su consumo energético.

De acuerdo con Alejandra Soberón, Enterprise Technology Consultant en SoftServe, una vía para lograrlo y que cada vez está atrayendo más inversiones es la implementación especializada tanto de inteligencia artificial (IA) como de aprendizaje automático (machine learning, ML), dos tendencias actualmente en boga cuyo verdadero potencial aún está lejos de ser explotado, según la experta: "Ambas innovaciones tienen el potencial de transformar industrias enteras, haciéndolas más eficientes, sostenibles y respetuosas con el medio ambiente. Independientemente de las particularidades de cada sector, su aplicación no sólo contribuye a la sustentabilidad ambiental, sino que también ofrece ventajas económicas pues reducen costos a través de la eficiencia y la optimización de recursos", explica.

Te puede interesar: 2025, el año en que la IA transformará la agricultura y la manufactura

Al respecto, Alejandra Soberón ofrece ejemplos precisos de la implementación de IA y ML en cinco áreas productivas donde México destaca.

1 - Alimentos y bebidas

• Optimización de la cadena de suministro: La IA puede analizar patrones complejos de demanda y suministro, optimizando el inventario y reduciendo el desperdicio. Al prever la demanda con mayor precisión, las empresas pueden fabricar y ordenar cantidades más ajustadas de alimentos y bebidas, minimizando el exceso y la pérdida ya sea de insumos o del mismo producto final.

• Eficiencia energética en la producción: Los sistemas de inteligencia artificial pueden monitorear y gestionar el consumo de energía en las plantas, identificando áreas donde se puede reducir o que tengan oportunidad de implementar energías renovables, lo que disminuye la huella de carbono de la producción en sí y brinda a las compañías un perfil más verde para diferenciarse en su mercado.

2 - Ensamble de automóviles

• Fabricación predictiva: La IA puede anticipar fallos en la maquinaria y en los procesos de ensamblaje, permitiendo mantenimientos predictivos que reduzcan el tiempo de inactividad y los recursos desperdiciados. Esto no sólo mejora la eficiencia, sino que también reduce el consumo de energía y de materiales. Un caso de éxito de SoftServe atendiendo a la industria automotriz con tecnologías avanzadas como los "gemelos digitales", se dio con el proveedor para fabricantes automotrices Valeo, firma que redujo la cadena de suministro y el tiempo de comercialización mediante una plataforma de desarrollo para crear y operar aplicaciones del metaverso, pruebas de concepto y demos de producto, al ofrecer duplicados fotorrealistas de equipos de iluminación físicos en un espacio virtual; permitiendo a los clientes elegir, diseñar y previsualizar sistemas de iluminación de forma rápida y eficiente.

• Diseño sostenible: Utilizando machine learning para analizar y optimizar el diseño de los vehículos, las empresas pueden crear automóviles que sean más ligeros y eficientes en el consumo de combustible, o que estén optimizados para el rendimiento de las baterías eléctricas por ejemplo, reduciendo en consecuencia su impacto ambiental.

3 - Minería

• Monitoreo ambiental: La inteligencia artificial puede ser utilizada para monitorear el impacto ambiental de las operaciones mineras, analizando datos de satélite y drones en tiempo real para detectar cambios en los ecosistemas y gestionar mejor los recursos naturales o las posibles afectaciones a la biodiversidad. Algunos avances al respecto ya se han dado en el sector energético (oil & gas), donde se ha combinado soluciones de IA, ML, internet de las cosas (IoT) y big data con supervisión remota, hace que las compañías pasen de una gestión de fugas reactiva a una proactiva, convirtiendo los datos en información procesable para emitir alertas instantáneas que evitan los derrames de petróleo y las fugas de gas.

• Optimización de recursos: A través del ML, se pueden optimizar las rutas de transporte y la planificación de las excavaciones para minimizar la destrucción del entorno y el consumo de combustible, así como para mejorar la eficiencia en el uso del agua y la energía.

4 - Agricultura

• Agricultura de precisión: La IA permite analizar con mucha precisión datos climáticos, del suelo y de cultivos para optimizar el uso de agua, fertilizantes o pesticidas, reduciendo el impacto ambiental y mejorando los rendimientos. Esto incluye la identificación de enfermedades de los cultivos de forma temprana, para tratarlas de manera eficaz y específica antes de que se esparzan.

• Gestión de recursos hídricos: El aprendizaje automático puede prever necesidades hídricas de los cultivos con alta precisión, permitiendo riegos automatizados y optimizados que reducen el desperdicio de agua.

5 - Construcción

• Optimización de materiales y diseño: La inteligencia artificial puede ser utilizada para diseñar edificios más eficientes desde el punto de vista energético, seleccionando materiales sostenibles y optimizando la orientación y distribución de los espacios para maximizar el uso de la luz natural, al mismo tiempo que se minimiza la necesidad de calefacción y aire acondicionado.

• Gestión de residuos: Los algoritmos avanzados del machine learning pueden prever la cantidad de materiales necesarios en un proyecto, para minimizar el exceso y gestionar de manera más eficiente los residuos de construcción, promoviendo el reciclaje y la reutilización de insumos.

"La creciente urgencia de proteger al planeta, significa que ahora es el momento de adoptar recursos sostenibles y renovables. Para aceptar plenamente esa necesidad y comenzar a cambiar realmente el mundo, es importante comprender las contribuciones que puede hacer la tecnología. Ya existen enfoques y herramientas poderosos disponibles, empezando por la inteligencia artificial y el aprendizaje automático, para ayudar a marcar la diferencia y dar forma a un futuro que sea sustentable y al mismo tiempo eficiente". concluye la Enterprise Technology Consultant en SoftServe