Cuando Jason Nichols se unió a General Electric (GE) Global Research en 2011, poco después de terminar su trabajo postdoctoral de química orgánica en la Universidad de California en Berkeley (EEUU), preveía una larga carrera en la investigación química. Pero después de cuatro años creando materiales y sistemas para tratar aguas residuales industriales, Nichols se trasladó al laboratorio de aprendizaje automático de la compañía. Este año ha empezado a trabajar en la realidad aumentada. Parte químico, parte científico de datos, Nichols encarna exactamente el tipo de empleado híbrido crucial para el futuro de una empresa que trabaja para inyectar inteligencia artificial (IA) en sus máquinas y procesos industriales.

Hace quince años, los operadores y técnicos de GE supervisaban motores de aeronaves, locomotoras y turbinas de gas de oído, a base de los secos ruidos mecánicos, y revisando sus indicadores. Hoy en día, la empresa utiliza inteligencia artificial para hacer lo mismo, e incluso para predecir los fallos de antemano. Con el desarrollo de esta tecnología, GE espera convertirse en uno de los principales proveedores de software del mundo para 2020, una misión que arrancó en 2011 con una iniciativa de casi 900 millones de euros para recopilar y analizar datos procedentes de los sensores de las máquinas. La creación de modelos más inteligentes es el siguiente paso de la estrategia de la empresa, con la que espera conseguir ventaja frente a sus históricos rivales como Siemens y gigantes de software, como IBM, que ahora están adentrándose en la analítica industrial. Su estrategia ha situado a General Electric en el puesto 40 de nuestra lista anual de las 50 Empresas Más inteligentes de 2017.

Por supuesto, la integración de la inteligencia artificial en una organización fundada en 1892 es un reto complicado. Para empezar, hay que formar a los cerebros técnicos de la empresa, que emplea a 300.000 personas en todos sus negocios en todo el mundo. GE Global Research, donde trabaja Jason Nichols, está creando programas de formación en aprendizaje automático y simposios donde los científicos pueden explorar nuevos roles. Hasta ahora, cerca de 400 empleados de la compañía han completado el programa de certificación de GE de análisis de datos, y unos 50 científicos han pasado a empleos de análisis digital como el de Nichols.

Carreras duales

Muchos de estos científicos híbridos ayudan a crear modelos de software de las máquinas de GE alojados en la nube que permiten ahorrar dinero y mejorar la seguridad de sus clientes. GE construye estos "gemelos digitales" con la información que recoge de los sensores de las máquinas, y la complementa con modelos basados ​​en la física, la inteligencia artificial, el análisis de datos y los conocimientos de sus científicos e ingenieros. Aunque los gemelos digitales son básicamente líneas de código de software, las versiones más elaboradas parecen dibujos 3D de diseño asistido por ordenador con gráficos, diagramas y puntos de datos interactivos. Este servicio permite a GE hacer un seguimiento del desgaste de sus motores de aeronaves, locomotoras, turbinas de gas y turbinas eólicas utilizando datos de sensores en lugar de supuestos ni estimaciones, lo que permite predecir cuándo necesitarán trabajos de mantenimiento. Un motor de avión dedicado a sobrevolar  Estados Unidos podría, por ejemplo, tener un gemelo digital en un servidor de GE para determinar el mejor horario para realizar tareas de mantenimiento.

Además de prever la esperanza de vida de una máquina, los modelos virtuales permiten a GE optimizar el funcionamiento de sus productos. GE afirma que los gemelos digitales están aumentando la cantidad de electricidad producida en los parques eólicos en hasta un 20% y reduciendo el consumo anual de combustible y las emisiones de carbono de una de sus locomotoras en unos 121.300 litros y en 174.000 toneladas al año, respectivamente. Más de 700.000 modelos de GE ya están en manos de los clientes, una cifra que podría superar un millón a finales de este año.

La tecnología depende de la inteligencia artificial para actualizarse de forma continua. Además, si faltan datos o están dañados, la empresa rellena las lagunas con aprendizaje automático, que permite a los ordenadores aprender sin ser programados explícitamente, explica el vicepresidente de investigación de software de GE Global Research, Colin Parris. Dice que para GE, la visión automática es homóloga al aprendizaje profundo, un tipo de IA particularmente útil a la hora de reconocer patrones, y al aprendizaje reforzado, que permite a las máquinas optimizar las operaciones para que las cámaras puedan encontrar diminutas grietas en las palas de turbinas metálicas, incluso cuando están sucias y polvorientas.

Un ejemplo es el pequeño robot, poco más grande que un coche de juguete, que se usa para inspeccionar los motores en funcionamiento. Mediante la visión automática y una variedad de técnicas de inteligencia artificial, el robot es capaz de buscar grietas diminutas dentro de motores de avión. Tecnologías similares también pueden integrarse en un dron para detectar corrosión en las torres de 60  metros de alto que queman el exceso de gas liberado en emplazamientos de producción de petróleo y gas.

Foto: Los científicos de GE llevan décadas estudiando y adaptando el cambio tecnológico. En esta foto del 18 de abril de 1968, un ingeniero de sistemas de GE opera el enlace télex de un sistema de respuesta estudiantil en la Universidad de Syracuse. El ordenador analizaba las respuestas dadas por estudiantes a preguntas de opción múltiple y las retransmitía al maestro.

Foto: El 20 de marzo de 1969, los investigadores de GE estudiaban el flujo de gases, invisibles en su estado natural, mediante la generación de simulaciones en un dispositivo llamado nivel freático de agua funcional, donde se observan las corrientes mediante el uso de tintes.

No es una moda pasajera

Para desarrollar y trabajar con estos sistemas, los investigadores de GE necesitan entender tanto la física de las máquinas como los algoritmos de inteligencia artificial. El director de tecnología para analíticas de GE Global Research, Mark Grabb, explica: "Aquí, un biólogo molecular se sienta con un experto de aprendizaje automático, y un especialista en teoría de controles colabora con algún científico de materiales. Ese tipo de colaboración es muy potente, pero no hay nada más potente que alojar toda la información dentro del mismo cerebro; eso es hiper-eficiente".

Considere el cerebro de Matt Nielsen, quien se unió a GE Global Research en 1998 después de obtener un doctorado en física. Nielsen desarrolló la fotónica y trabajó en software de vehículos eléctricos antes de pasarse al brazo digital de la empresa en 2015. Hoy en día, lidera un equipo de desarrolladores de gemelos digitales y ayuda a construir modelos físicos que pueden ser emparejados  con algoritmos de aprendizaje automático.

Foto: GE utiliza IA para generar continuamente actualizaciones de representaciones digitales de sus máquinas, como esta turbina de gas, la 9HA, vista en una planta en Belfort, Francia.

Foto: Las réplicas digitales de los motores de reacción ayudan a los clientes de aviación de GE ahorrar dinero al predecir exactamente cuándo van a necesitar trabajos de mantenimiento. Aquí un motor de GE espera en una instalación de reacondicionamiento en Río de Janeiro, Brasil.

Otro científico híbrido, Sahika Genc desarrolló sistemas de alarmas de UCI antes de realizar la transición al laboratorio de aprendizaje automático de GE en 2014. Ahora es un científico de aprendizaje automático que utiliza el aprendizaje profundo y el aprendizaje reforzado para aumentar la eficiencia de los sistemas de gestión energética de GE. Uno de sus últimos proyectos aplicó el aprendizaje automático  y la teoría de transferencia de calor para identificar cómo se disipa y almacena la energía del edificio. Los pronósticos ayudarán a los clientes de GE a reducir su consumo energético.

Estos investigadores multidisciplinares podrían ser la mejor opción de GE para mantener su posición durante el próximo siglo, ya que la empresa busca oportunidades de crecimiento en industrias tan competitivas y maduras como las turbinas, los motores a reacción y las locomotoras.

El líder de investigaciones de software Parris reconoce que algunos de los 2.000 investigadores de GE todavía consideran ciertos aspectos del nuevo enfoque como una "moda pasajera". Pero los científicos que no hagan el salto pueden quedarse atrás. En enero, la compañía despidió a investigadores de áreas consideradas periféricas a la estrategia "digital industrial" de GE. Eso fue después de crear 100 nuevos trabajos de investigación relacionados con inteligencia artificial y robótica en 2016.