La robótica, principalmente la robótica de servicios, ha sido durante años únicamente objeto de la ciencia ficción. Droides de protocolo diseñados para servir a los seres humanos como el C3PO de “La Guerra de las Galaxias”, robots con fines militares como el Johnny 5 de “Cortocircuito,” robots de limpieza como Wall-E, o asistentes del hogar como la Rosie de Los Supersónicos.
Sin embargo, los robots de servicios finalmente han dado el salto desde la ciencia ficción a nuestra vida cotidiana. Tanto para uso personal, liderados por el robot aspirador Roomba de iRobot, como en el ámbito profesional en multitud de áreas de aplicación: robots de limpieza en lugares públicos, robots logísticos en industria u hospitales, robots de rehabilitación y cirugía en hospitales, robots asistentes…
¿Cuál es la diferencia entre robots de servicios y robots industriales? La Federación Internacional de Robótica (IFR) define la robótica de servicios como «robot o equipamiento que realiza tareas útiles para el ser humano excluyendo aplicaciones para automatización industrial». En general, los robots industriales se refieren a los brazos robóticos utilizados en la fabricación. Suelen ser de gran tamaño, con funcionalidades similares entre sí y desempeñan tareas repetitivas. Sin embargo, la definición de los robots de servicios no es tan clara debido a su amplio rango de utilidad. Tienden a ser más pequeños y móviles pero sus funcionalidades varían dependiendo de su aplicación final. Además, contrariamente a sus homólogos industriales, los robots de servicio no tienen que ser completamente autónomos; en muchos casos, pueden ser equipamiento de apoyo al ser humano o máquinas tele-operadas.
La Robótica en el mercado Desde 2010, IFR divide su Informe Anual Mundial de Robótica en dos secciones, una para la robótica industrial y otro para la robótica de servicios. Hasta ahora, la robótica industrial ha sido el sector dominante para los robots, especialmente en la electrónica de consumo y la industria de automoción. El sector de la robótica industrial supone más de 29 M€ en ventas, software y mantenimiento, a pesar de que hay “sólo” 1,5 millones de robots industriales en el mundo (en comparación con más de 10 millones de Roombas). En los últimos cinco años ha habido un crecimiento constante en la robótica industrial y esta tendencia no muestra signos de desaceleración.
Por su parte, la robótica de servicios ha seguido un crecimiento anual global en torno al 11,5%, y se estima un crecimiento anual de más del 20%. En el último año, algunas áreas ya han demostrado un crecimiento de entre el 150% (plataformas móviles) y el 650% (tecnología de asistencia).
Las principales áreas de mercado de robots de servicio hasta ahora han sido defensa, agricultura, logística y aplicaciones médicas, pero continuamente van apareciendo nuevas categorías. Una de las que ha cobrado gran importancia en el último año es el ayudante humanoide o robot asistente.
Países dominantes El mayor fabricante de robots industriales es Japón, con gigantes como Fanuc, Yaskawa – Motoman, Kawasaki y OTC Daihen. Europa también tiene empresas dominantes, sobre todo con ABB, Kuka y Universal Robots. Mientras que en los Estado Unidos, se encuentra Adept y otros que no son tan importantes en el mercado global.
Con respecto a la robótica de servicios, la situación es la opuesta, donde los EE.UU. guían claramente el camino. Su enfoque no es construir robots humanoides, sino más bien robots dedicados a una sola aplicación y lo han conseguido formando grupos industriales en torno a las universidades MIT, Stanford y Carnegie Mellon de las cuales han surgido muchas empresas de nueva creación. De hecho, análisis del IFR revelan que de todas las empresas dedicadas a la robótica de servicios en la actualidad, más del 15% son de nueva creación.
Robótica en Europa Según SPARC (Asociación para la robótica en Europa), Europa se encuentra en una buena posición en robótica copando un 32% del mercado mundial actual. La robótica industrial supone alrededor de un tercio del mercado mundial, mientras que en el mercado de los robots de servicios profesionales los fabricantes europeos producen el 63% de los robots no militares. La posición europea en robots de servicios domésticos representa una cuota de mercado del 14%.
La Comisión Europea sostiene que la Robótica en Europa es un campo en rápido desarrollo, con un alto potencial para apoyar el crecimiento, la creación de puestos de trabajo y la solución de los retos sociales. La robótica de servicios también está aportando soluciones únicas a los principales retos sociales de la salud y el envejecimiento de la sociedad, por lo que su objetivo es dar forma a los futuros desarrollos de forma activa en esta área y permitir que nuestras empresas y ciudadanos se beneficien de los resultados.
CARTIF y la Robótica de Servicios CARTIF tiene una amplia experiencia en el desarrollo de proyectos de investigación aplicada en robótica de servicios. Se han desarrollado diferentes robots móviles con distintos grados de autonomía incluyendo plataformas teleoperadas para la inspección, limpieza y mantenimiento de tuberías y depósitos de agua, además de otros robots autónomos más complejos como robots logísticos, un guía de museo, un botones para entornos hoteleros, una cabeza mecatrónica con apariencia realista o un robot todo terreno para ayudar a los equipos de emergencia en diferentes situaciones.
Con el advenimiento de la Cuarta Revolución Industrial, algunos pronostican un negro futuro para el trabajador en una fábrica donde los robots y las máquinas de producción inteligentes reemplazarán a un hombre que se limitará a supervisar o vigilar el funcionamiento de la fábrica del futuro. En la actualidad ya están sucediendo a pequeña escala las transformaciones o tendencias que definirán esta Fábrica, en la que las evoluciones tecnológicas y tendencias del mercado definirán su aspecto y funcionamiento. En la siguiente tabla se muestran alguna de estas tendencias para las que ya se puede intuir su impacto positivo o negativo para el rol (o ausencia del mismo) del trabajador del futuro.
El impacto negativo de algunas tendencias se debe principalmente a que es necesario alcanzar unas elevadas cotas de automatización de la producción para que pueda alcanzarse el objetivo perseguido.
¿Qué podemos hacer para adaptarnos a estos cambios y evitar que esta revolución nos pase por encima? La reacción natural es la preocupación y recurrir a estrategias inmovilistas que frenen a toda costa esta tendencia. Con cualquier cambio tecnológico siempre ha habido un miedo a la pérdida de puestos de trabajo. Por ejemplo, la imprenta trajo consigo la desaparición del amanuense en favor del tipógrafo y la invención del ordenador personal puso la autoedición en manos de cualquier persona. En otros casos, los avances tecnológicos han traído consigo la creación de puestos de trabajo como por ejemplo los asociados a la aviación comercial.
Durante las diferentes revoluciones industriales, el papel del trabajador ha sido bastante pasivo en cuanto a cómo ha asimilado e influido en la transformación de su trabajo. Con la Primera Revolución Industrial, el trabajo del artesano (manual y personalizado) se transformó en un trabajo impulsado por una energía basada en el carbón y el vapor. Con la Segunda, el trabajo se dividió en operaciones sencillas y repetitivas que permitieron la producción en masa de productos idénticos. Con la Tercera y la sucesiva digitalización de la fabricación (ordenadores, PLC, CAD/CAM …), la obsesión por la calidad y la eliminación o reducción de defectos introdujo nuevos conceptos organizativos como el lean manufacturing o el TPM que trataban de reforzar el rol activo del trabajador como responsable del producto y no como un engranaje más de un complicado mecanismo de relojería. Sin embargo, en este momento de desarrollo de la denominada Cuarta Revolución Industrial, los avances en tecnologías de la información y la globalizaciónnos permiten asistir a estos cambios de una forma más reactiva.
¿Cuál debe ser entonces la evolución del puesto trabajo en la fábrica del futuro? En muchos aspectos, el papel del trabajador no ha cambiado desde que Adam Smith postuló que, mientras el trabajo se divida en operaciones y se paguen de forma adecuada, el asunto está arreglado. Sin embargo, las estadísticas no lo confirman.
Entonces, ¿cuál es la receta para crear entornos más productivos y saludables? Parece que los gestores de equipos tienen una gran parte de responsabilidad en esto: reconocer el trabajo bien hecho, mostrar que sus contribuciones tienen un valor, proporcionar herramientas adecuadas, escucharlos e incluirlos en la resolución de problemas. En definitiva: crear un entorno de confianza en el que poder discutir abiertamente. ¿Sencillo, no?
No tanto, porque no puede caerse en la trampa de tratar al trabajador de forma condescendiente. Tiene que haber un compromiso propio y un cambio de actitud. Incluso en los trabajos más aparentemente monótonos se encuentran ejemplos de trabajadores motivados y comprometidos. En estos casos existe un denominador común: gente que no se conforma con realizar las tareas que vienen recogidas en la descripción de su puesto. Empleados de limpieza en hospitales que interaccionan y dan apoyo a los familiares del enfermo, peluqueros que escuchan al cliente o trabajadores que se esfuerzan en ser más eficientes y aportar mejoras que tengan como efecto una reducción del impacto ambiental de sus actividades. El aumento de autonomía y capacidad de toma de decisiones redunda en el aumento de la satisfacción del trabajador. ¿Cómo aumentar pues esa autonomía en una línea productiva? Precisamente los avances tecnológicos deben ayudar y dar respuesta a este reto.
Las mejoras en automatización, la inclusión de más robots para realizar tareas de apoyo (logística interna), la robótica colaborativa que permitirá compartir el espacio de forma segura entre robots y trabajadores y los sistemas de análisis de datos que facilitan una toma de decisiones más efectiva, pueden verse como amenazas a la supervivencia del papel del trabajador o como oportunidades para que este rol evolucione hacia una posición más activa.
Durante una reciente reunión en la que he podido participar, donde se buscaba establecer una visión y prioridades de la factoría del futuro, diferentes expertos internacionales llegaron a la conclusión de que el rol de los trabajadores deberá evolucionar desde unas habilidades fundamentadas en la maquinaria que utilizan (que cada vez será más autónoma e inteligente) a convertirse en expertos en el proceso de fabricación en el que están trabajando. Quién sabe. En el futuro cada trabajador podría ir a trabajar con su propio robot como si fuese su herramienta. Así, los trabajadores que tendrían garantizado su puesto serán aquellos que mejor «entrenen» o programen a su robot ayudante.
¿Cómo proteger los puestos de trabajo en la fábrica del futuro? Una de las recetas será proporcionar herramientas al trabajador que redunden en un aumento de su autonomía y capacidad de decisión que los convierta en artesanos tecnológicos que disfruten con su trabajo.
El éxito en la modificación o implantación de un proceso productivo suele estar vinculado a los criterios de calidad, tiempo y costes de producción. A menudo, es muy difícil encontrar soluciones óptimas para todos los criterios. Por ejemplo, una calidad superior conduce normalmente a mayores costes. Por lo tanto, un nuevo proyecto de mejora de la fabricación, para tener éxito, debe partir de un análisis bien elaborado de la nueva organización de trabajo, que tenga un flujo de trabajo equilibrado y la capacidad de utilización eficiente de todos los recursos. La alta competencia y amplia experiencia del equipo desarrollador del proyecto se consideran esenciales.
Las herramientas de simulación de producción son posiblemente los mejores apoyos en relación con la introducción de mejoras en el proceso de producción. Con el fin de lograr un diseño óptimo en el proceso productivo, es necesario modelar no sólo el producto, sino también las instalaciones de las fábricas e integrarlos en un único modelo de simulación. La simulación permite encontrar la mejor secuencia de diseño y fabricación de acuerdo con la estrategia de fabricación del producto.
En CARTIF tenemos experiencia en crear modelos de simulación de instalaciones de producción complejas, usando herramientas de simulación discretas de altas prestaciones (Witness). Los modelos creados con estas herramientas nos permiten asegurar la optimización, analizando la influencia de muchas variables con el fin de reducir los costes de producción. Hemos creado modelos para plantas de gran tamaño (por ejemplo, una fábrica de coches completa: factoría de Renault en Palencia), pero también lo hemos aplicado con éxito a procesos productivos en PYMEs.
Por nuestra experiencia, los mejores modelos son aquellos que se construyen evaluando primero si se deben tener en cuenta muchas variables o no, es decir, el sistema de producción debe ser modelado teniendo en cuenta únicamente las variables necesarias para lo que queremos evaluar. Podemos destacar entre estas variables:
Estas variables pueden tener un origen estocástico (más o menos aleatorio) o un valor determinista. Por ejemplo, un calendario de trabajo puede ser considerado como un valor determinístico, mientras que el tiempo medio entre fallos es un valor estocástico.
Las principales variables de salida, las que nos interesa evaluar como resultados, las obtenemos a partir de la simulación, y destacan:
Nuestro consejo para aquellos que quieran mejorar su proceso productivo, sobre todo si conlleva una inversión importante, es que la simulación discreta es la herramienta ideal para valorar si obtenemos los resultados esperados.
La actividad en I+D+i es muy diversa. Sus resultados son visibles cada día, aunque necesiten plazos de tiempo importantes para dar fruto. El éxito en esta disciplina es el resultado de un esfuerzo continuado. Es evidente que los plazos de maduración son superiores a los mandatos políticos y ésta es quizás, la gran dificultad para conseguir un consenso político al respecto.
La sociedad española no parece ser consciente de que su nivel de vida está ligado al ritmo de avance de la ciencia y la tecnología en nuestro país. Por esto, nuestros gobernantes no sienten ninguna presión política para que los recursos públicos dedicados a la investigación y a la innovación no sean tan escasos. Es como si casi nadie estuviera interesado en cambiar esta situación. El grito castizo de Unamuno, “Que inventen ellos”, se percibe como el reflejo suicida del pensamiento de una gran parte de los españoles.
Veamos algunos datos, los del 2014, últimos difundidos por el INE. Los recursos totales dedicados en España a I+D ascendieron a 12.821 M€, un 1,5 % menos que el año anterior. Esta cifra representa el 1,23 % del PIB y con ella retrocedemos a la situación del año 2003, en una tendencia que comienza en 2010. Nuestra posición se sitúa por debajo de la media de la UE; el 2,02%, menos que Portugal el 1,34% y, muy lejos de Alemania y los países nórdicos que dedican aproximadamente el 3% de su PIB. Al contrario que en España, la media de la UE siguió subiendo en los años de la Gran Recesión. La situación es más desfavorable aun si nos comparamos con los líderes mundiales, Corea del Sur el 4,04% en 2012, y a cifras ligeramente inferiores de Japón y USA.
Al profundizar en las citadas cifras del INE de 2014 los datos se tornan más desfavorables, ya que las Administraciones Públicas en España redujeron los recursos dedicados a I+D en un 1,1% y las empresas, en un 1,8%.
Los datos del sector público son reales. Los de las empresas responden al resultado de la encuesta anual que hace el INE siguiendo la metodología del Manual de Frascati y se realiza con el máximo cuidado. Ello no obsta que por razones fiscales, de prestigio u otras, muchas empresas españolas declaren como I+D los gastos de mantenimiento y otros similares. Existen otras circunstancias que pueden afectar de manera confusa y aleatoria a las cifras de la encuesta, como por ejemplo las ampliaciones de capacidad.
Cuatro comunidades autónomas aumentaron los recursos dedicados a I+D en 2014: La Rioja, Murcia, Galicia y Valencia. Las otras, los redujeron. En valor relativo en % del PIB hay una gran dispersión. El País Vasco con un 2,03%, Navarra con un 1,75%, Madrid con un 1,68% y Cataluña con un 1,47%, superan la media nacional. A gran distancia le siguen el resto de regiones, desde Andalucía con un 1,03% hasta Baleares con un exiguo 0,32%. Estas cifras revelan de forma palmaria el desinterés de gran parte de nuestras administraciones, la central y las regionales, por incentivar el motor básico del progreso económico y social español.
Cómo reducir el uso de recursos, residuos y emisiones en tres pasos
Los anglosajones lo llaman Green Manufacturing y en español podríamos llamarlo “fabricación limpia”. De entre sus posibles acepciones, en este post y sucesivos nos centraremos solo en aquella que se refiere a la ecologización de la fabricación, es decir, reducir el uso de los recursos naturales, potenciar el reciclado y reutilización de residuos y recortar las emisiones de gases de efecto invernadero para lograr que disminuyan la contaminación y los residuos generados.
Cada vez más empresas emprenden iniciativas e inversiones para reducir la utilización de los recursos naturales y energéticos, la generación de residuos y la emisión de contaminantes. Estas acciones, unidas al aumento del reciclado y la reutilización de lo que antes se consideraba un recurso sin valor, derivan en la obtención de beneficios económicos y de relaciones públicas.
Existen iniciativas de este tipo individuales o colectivas, con financiación privada, pública o mixta. Una de ellas, en la que personalmente estoy involucrado, es el proyecto demostrativo REEMAIN, financiado por el VII Programa Marco de la UE, en el que promovemos la innovación en el uso de recursos (energía y materiales) en la fabricación.
Entre otras acciones, este proyecto incluye la optimización del trío Producción-Producto-Proceso, la recuperación de posibles energías desperdiciadas en el proceso productivo y la integración de sistemas de energía renovables. En el proyecto contamos con tres fábricas demostradoras: una fábrica de galletas, una fundición de hierro y una fábrica textil de tela vaquera.
La “receta” que utilizamos se basa en tres pasos consecutivos: primero Reducir, después Recuperar y por último Remplazar.
Existe incluso un planteamiento mixto mediante centrales de co o tri-generación a partir de biomasa (con o sin refuerzo de paneles solares) donde una central anexa a la fábrica produce una parte o la totalidad de la electricidad, agua caliente (o vapor) e incluso el agua fría que la fábrica requiere para su funcionamiento. Las propuestas de esta etapa presentan un gran impacto sobre los sistemas productivos existentes, ya que suponen la instalación de grandes infraestructuras anexas; además, su interconexión con los sistemas productivos existentes es compleja. En algunos casos, su introducción obligará a realizar cambios en la organización de la producción.
En la próxima entrega hablaremos de las ventajas y de la carrera de obstáculos que tendrá que superar una fábrica que decida volverse “verde”, o al menos, intentarlo.
Recientemente los medios de comunicación han informado sobre la opinión apocalíptica de Stephen Hawking, Elon Musk y Bill Gates referente a una posible futura inteligencia artificial que podría llegar a sojuzgar a la Humanidad. Hasta que llegue ese día, y suponiendo que llegue, la tecnología nos ofrece una serie de métodos que remedan algunas capacidades intelectuales humanas y que pueden ser de gran utilidad en la práctica industrial como el aprendizaje no supervisado.
Una de ellas es la posibilidad de que una computadorapueda llegar a darse cuenta, por sí misma y sin conocimiento previo, de las diferentes situaciones o estados que pueden darse en un determinado proceso productivo. Imaginemos una computadora a la que de manera regular le llegan los valores medidos por una serie de sensores colocados en un proceso productivo. Gracias a técnicas de aprendizaje no supervisado, la computadora se dará cuenta de que los datos que le llegan se pueden agrupar en, por ejemplo, tres categorías y además podrá informarnos de cómo se caracteriza cada uno de esos tres grupos. Lo que la computadora no podrá hacer será dar nombre a cada uno de esos tres grupos, a no ser que le ayudemos de alguna manera. Esto es lo que haría una persona que analizara el resultado y se diera cuenta de que esos tres grupos son, por seguir con el ejemplo hipotético, los estados de arranque, marcha y parada. Pero aun con esta limitación, es posible utilizar el aprendizaje no supervisado para detectar averías sin haber registrado nunca ningún caso de ninguna de ellas. A continuación se expone una aplicación desarrollada por CARTIF del aprendizaje no supervisado: la detección de averías sin conocimiento previo de las mismas en un grupo hidroeléctrico.
Un grupo hidroeléctrico es el corazón de una central hidroeléctrica. Su función es transformar en energía eléctrica la energía contenida en un caudal de agua que cae. En cada grupo se miden y registran cientos de variables: tensiones e intensidades eléctricas, temperaturas de partes metálicas, de aceites, de agua de refrigeración, de aire, caudales de agua de refrigeración, de agua turbinada, etc. La situación de partida es un registro de todas esas señales, recogido durante un par de años y sin que conste ninguna avería. El problema consistía en diseñar un sistema que se dé cuenta de que se está produciendo una avería.
La solución propuesta se basa en un sistema de aprendizaje no supervisado que fue materializado mediante una red neuronal del tipo SOM (Self Organising Map). Esta red neuronal fue alimentada con los datos disponibles y ella sola fue capaz de identificar los posibles estados en los que se podía encontrar el grupo hidroeléctrico. La red neuronal da nombres arbitrarios a cada uno de los estados y debe ser un experto el que los etiquete correctamente. Sin embargo, no es necesario llevar a cabo ese etiquetado para detectar averías a pesar de no haber dispuesto de ningún ejemplo de ninguna de ellas durante el entrenamiento de la red neuronal. Como los datos utilizados para entrenar a la red neuronal no contenían averías y, a la vez, representaban todos los posibles estados de buen funcionamiento del grupo hidroeléctrico, cualquier conjunto de valores medido en él por los sensores y que no encajen en ninguno de los estados identificados corresponderá a una avería. Esta situación se detecta cuando la semejanza entre lo que miden los sensores y los prototipos de funcionamiento almacenados por la red neuronal es demasiado pequeña.
De esta manera nuestra red neuronal fue capaz de detectar una avería de sobrecalentamiento veinte minutos antes de que el sistema de supervisión del grupo hidroeléctrico diera la alarma de que algo iba mal, para lo cual no fue necesario instalar sensores adicionales.
Así que, mientras esperamos el día en el que quizá seamos dominados por las máquinas, quizá podamos aprovecharlas para aplicar algoritmos inteligentes que mejoren la supervisión de los procesos industriales sin requerir de grandes inversiones.
