¿Qué es Dassault Systèmes y qué objetivos principales tenéis?
Somos la segunda empresa de software de Europa, con 25.000 empleados. Nacimos en 1981 a partir de una tecnología de modelado 3D desarrollada por ingenieros de Dassault Aviation, que decidieron convertirla en una solución comercial. Aunque compartimos grupo empresarial, Dassault Systèmes es una compañía independiente.
Comenzamos desarrollando software CAD para diseñar productos en 3D y, posteriormente, incorporamos capacidades de gestión del ciclo de vida del producto (PLM). Nuestra particularidad es que reunimos en una única plataforma el modelo 3D y todos los datos asociados al producto, lo que permite gestionar desde una pieza individual hasta sistemas industriales muy complejos.
Con el tiempo añadimos herramientas de simulación y ampliamos nuestro alcance desde la ingeniería hacia la fabricación y, más recientemente, hacia el servicio y el mantenimiento. Nuestro objetivo es acompañar a los clientes durante todo el ciclo de vida de sus productos, desde el diseño inicial hasta su operación durante años.
Un hito importante llegó en 2012, cuando unificamos varias herramientas en una única plataforma con un solo modelo de datos. Esto permite que cualquier cambio realizado sobre un producto se refleje automáticamente en ingeniería, producción y servicio, conectando los distintos gemelos virtuales a lo largo de toda su evolución.
Actualmente también estamos integrando la gestión del software dentro de ese ciclo de vida y aplicando inteligencia artificial sobre datos industriales estructurados. Gracias a ello, obtenemos respuestas más fiables y directamente utilizables dentro de los procesos de ingeniería, fabricación y mantenimiento.
En Hannover Messe, Dassault Systèmes presenta una “fábrica del futuro completamente conectada”. ¿Qué diferencia a esta visión de otros discursos sobre Industria 4.0 que llevamos años escuchando?
Lo que presentamos allí son las nuevas evoluciones en robótica. En el mercado actual se escuchan discursos contradictorios: por un lado, que los robots humanoides o de propósito general lo van a reemplazar todo; por otro, que las líneas de producción van a eliminar las cintas transportadoras tradicionales para sustituirlas por robots móviles autónomos (AMR) que mueven las piezas.
Hasta ahora la robótica era bastante clásica: el robot hacía exactamente lo que le dictaba su programa. Sin embargo, con los robots móviles autónomos o los robots de picking (clasificación y recogida) el escenario cambia. Si tienes una cinta transportadora ancha por la que llegan objetos de diferentes formas y tamaños colocados al azar, el robot debe reconocerlos y calcular su propia trayectoria para coger el correcto. Esto es mucho más complejo porque el robot debe ser capaz de esquivar cualquier imprevisto en tiempo real.
En la robótica tradicional, como la de las fábricas de automoción donde se suelda la carrocería, los robots están anclados al suelo. Su brazo se mueve, pero su base no; están programados para una tarea fija y no necesitan percibir el entorno. En cambio, los robots móviles necesitan autonomía: deben percibir y analizar su entorno para determinar la mejor ruta. Esto no significa que vayan en contra de las órdenes recibidas, sino que reciben una misión, calculan el camino óptimo y, si encuentran un obstáculo, lo rodean para cumplir el objetivo.
Los dos grandes cambios son la movilidad y la percepción. Para realizar el picking de piezas que llegan de forma aleatoria, se requiere un gran número de sensores y cámaras que permitan al robot atrapar el objeto con precisión. Hemos pasado de líneas de producción larguísimas diseñadas para un único producto invariable, a líneas extremadamente flexibles con productos cambiantes donde el transporte interno de componentes se realiza mediante robots y cobots que, hoy por hoy, se mueven sobre ruedas y no sobre piernas.
En Hannover Messe mostramos una célula con una máquina y dos robots móviles. Les dábamos órdenes e introducíamos obstáculos. Una parte de la inteligencia residía en la orden centralizada y la otra en el propio robot; la conjunción de ambas inteligencias garantizaba el éxito de la misión.
Para este proyecto decidimos colaborar con la empresa japonesa de automatización industrial Omron. Desarrollamos un escenario en bucle que permitía la optimización de la línea y el virtual commissioning (puesta en marcha virtual). Esto consiste en validar todo el software de la línea de producción sobre un modelo virtual, de modo que cuando los técnicos acuden a la fábrica real para instalar la maquinaria física, el proceso de montaje y validación es muchísimo más rápido que antes. En resumen, nuestra propuesta estuvo muy enfocada en una robótica dotada de percepción, idónea tanto para el picking aleatorio como para la logística interna con robots móviles.
¿En qué punto real se encuentra hoy la transformación digital de la industria europea?
Esta evolución basada en la percepción está transformando la realidad industrial. En lugar de cadenas de producción rígidas y masivas, ahora las fábricas europeas necesitan líneas capaces de cambiar de producto con enorme rapidez. Para ganar esta flexibilidad y autonomía, se están retirando cintas transportadoras y se introducen robots móviles que trasladan los materiales de un punto a otro.
Esto aporta una agilidad enorme, pero también implica gestionar un nuevo tipo de flujo logístico dentro de la fábrica. Requiere, además, un nuevo perfil de socios tecnológicos: proveedores capaces de integrar todo el ecosistema, desde el sistema de ejecución de la fabricación (MES), las órdenes de producción y el diseño de la línea, hasta el gestor de flotas de robots móviles y el software propio de cada robot.
¿Qué significa exactamente “IA industrial” para Dassault Systèmes? ¿Cómo se diferencia de la IA aplicada a consumo o servicios?
En las aplicaciones industriales dentro de una fábrica distinguimos dos escenarios: los proyectos Greenfield (cuando se construye una fábrica o una línea completamente nueva desde cero) y los Brownfield (cuando se realiza una reconversión o retrofit de una línea existente para adaptarla a la fabricación de una mayor variedad de productos).
Antes el foco absoluto era la productividad pura de la línea. Hoy la prioridad es la agilidad: lograr que una misma línea, sin necesidad de modificar apenas sus componentes físicos, pueda procesar múltiples productos distintos. Esto implica pasar de tiradas largas (long runs) a tiradas cortas (short runs), y sustituir las cintas fijas por vehículos de guiado automático (AGV) o robots móviles autónomos (AMR). Estamos viendo una adopción cada vez mayor de este paradigma en las fábricas europeas.
¿Hasta qué punto un gemelo virtual puede anticipar fallos o simular escenarios críticos antes de que ocurran en el mundo físico?
Nosotros preferimos hablar de gemelos virtuales más que de gemelos digitales, porque se trata de un modelo de datos profundamente estructurado. Esa estructura es lo que permite simularlo. Disponer de un modelo en 3D ya aporta un gran valor visual y de comprensión, pero el verdadero salto cualitativo ocurre cuando ese modelo se puede simular.
Es lo que llamamos ModSim (Modeling and Simulation / Modelado y Simulación). La simulación es lo que realmente aporta valor predictivo y permite validar los productos antes de fabricarlos. Actualmente ofrecemos capacidades ModSim en nuestra nube para realizar un diseño guiado por la simulación (simulation-driven design). El usuario puede definir los parámetros, por ejemplo: «Necesito que la resistencia de esta zona soporte determinada carga, ¿puedes proponerme un diseño?».
La interacción con nuestra plataforma está cambiando: ya no se trabaja haciendo clic paso a paso, sino interactuando con un asistente o compañero virtual. Este agente busca la propiedad intelectual (IP) exclusivamente dentro de la plataforma del cliente; no sale a buscar a la web externa ni vulnera derechos de autor, trabaja única y estrictamente con los datos seguros de la propia empresa. Es una transformación profunda.
Además, hay otra razón por la que vemos cada vez más automatización en las fábricas: la acuciante escasez de operarios cualificados capaces de adaptarse a entornos complejos. En algunas fábricas de EE. UU., por ejemplo, recurren a personal temporal que rota constantemente, lo que dificulta mantener un nivel técnico alto. El nivel técnico operativo en las plantas industriales está bajando a nivel global.
La falta de talento técnico es uno de los grandes problemas del sector. ¿Puede la IA ayudar a cubrir esa brecha o existe el riesgo de agravarla?
Sí, completamente. Existe una falta evidente de perfiles técnicos, sobre todo a pie de fábrica. Como la escasez de personal es generalizada, las empresas buscan soluciones tecnológicas para que la producción no se detenga, y la respuesta mayoritaria está siendo acelerar la automatización industrial y la robótica.
El ejemplo extremo lo vemos en China, donde existen las llamadas «fábricas oscuras» (dark factories) que operan las 24 horas del día prácticamente sin intervención humana. Allí son capaces de testar soluciones muy avanzadas porque su marco regulatorio y de legislación es diferente al nuestro.
Si miramos a 2030, ¿cómo imagina una fábrica plenamente conectada y basada en IA?
La IA ya ayuda hoy en día en la planificación, pero creo que de aquí a 2030 aportará una flexibilidad aún mayor en la programación y planificación integral de la fábrica. Ese será su impacto esencial.
La IA será capaz de coordinar múltiples variables y aplicaciones simultáneamente, garantizando que siempre se tome de forma automatizada la decisión óptima para maximizar el rendimiento de la línea y de la planta.
¿Cuál cree que será la próxima gran revolución industrial después de la automatización y la digitalización?
Creo que con la IA alcanzaremos una escala completamente nueva. Seremos capaces de reconstruir piezas que ya no se fabrican y de las que se ha perdido el rastro. Si tienes una máquina de 1970 y necesitas un componente que ya no existe en el mercado, poder refabricarla es un avance extraordinario.
Para muchas piezas de hace 30 o 40 años solo se conservan planos impresos en 2D, no existen modelos 3D. El objetivo es conseguir que la IA procese ese plano analógico en dos dimensiones, interprete cómo interactúa con el resto de los componentes y genere de forma automática un modelo 3D real y preciso que tenga en cuenta, además, las propiedades y los procesos de fabricación necesarios. El día que logremos generalizar esto, podremos recuperar y fabricar muchísima maquinaria antigua de la que solo nos queda papel en 2D.
A veces esto incomoda a algunos fabricantes de maquinaria tradicionales porque ellos poseen el conocimiento histórico exclusivo de lo que hay detrás de esos planos. Pero ya vemos casos, por ejemplo en universidades de Estados Unidos, donde se están recreando aviones antiguos casi completos o grandes secciones de aeronaves basándose únicamente en planos 2D de hace 40 años. Va a ser un campo fascinante.
La mayoría de las IA que conoce el gran público son modelos de lenguaje (LLM). Nosotros queremos que nuestra IA gestione imágenes, vídeos y, por supuesto, modelos 3D, que es nuestra seña de identidad. Si una IA solo procesa texto, se mueve en un mundo plano; nosotros la aplicamos directamente al espacio tridimensional. A partir de un plano de una pieza antigua en 2D, el sistema podrá deducir rápidamente la geometría tridimensional exacta para reproducir fielmente la pieza inicial.
Estamos viviendo una época de grandes desafíos, pero también un período apasionante. El mercado financiero se pregunta cómo evolucionarán las empresas tecnológicas, pero nosotros estamos convencidos de que contamos con un conocimiento tan amplio y robusto que podremos liderar esta transformación.
