Industria 4.0: Evolución de las actividades de adquisiciones, transmisión y producción

Parte del proceso de desarrollo económico de los países ha venido acompañado de cambios tecnológicos muy drásticos que afectan no solo las empresas sino la calidad de vida de las personas y el funcionamiento de las instituciones que compone un estado. En los últimos 50 años, los científicos, ingenieros de programación y profesionales de la informática han venido desarrollando de manera paulatina pero sostenida de nuevas innovaciones tecnológicas relacionadas con la extracción de la información, visualización, procesamiento y construcción de toma de decisiones para las empresas, así como el mejoramiento de la funcionalidad hombre - máquina con dispositivos más precisos, de mayor manejabilidad y que puedan ser controlados de manera remota utilizando la internet.

El presente trabajo hace una revisión sistemática de los aspectos más importantes de las actividades relacionadas con la obtención, almacenamiento, transmisión, procesamiento y utilización de la información y sus productos construidos en la revolución industrial 4.0 teniendo en cuenta tres grandes vertientes: La primera hace referencia a la utilización de la internet, la construcción de las redes informáticas como permiten conectar la información, las máquinas y las personas para fines empresariales y civiles con base en el concepto del internet de las cosas, la nueva informática en la industria 4.0, el uso de sensores inteligentes y la conexión de maquina a máquina a través de la nube.

La segunda parte comprende el desarrollo de nuevas formas de mejorar los procesos de producción y capacidad de análisis de información basado en nuevas técnicas que han evolucionado en los últimos años como son la inteligencia artificial, Big Data y people analytics o análisis de opiniones, que dependen en gran medida de la capacidad de absorber y compartir información proveniente de la internet y de los medios de comunicación.

La tercera parte hace referencia a las aplicaciones físicas y virtuales que se han venido aplicando en las empresas y en campos de la salud y la vida social y que se han fundamentado en la conectividad que otorga la internet y el desarrollo de modelos analíticos de información a gran escala como son el desarrollo de modelos de gemelos digitales, sistemas de monitorización y robots colaborativos.

La última parte se realiza la discusión y conclusiones a tener en la cuenta en futuras revisiones del tema, los alcances de estas tecnologías y nuevos retos que enfrentan los profesionales en el futuro en la medida que se genere una dispersión de actividades y salarios por el uso de mejores tecnologías y qué aspectos a nivel del mercado laboral deben considerarse para mitigarlas.

Por: Edward Yesid Yepes

La inclusión de las personas y las ideas a través de la red virtual

Internet de las cosas

La habilidad de los dispositivos móviles habilitados con conexión de red para soportar procesos, localización, personalización de contenidos según el usuario y las operaciones relevantes que implican transacciones, han permitido facilitar las exigencias diarias de las personas y sus distintas necesidades. El internet de las cosas constituye la tendencia de conectar a las personas y sus dispositivos personales con la red en general, permitiendo facilitar la interacción entre el hombre y la máquina.

Según cálculos realizados por IBM, el desarrollo de la interacción humana con la maquina representada en dispositivos móviles, va a permitir generar un crecimiento importante en lo que se refiere a publicidad, donde se realizaban inversiones por 2.600 millones de dólares en el año 2012 y este valor estaría cambiándose hacia los 10.800 millones de dólares para el año 2016. Dentro de estos dispositivos, Joyanes Aguilar-(2017) menciona que se estaría hablando sobre cerca de 24.000 millones de dispositivos que se conectarían a la red, sin incluir dispositivos periféricos que se conectan inmediatamente a través de los teléfonos inteligentes, tabletas, relojes, gafas, pulseras, ropa y electrodomésticos.

Rifkin (2011) señala que los resultados de esta explosión de productividad causada de la conexión de los aparatos electrónicos normales conectados a la web permiten mejorar para las empresas y las personas el tiempo invertido para destinarlo en otras como planeación u ocio. No obstante, señala que al mejorarse la productividad y disminuir de una manera importante muchos de los costos asociados a realizar muchas actividades rutinarias, de manera automática, se ha generado un paradigma de abundancia cuando en el pasado se hablaba de escases. Todas estas aplicaciones que empezaron inicialmente como solo artículos personales e intransferibles, van a seguir popularizándose hacia sensores, cámaras de vigilancia publica, drones, vehículos con acceso a dominio público, siendo el territorio un espacio digital que puede ser compartido, observado y actualizado.

Informática de industria 4.0

Joyanes-Aguilar (2017) explica el origen del término de la industria 4.0 a partir de las experiencias del gobierno alemán en impulsar el aparato productivo de su economía integrando la sistematización de los procesos de sus actividades económicas, con la tendencia del internet de las cosas. Ello ha permitido que las empresas puedan conectarse con sus clientes y proveedores de una manera mucho más fácil.

No obstante, años atrás ya habían mencionado el tema sin definirle un nombre propiamente dicho. Synnoth y Gruber (1981) proyectaban desde hace más de 30 años que no solo iba a ser responsable de las necesidades de los clientes, sino también implicaría una gestión agresiva en el manejo de la información y en el desarrollo de soluciones basadas en la aplicación de sistemas y que estos serían manejados de manera apropiada. Mencionaban a la información como el corazón de los negocios y que ante ello, sería necesario trabajar de manera conjunta entre los administradores del negocio como de los desarrolladores de todas las plataformas digitales encaminadas a administrar esa información para utilizarla en beneficio del mismo negocio.

Un segundo frente de innovación en estas tendencias digitales de los negocios en la informática de la industria 4.0, lo constituye en la creación del modelo Business to business (B2B), que se enfoca en brindar una asesoría integral al cliente en el que se detalla desde la forma como se hizo la recolección de la información hasta la construcción de plataformas de compras entre empresas, generando valor agregado a los clientes desde la compra del producto, hasta el aseguramiento del transporte y entrega del mismo. Esto significa que se termina solucionando para el cliente, inconvenientes de proveedores con producto defectuoso y reduce la sobreproducción de las empresas al conseguirle más clientes y/o la información necesaria para fabricar las cantidades justas que requiere su mercado.

No obstante, ello conlleva a unos retos importantes en materia de la protección de la propiedad intelectual, la información de las personas e incluso los recursos físicos y financieros de las empresas y ciudadanos. Becerra (2003), detalla en un reporte en el periódico el economista, la multinacional IBM, especializada en el negocio de la consultoría y desarrollo de hardware para las industrias informáticas y electrónicas, incluyendo la ciberseguridad, considera que una empresa objeto de ataques informáticos está sujeto a al menos 1400 ciberataques a la semana para el año 2016, cifra que puede seguir aumentando si las empresas no cuentan con una estrategia de ciberseguridad adecuada para este tipo de amenazas.

Sensores inteligentes

Se ha logrado un gran éxito en los últimos 7 años en la construcción de plataformas de datos abiertos, que consiste en la monitorización de eventos en tiempo real, en uno o varios espacios geográficos en específico, a través de sensores ubicados estratégicamente para reportar hechos como anomalías climáticas, dinámicas de tráfico de vehículos, movimiento de personas y seguimiento de variables de carácter macroeconómico.

• Cambios en el temperatura, precipitación y clima
• Cámaras de seguridad
• Movimiento de personas y automóviles
• Seguimiento de indicadores económicos y financieros en tiempo real.

Otros tipos de sensores inteligentes lo han utilizado la industria de las ventas al por mayor y al por menor, denominadas como la identificación de radio frecuencia (Radio-frecuency identification RFID), explicada por Kummar, Anselmo y Berndt (2007) como toda la información de las características del producto que puede ser incluida a distancia por radio frecuencias sin algún inconveniente o con una baja interferencia en la señal, con la finalidad de tener un sistema de información más detallado de los productos que maneja una empresa y lograr una mejor administración de la cadena de abastecimiento al conocer la cantidad de producto ingresado al punto de venta y el momento en que sale a partir de la compra del consumidor final.

Esta seguirá siendo utilizada en la medida que los costos promedios de su utilización vayan disminuyendo al momento que todos los actores de la industria la vayan adoptando (Sullivan, 2005). Esto ha sido confirmado por Fish y Forrest (2007), donde señalan a Estados Unidos como el principal implementador de esta tecnología, seguido por el Reino Unido, Japón, Alemania, China, Francia, Australia, Holanda, Corea del sur y Canadá. Cerca del 60% de las empresas del sector a nivel mundial invierten alrededor de los 500.000 dólares al año entre actividades de implementación, consultoría e integración, un 12% invierten entre los 500.000 a 1 millón de dólares al año, seguido de un 20% que invierten entre 1 millón a 5 millones de dólares y por ultimo solo un 9% invierte más de 5 millones de dólares en estas actividades de soporte a la logística (Fish et al (2007)).

M 2 M

Los nuevos procesos donde implican transmisión entre dispositivos electrónicos, se conoce como maquina a máquina. El florecimiento del internet durante los años 90 y la inversión de capital en servidores y computadores con mayor memoria y capacidad de procesamiento, ha permitido que las personas puedan movilizar su información desde cualquier dispositivo hacia otro dispositivo. Melian y Anias (2015) mencionan que los dispositivos que aplican dentro de esta nueva funcionalidad constituyen televisores, celulares y hasta objetos comunes del hogar como cocinas, lámparas, aires acondicionados, entre otros.

Esto a nivel empresarial le ha permitido a las empresas tener mejores copias de seguridad que no solo dependen de dispositivos físicos de un único usuario, sino que pueden ser centralizados hacia un servidor y ser almacenados, en el cual pueden tener acceso según el nivel de permisos otorgado a sus funcionarios. Después del inicio del siglo XXI, se empezaron a gestionar aplicativos que permiten además de transferir la información de maquina a máquina, también se puede hacer desde la red, tal como se conoce actualmente como la nube, sin necesidad de disponer de un servidor propio, sino de subcontratarlo con terceros.

Las ventajas del desarrollo de la transmisión de la comunicación de maquina a máquina nos ha permitido compartir información en formatos de multimedia, de gran tamaño que un correo electrónico no podría soportar y una mayor seguridad con respecto al transporte físico de información que pudiera ser dañado, alterado o robado. No obstante, algunos costos adicionales que implica la inclusión de esta tecnología, corresponden a los costos de cyberseguridad para evitar filtración indeseada de datos en caso de transferencia de información desde un computador hacia un servidor que condensa toda la información. Por otro lado, las aplicaciones a nivel social, han logrado gestar los primeros pasos de las ciudades inteligentes, donde la administración local tiene la posibilidad de centralizar algunas actividades que afectan el desarrollo de la ciudad y lo puede transmitir desde su servidor principal a varios dispositivos móviles que disponen sus ciudadanos.

También, algunas aplicaciones en el tema la transmisión de maquina a máquina se han extendido a la planeación de una ciudad y del comportamiento de sus habitantes, utilizando internet, dispositivos móviles y sensores inteligentes se observan los cambios en la pirámide poblacional con la reducción pequeña pero sostenida en la población joven y del crecimiento robusto y sostenido de la población de tercera edad ambos con comportamientos, demandas de servicios y necesidades diferentes.

Ante ello, la construcción de ciudades inteligentes busca incluir en su planeación la utilización de las tecnologías de la información y el procesamiento de datos para solucionar algunos problemas actuales que enfrentan las ciudades como son el seguimiento y control del tráfico, seguridad pública, manejo de obras públicas y conexión de los ciudadanos con las empresas según los bienes y servicios que requieran. Estos beneficios se evidencian en mayor calidad de vida para sus ciudadanos y en el crecimiento económico de los países; al incluir el internet de las cosas se al sector público y privado en el fomento de servicios y productos tecnológicos en la era digital, se genera un crecimiento mayor.

Las nuevas técnicas de extracción, análisis, pronóstico e inferencias de la información en la revolución industrial 4.0

Inteligencia Artificial

Minsky (1968) definió la inteligencia artificial como la ciencia de perfeccionar la funcionalidad de las máquinas para que piense como lo haría un humano. Para ese momento, la tecnología disponible no permitía realizar cálculos matemáticos y algoritmos complejos y recursivos para solucionar problemas de múltiples incógnitas para la optimización de recursos en tiempo real. No obstante, Bolter (1984) explica que para ese entonces se empezaron a desarrollar los primero intentos de dibujar inferencias sobre la base de un conjunto de reglas predefinidos y puestos en prueba en simulación por computadora. Estos inicios en el desarrollo de la inteligencia artificial le permitiría al hombre en varios campos del conocimiento realizar una automatización diseñada por el hombre pero que se ejecutaría por la maquina con un seguimiento limitado por el programador de estas tareas.

Los nuevos avances en inteligencia artificial se enfocan más hacia empoderar a la máquina y otorgarle condiciones de pensamiento e intuición tal como lo realiza un humano. Para ello, el código binario de ordenes de 1 y 0 les desarrollan una estructura, un orden y un contexto en el cual tiene sentido y empieza desarrollar un conjunto de resultados intuitivos. Ello ha permitido realizar tareas que un humano normalmente realizaría con mayor análisis e intuición, pero a mayor escala y velocidad, en casos como procesamiento de imágenes, entendimiento del lenguaje, desarrollo de juegos estratégicos, comprobación de teoremas y desarrollo de experimentos.

A partir de los años 90, con la reducción paulatina en los costos de acceder a computadores con mayor capacidad de procesamiento, los algoritmos de inteligencia artificial se empezaron a especializar en el procesamiento de una cantidad importante de datos, a partir de perfiles de búsqueda y presentación de información, procesamiento estadístico descriptivo y posterior a ello modelación estadística para la realización de inferencias estadísticas. (Wildman y Loparo 1990.)

No obstante, una de las limitaciones que se ha generado en el desarrollo de la inteligencia para los programadores, ha sido la inclusión de variaciones que se originan en el mundo real a la hora de incluirlas en el algoritmo que se programa, limitando las posibilidades de planeación, diagnostico, asesoría y ejecución. Y esto sucede en la medida que los programas de inteligencia artificial se crean bajo unos pasos que dependen de un problema presentado y como debe ser solucionando, definido como "declaración pro juego". (Wildman et al (1990) p 49). Si el problema llega a cambiar por un aspecto de mala especificación del escenario o por la inclusión de eventos estocásticos nuevos en el problema, los resultados de la simulación no serán consistentes con la realidad.

Big Data:

La capacidad de los estados y empresas de tener medición de sus ciudadanos, empleados, clientes y recursos que utilizan para el desarrollo de sus actividades les han permitido tener una cantidad de bases de datos de información que pueden analizar para identificar las mejoras a sus negocios y las tendencias de sus clientes. No obstante el primer inconveniente que conlleva es como analizarla. Chen, Chiang y Storey (2012) definen la Big data como el conjunto técnicas que se basan en la recolección de datos y análisis en aplicaciones que son muy grandes en tamaño de almacenamiento, entre terabytes y exabytes, provenientes de sensores a bases de datos de redes sociales que requieren un almacenamiento único y avanzado, administración análisis y visualización de resultados.

Sus orígenes se pueden remontar a los inicios de los años 90 donde se trabajaba en la recolección, extracción y análisis de datos, que en su mayoría estaban estructurados y estaban administrados a través de sistemas de información propios de las empresas para fines comerciales. En los años siguientes, Watson y Wixom (2007) explican que las empresas empezaron a analizar con mayor detalle estos datos y empezaron a realizar actividades como consulta de bases de datos, procesamiento analítico en línea (OLAP) y las herramientas de generación de informes con base en gráficos intuitivos para obtener resultados más detallados con información más específica.

Kaplan y Norton (1993) desarrollaron a inicios de los 90 un tablero de comandos de mando que buscaba conglomerar la información más importante de la empresa y que fuera visualizada de manera comprensible a la alta gerencia. Explica que con la ayuda del tablero de mando, muchas empresas "logran el consenso de apoyar las áreas con mayor prioridad para mejoramiento de la firma y la identificación de áreas adicionales necesitadas de atención como calidad y productividad" (Kaplan y Norton, (1993)). En la selección de indicadores para todo tipo de sectores y proyectos, explica Creamer (2010), dependen de las prácticas de la empresa y del sector al que pertenece y que deben describir los objetivos, métricas y metas provenientes de un mapa estratégico que contemple dónde está el punto de mira futuro de la organización y del proyecto. Definido el respectivo tablero de comando integral o BSC, se procede a la parte de cambio de la planeación de la organización mediante las siguientes fases desarrolladas por Kaplan y Norton (1993):

Figura1. Etapas de desarrollo modelo de las cuatro fases Balanced Scordecard Kaplan y Norton (1993)

Fuente: Harvard Business review 2000

A nivel académico, Chen et al (2012), ha observado una tendencia de crecimiento del estudio de Big data por estadísticos, ingenieros de programación, ingenieros industriales y profesionales de ciencias exactas y sociales a partir del año 2005, donde palabras de búsqueda con Inteligencia de negocios, análisis de negocios y big data han crecido de manera estable entre el año 2005 a 2009. A partir del año 2010, se generó una explosión importante de número de publicaciones en revistas indexadas para las categorías Big data y análisis de negocios a comparación de la categoría de inteligencia de negocios, que ha mostrado una dominación durante el periodo analizado:

Figura2. Tendencias de publicaciones en temas Business Intelligence and Analytics 2000 a 2011

Fuente: Chen et al (2012)

Dentro de los algoritmos más influyentes de minería de datos para manejo de grandes bases de datos, Wu, et al (2007) señalan a (C4.5), - k medias, Vector de soporte de máquinas (SVM), A priori, Maximización de las expectativas (Expectation maximization), PageRan, AdaBoost, k-esimo vecino más cercano, Bayesiano inocente y CART, técnicas que parten de una lógica similar a la inteligencia artificial, donde un problema inicial es planteado y se colocan un conjunto de parámetros iniciales para su solución, que luego queda a discreción del investigador tomar decisión sobre cual resultado elegir. Varian, (2008) argumenta que dentro de las nuevas tendencias en el mercado laboral para profesionales de las tecnologías de la información y el análisis de datos deben enfocarse en esta nueva tendencia de los negocios y el análisis de información:

"Así que, ¿Qué se está poniendo omnipresente y barato? Los datos. ¿Y qué es complementario a los datos? Análisis. Entonces, mi recomendación es tomar muchos cursos sobre cómo manipular y analizar datos: bases de datos, aprendizaje automático, econometría, estadísticas, visualización, etc" (Varían, 2008))

People analytics

Parte de las actividades de inteligencia de negocios en las organizaciones, implica el procesamiento de datos para conocer patrones de comportamiento de las personas, que en últimas son sus clientes y que buscan adaptarse a sus necesidades. A partir del año 2000, después de la proliferación del internet, permitió que los sistemas de información internos de las empresas fueran direccionados a capturar información en tiempo real a partir de la venta en línea y atención virtual.

De allí se desarrollaron nuevas actividades encaminadas a analizar los patrones de consumo de las personas como lo son web intelligence, web analytics, donde el contenido es generado por los clientes y son recopilados a través de los sistemas sociales y de multitud de recursos basados en la Web 2.0 (Doan, 2011). 4 años después de estas iniciativas empresariales de vender sus productos en línea y de recopilar información de sus clientes, O`Reilly (2005) concluye que surgió una nueva generación de nuevos aplicativos web creados por las personas para las personas, enfocados en la publicación de contenidos de medios sociales de comunicación en línea como son los foros, los grupos en línea, los blogs, las redes sociales de información académica y de temas de interés y los sitios sociales multimedia que incluyen fotos y videos e incluso mundos virtuales de juegos en línea.

Adicional al seguimiento de las acciones de las celebridades y de los eventos cotidianos y tendencias socio políticas mostradas en estos medios, los aplicativos web de la época pudieron reunir de manera eficiente y a bajo costo un gran volumen de comentarios y opiniones oportunas de una población diversa de clientes para diferentes tipos de negocios, que posteriormente serian procesadas con las técnicas de big data que se aprendieron en los años 90, incluyendo el componente de análisis de palabras y textos. Analistas de marketing como Lusch, Liu y Chen (2010) considera que el análisis de las redes sociales presenta una oportunidad única para los negocios al tratar el mercado como una conversación entre empresas y consumidores en comparación al esquema tradicional de una sola vía de empresa-cliente.

En las herramientas utilizadas para analizar las preferencias de las personas y sus tendencias en consumo y opinión, se ha desarrollado en los últimos años técnicas escalables en minería de texto, que incluye la extracción de información, la identificación de temas, la minería de opiniones y textos de pregunta-respuesta y análisis espacial y temporal de información con base en las interfaces de análisis y visualización de minería de datos desarrolladas en los años 90

Una de las nuevas herramientas utilizadas en análisis de personas lo constituye el análisis de sentimiento (Sentiment analytics), que se utiliza en identificar subjetividades, afectaciones, sentimientos u otros estados con base en los textos que se encuentra en línea. Pang y Lee (2008),estos modelos se alimentan principalmente de las redes sociales donde se ha creado un contenido abundante para aprovechar las opiniones del público en general y de consumidores con respecto a eventos sociales movimientos políticos, estrategias de compañías, preferencias de artículos y servicios y campañas de mercadeo

Casos de éxito de la aplicación de estas técnicas, ha sido el caso de la plataforma Netflix, donde han desarrollado un algoritmo para filtrar y predecir las calificaciones de las películas que otorgan los usuarios, con la finalidad de identificar las tendencias de los televidentes de los tipos de series y películas y las temáticas que son más demandadas y mejor calificadas por el público para posteriormente crear nuevos contenidos digitales. Buscaron a través de la innovación y la iniciativa de nuevos emprendedores a través de un concurso público, a un grupo de personas que pudieran desarrollar un algoritmo que fuera mejor que el de Netflix, donde el equipo del caos pragmático de Belkor se ganó un millón de dólares, siendo este modelo un 10.06% mejor con respecto al modelo original.

Koren (2009) explica los detalles del modelo, donde explica que utilizaron como insumo más de 100 millones de calificaciones de películas sobre 170.770 películas, donde utilizaron un sistema de filtro colaborativo con el fin de poder evaluar las calificaciones tanto de usuarios que demandan películas y califican constantemente en comparación a usuarios que lo hacen mucho menos. A partir de la información pasada, se busca generalizar las calificaciones sin sobreajustar los datos, incluyendo una calificación global del usuario de todas las películas vistas y calificadas y las desviaciones de calificaciones por cada película que ha visto.

Blockchain

Cuando se habla de criptodivisas, se requiere hablar de la técnica Blockchain, dado que esta tecnología ha sido diseñada principalmente para la creación de activos financieros que no están soportados bajo algún activo subyacente ni respaldados por la divisa de algún gobierno. Estas divisas son creadas desde la red virtual y el computador a partir de un conjunto predeterminado de cálculos matemáticos complejos, que son transmitidos a un servidor, que van creciendo en el tiempo con el fin de añadir bloques a un conjunto de bloques que ya han sido creados en el pasado. O`Leary (2017) explica con más detalle que esta tecnología representa un libro contable que captura en una base de datos cronológica todas las transacciones que se han hecho de todos los bloques existentes y que va incluyendo nuevos registros, de tal manera que estas bases de datos sean inmutables.

Rice (2013) explica que la cadena de bloques o "blockchain", al ser una base de datos que se alimenta de múltiples nodos por personas que están añadiendo bloques con una capacidad computacional, desarrolla el sistema de la criptomoneda, siendo el principal recurso desarrollado, la criptomoneda bitcoin. Esta cadena de bloques guarda la información histórica de todos los bloques que se han creado y se denominan "los bloques génesis". El resultado de haber incluido bloques dentro de la cadena total le permite generar una cantidad fija de criptomonedas como recompensa por su esfuerzo.

En el caso del Bitcoin, está desarrollada sobre una red pública donde cualquiera puede participar, ejecutar el protocolo matemático que está en la cadena y ver de manera publica el libro contable de todas las transacciones del blockchain. No obstante, existen también cadenas de bloque privada desarrollada por las empresas para enviar protocolos de información entre sus subsidiarias con la casa matriz y con las partes interesadas, sin incluir otros participantes que pueden ser competidores y puedan tener una posición de ventaja al aprovechar la información de su competidor para inteligencia de negocios. Ello implica en estas cadenas de bloque privada, a diferencia de las descentralizadas y las públicas como las criptomonedas, existe un administrador que centraliza el protocolo, el acceso y la visibilidad de toda la red. O`Leary (2017) hace una clasificación de los múltiples actores que desarrollan una cadena de bloque según sus necesidades en la accesibilidad y capacidad de compartir la información:

Figura3. Tipos de cadena de bloque O`Leary (2017)

Privada

Multitud

Corporativa

Publica

Criptomonedas

Aplicaciones gubernamentales

Descentralizada

Centralizada

Fuente: O`Leary (2017)

Las aplicaciones de la tecnología blockchain se ha diversificado más allá de crear varios tipos de criptomonedas propuestas por los internautas. O`Leary (2017) concluye como la arquitectura blockchain ha permitido que sea utilizada para contabilidad, auditoria, cadena de suministro y transmisión de información. Desde el punto de vista contable, el seguimiento de las transacciones sería mucho más fácil de realizarse dado que la tecnología blockchain registra el historial de todas las transacciones y las puede sintetizar en una base de datos que luego serían procesados con técnicas de big data. Esto facilitaría las conciliaciones bancarias que deben hacer los profesionales contables de las transacciones que realiza la empresa. Para el caso de la administración de cadena de suministro, Groenfeldt (2017) detalla cómo la empresa IBM y la empresa de transporte de carga Maersk desarrollaron un esfuerzo compartido en optimizar el proceso de la información relacionado con los embarques que se realizan a nivel mundial por la compañía de logística, permitiendo realizar seguimiento de todos los embarques bajo las siguientes condiciones:

• La cadena de bloque le brinda a cada participante la visibilidad de la red según su nivel de permisos en la compañía al acceso de la información.
• Los participantes pueden subir la información del estado de los documentos de los clientes, facturas de despacho y otra información.
• El conjunto de eventos y documentación de la cadena se actualiza en tiempo real.
• Ninguna de las partes puede modificar, eliminar o incluso adicionar algún registró sin previo acuerdo de los otros participantes de la red.

No obstante, esta tecnología también presenta retos para las compañías y sus colaboradores a la hora de implementarlo. Por un lado las cadenas de bloque público, no necesariamente captura toda la información de una transacción que necesita las empresas para el desarrollo de su negocio. Ello conllevaría a desarrollar su propio sistema de almacenamiento y procesamiento de información a pesar de ser un integrante de la cadena de bloque, implicando costos de inversión relacionados con recursos de sistemas informáticos. Un segundo punto no favorable de la cadena de bloques, explicado por O`Leary (2017) reside en que la calidad de la información no siempre se puede mantener a pesar que sea visible, seguido de la estabilidad de recursos informáticos donde el procesamiento de la información de una red de n nodos, implica que ya no se procesa 2 registros por cada transacción, sino n participantes del nodo por la cantidad de transacciones existentes, implicando un alto consumo de energía y tiempo para la empresa que busque aprovecharlo (Geerts y O`Leary, 2015)

Diseño y visualización de lo digital a lo físico en la revolución industrial 4.0

Gemelos Digitales

El desarrollo de la capacidad de simulación de escenarios en los años 80, la potencia de las computadoras en los noventas y la monitorización de los procesos en el último siglo ha permitido desarrollar una nueva tendencia en el mundo de la educación y la industria en digitalización de lo físico. A esto se le conoce como Gemelos Digitales, al conjunto de procesos encaminados a simular de manera virtual, un proceso, bien o servicio que es alimentado con información obtenida de manera histórica y a través de sensores. La inclusión de datos reales es cargada a través de la nube, se valida la información y se pone a prueba. Si los respectivos resultados son satisfactorios a las condiciones esperadas y al cumplimiento de los supuestos del modelo, este permite tomar la decisión de desarrollar el producto o la actividad, reduciendo los riesgos relacionados a la implementación física no exitosa de un proyecto antes de probar su versión gemela y digital.

Las herramientas utilizadas en el desarrollo de gemelos digitales son las siguientes, fundamentadas en el funcionamiento de una computadora:

• Sensores: Son medidores de distancia, presión y dependientes a la cantidad energía a la que se encuentre expuesta.
• Microcontroladores: Miden las magnitudes registrados por cada uno de los sensores, a partir de la programación que realizar el investigador
• Procesador: Constituye la interfaz gráfica que permite visualizar los resultados de los sensores que han sido recolectados por los microcontroladores. De ahí el procesador tiene la posibilidad de hacer modificaciones de magnitudes y funcionalidad sobre el microcontrolador.

A nivel educativo, ya se está implementando esta tecnología para la enseñanza en la arquitectura en ingenierías de producción, diseño y construcción, donde Chacón, Codony y Toledo (2017) hablan de fabricación digital de objetos a partir de un diseño computarizado que utiliza otras tecnologías como la impresión en 3D, el hardware abierto al público y la programación en línea y accesible al público. Los resultados se van a reflejar en los siguientes profesionales con capacidades en modelación y programación, al igual que automatización, construcción grafica de interfaces de usuario, e interacción humano-maquina.

Un ejemplo de ello lo constituye el monitoreo estructural saludable (Structural Health Monitoring (SHM), donde los sensores, unidos a los sistemas de información y los programas de análisis permiten otorgar en tiempo real la integridad estructural de los puentes, edificios, sistemas de energía y otras estructuras relevantes en una ciudad.

Sistemas de monitorización asistencial

El desarrollo de la tecnología ha facilitado mucho a la medicina y demás ciencias de la salud para poder realizar seguimiento clínico de las personas sujetas a algún tipo de enfermedad, por lo que muchas aplicaciones de la tecnología han permitido desarrollar aplicativos digitales para seguimiento en tiempo real de enfermedades en pacientes, utilizando sensores, algoritmos predictivos con base en síntomas presentados por los pacientes, tele asistencia al paciente de manera remota a partir de computadoras y cámaras web, principalmente en población vulnerable y de mayor edad. Coll, Sanjoaquin, Lopèz, Romero y Pinilla (2009) señalan que las ventajas de estos sistemas de seguimiento permiten por un lado mejorar la calidad de vida de las personas en la medida que son atendidos más rápidos sin necesidad de desplazarse al igual que una atención más rápida y efectiva al tener un monitoreo de sus signos vitales, generando como valor agregado la reducción en las visitas por concepto de consulta médica.

Cobots (robots colaborativos)

Los robots colaborativos o Cobots, son dispositivos controlados a partir de acceso remoto desde un computador con ciertas limitaciones y guiado por una persona. (Hodgson y Emrich, 2002). Esta innovación en la robótica es un poco distinta a la robótica convencional desarrollada para actividades de gran uso de fuerza y tamaño, es a causa de la complejidad de las actividades a realizar y los ambientes en los que se realizan. A nivel médico, esto se observa en las cirugías, donde la precisión de una maquina puede ser mejorada de manera importante con la capacidad de intuición y análisis de un ser humano. Adicional a ello, las plantas de producción en masa pueden flexibilizarse con la inclusión de robots colaborativos a la hora de hacer pedidos de automóviles según las especificaciones de cada cliente sin implicar cambiar toda la línea de proceso o si se encuentra en la parte final de ensamblaje.

Esta tecnología es de carácter táctil, donde la aplicación de fuerza, vibraciones y movimientos permite hacer un movimiento más preciso y ordenado sobre las funciones que realizarían estas máquinas. Este intercambio entre fuerza mecánica con respecto a la humana permite mejorar la productividad de toda la cadena de la producción y la reducción de los accidentes laborales por concepto de sobreesfuerzo físico de los operadores de una planta de producción. Laird (2017) detalla que según estimaciones de la federación internacional de robótica (IFR) se espera que para el año 2019 existan alrededor de 1.4 millones de robots con fines industriales. Adicional a ello esto implica una revolución también en la pequeña y mediana empresa, pues en la medida que se incremente la producción de estos robots, los costos de adquirir esta nueva tecnología también ira disminuyendo.

Un nuevo enfoque de robots colaborativos se ha venido gestando en los últimos 5 años tras el avance en la mecánica y de herramientas de desarrollo de algoritmos de aprendizaje de máquinas, por lo que las máquinas están dejando de ser vistas como herramientas para ser utilizadas por los humanos y convertirse más en compañeros de comunicación. "Los robots humanoides" constituyen a un robot con apariencia antropomórfica que se comporta como un humano. (Kanda, Nishio, Ishiguro y Hagita, (2009) p. 13). Estos podrían hacer actividades como levantamiento de objetos pesados, asistencia en el espacio y administración de tiendas de abarrotes, donde implica comunicarse con personas.

Kanda et al 2009 realizó un estudio para evaluar como respondían los niños ante la interacción con Robots, donde encontraron que pueden socializar tan bien como si fuera un animal, inicialmente imitándolo y luego interactuando con él con simpatía, así como los resultados que realizo Kahn, Friedman, Freier y Perez-Granados (2004) con un robot en forma de perro. No obstante, deja en perspectiva si esta situación pueda ser escalada a que un robot pueda enseñar en una escuela y que sea una alternativa mejor frente a un profesor convencional y si estos son socialmente aceptados.

Discusión

El esfuerzo humano en ser más productivo e innovador ha permitido consolidar el desarrollo de mejores tecnologías, más analíticas, interconectadas y diseñadas para cada uno de los tipos de necesidades: en la medicina, la industria, la atención del cuidado del hombre, la agricultura, entre otros. Autor (2014) señala que en el caso de los Estados Unidos, la inversión privada no residencial en desarrollo de programas y equipos en procesamiento de información y creación de contenidos paso de ser del 8% para el año 1950 a un 30% en el año 2012, mostrando su mayor pico de inversión por encima del 33% entre los años 1990-2000. Ello ha incurrido que nuevos proyectos que en el pasado eran inviables por restricción de tecnología y recursos financieros, actualmente sean una realidad y permita que las personas estén más conectadas con mejores máquinas y con el mundo en términos generales.

Este crecimiento tecnológico va a generar un cambio en la forma como la sociedad se ha organizado pero no es ni será capaz de reemplazar al ser humano, se debe recordar que los programas y máquinas que el hombre ha desarrollado, todavía no han copiado la capacidad intuitiva de un ser humano para resolver problemas y adaptarse a cambio en el medio que se desenvuelve. Estas tecnologías serán más accesibles para los países y sus ciudadanos en la medida que estas se proliferen y el costo promedio de desarrollarlas se reduzca ante un crecimiento mundial de la demanda de productos y servicios tecnológicos.

Con base en Autor (2014), el desarrollo tecnológico registrado en los últimos 20 años ha permitido mejorar el valor agregado en todo el proceso productivo donde intervienen máquinas y seres humanos por dos motivos: La producción de un bien sigue siendo el resultado de todas sus partes, si alguna de ellas deja de funcionar, no se genera el producto en condiciones deseadas y las necesidades humanas son infinitas y han ido cambiando en el tiempo, por lo que ha permitido cambios en el mercado laboral en los Estados Unidos donde la fuerza de trabajo estadounidense a inicio de 1900 se encontraba en la agricultura en un 41% y para inicios de año 2000 representan cerca del 2% del total del mercado laboral, incrementando la productividad en esta industria como resultado de la tecnología, no solo de la revolución industrial 4.0 y movilizando personas hacia otras actividades más enfocadas a la atención de personas (Autor, 2014, p 162).

No obstante, dentro de los resultados también encontró con preocupación que el desarrollo tecnológico que se está dando en muchas áreas del conocimiento y que son susceptibles de automatización desplazarían empleos que se consideran en Estados Unidos de pago intermedio, que hacen referencia a nivel técnico, solo requieren un entrenamiento inicial y son altamente repetitivos y sujetos a ser automatizables, sea en la forma de inteligencia artificial, utilizando robots colaborativos o mediante aplicativos y herramientas de la web de maquina a máquina (M2M).

Autor (2014), señala que para el caso de varios países que conforman la unión europea, la participación de empleos de paga intermedia (Las ocupaciones de pago medio son empleados de planta y operadores relacionados; metal, maquinaria y vendedores; conductores y operadores de plantas móviles; empleados de oficina; artesanos, impresión artesanal y trabajadores de comercio afines. trabajadores de extracción y construcción; empleados de servicio al cliente; operadores de máquinas y ensambladores), perdieron participación en más de 10 puntos porcentuales dentro de la fuerza laboral y han migrado hacia actividades de mayor valor agregado como son los gerentes corporativos; físicos, matemáticos e ingenieros; profesionales de las ciencias de la vida y la salud; otros profesionales gerentes de pequeñas empresas en una participación que en muchos casos supera entre el 4% al 6% del mercado laboral.

Figura 4. Cambio en el porcentaje de participación del empleo en categorías de baja-media-alta salario en 16 países Unión Europea 1993-2010

Fuente: Autor (2014)

Ello conlleva a una situación de vulnerabilidad para las personas que puedan perder sus trabajos en actividades susceptibles de automatización y mejoramiento tecnológico y si no llegan a estar lo suficientemente preparados no podrían movilizarse hacia las actividades de mayor valor, desplazándose hacia trabajos considerados como de bajo valor como serian mineros, auxiliares de construcción, manufactura y transporte, trabajadores de seguridad, promotores de ventas y agricultores. En estos casos, los procesos de intercambio del mercado no resolverían por si solo esta disyuntiva para las siguientes generaciones de trabajadores que pueden verse desplazados en esta nueva revolución industrial tal como sucedió a mediados del siglo XIX en Europa y en los Estados Unidos a inicios del siglo XX. Ello implicaría el papel de las instituciones que la sociedad ha generado y de la misma sociedad civil para fomentar a través de la educación y el entrenamiento la inclusión de las personas ante cambios tecnológicos que se generan en la sociedad.

Parte de ello también implica nuevos paradigmas en el mercado laboral a la hora de intercambiar la flexibilidad que ha permitido el desarrollo de nuevas tecnologías que ha brindado la internet y el almacenamiento y transmisión de grandes cantidades de información. Krueger y Harris (2015), señalan que con el desarrollo de la economía "gig", plataformas como Uber, TaskRabbit, Upwork, Rappi entre otras ha permitido a las personas obtener servicios a precios más económicas dentro del marco de una economía colaborativa de intercambios donde un intermediario conecta con un colaborador y el cliente. No obstante, este desarrollo tecnológico que ha permitido mejorar la productividad y eficiencia en el comercio, tiene un vacío legal a la hora de definir a qué beneficios tiene derecho la persona que realiza esta actividad y su responsabilidad a la hora de pagar impuestos como recientemente han cubierto los medios de comunicación con la situación que está ocurriendo con los mensajeros de Rappi en Argentina y Colombia.

Por ello, los autores proponen un régimen laboral donde se incluya la categoría de "trabajador independiente" paralelo a las categorías de "trabajador dependiente" y "contratista", donde tiene derechos con respecto a prestaciones sociales, pago compartido de impuestos con el intermediario pero no podría tener incluido condiciones como compensaciones por incapacidad ni horas extras dado que la flexibilidad de horas trabajadas a través de estos aplicativos digitales no están predefinidas entre intermediario y trabajador.

Conclusiones

Los respectivos esfuerzos que están desarrollando las empresas, los gobiernos y la sociedad civil en el mundo digital y de revolución tecnológica 4.0 están orientados a avanzar en todas las técnicas de carácter científico y tecnológico para la administración, análisis, visualización y extracción de información útil y diversa que se encuentra fragmentada y que es heterogénea porque ha sido recolectada desde hace 30 años por empresas y gobiernos. El uso adecuado de esta información puede acelerar el progreso científico y la innovación de países, empresas y gobiernos.

El desarrollo de la red ampliada mundial (World wide web) desde los años 70 fue el inicio del crecimiento de la productividad de las tecnologías de la información, al permitir comunicar información de un dispositivo hacia otro. Este compartimiento de la información fue ampliándose en la medida que los costos de acceso a un computador disminuyeron y que las aplicaciones de administración de datos fueron pasando de alcance militar a nivel empresarial y posteriormente a nivel civil. En los años siguientes, los nuevos avances permitieron conectar de mejor manera a la sociedad y permitir obtener una mayor cantidad de información de la sociedad misma.

Dentro de los nuevos avances que se han desarrollado en la revolución industrial 4.0 se hace referencia a herramientas analíticas y algoritmos, al mejoramiento de infraestructura de datos de manera escalable, accesible y sostenible a la hora de ser procesado y visualizado, a incrementar el entendimiento de los procesos sociales y humanos y sus interacciones y promover el crecimiento económico y la calidad de vida de los ciudadanos y sus entornos. Si es cierto que esto ha permitido mejorar la precisión de las empresas en tomar decisiones de negocio, se debe considerar que la gran mayoría de las personas pertenecientes del mercado laboral todavía no están preparadas para estos cambios y que el intercambio de procesos de automatización implicarían dispersión de salarios hacia actividades de menor valor donde no se puede automatizar y actividades de alto valor agregado donde tiene demanda la revolución industrial 4.0, lo que significa que se generarán nuevas profesiones y el ser humano deberá reorientar su aprendizaje hacia el uso de las nuevas herramientas tecnológicas para continuar su evolución.

Como resultado de la comunicación de información de dispositivo a dispositivo, la obtención de información y su posterior procesamiento y análisis; las empresas están tomando mejores decisiones y buscan mejorarlo dando características físicas a esa información en nuevos productos como la robótica para el desarrollo de trabajos más especializados con la supervisión del hombre.

En la medida que las empresas del sector invierten una mayor cantidad de sus recursos en transformar la información que está conectada a través del internet y de manejar un sistema de información por zonas geográficas que les permitan desarrollar soluciones para sus clientes según sus necesidades particulares en sus nichos de mercado, sus negocios se consolidarán y garantizarán su sostenibilidad en el tiempo.

La automatización de procesos en los respectivos trabajos constituiría el siguiente gran proceso en el cambio de sistema productivo en el futuro, debido a que las empresas están invirtiendo en todos los procesos de análisis realizados por personas, a partir de las máquinas de una manera más rápida, utilizando inteligencia artificial, minería de datos, análisis de opiniones y sentimientos para procesar con mayor precisión y rapidez la gran cantidad de información que se construye a partir del conocimiento que se transmite de manera digital, de tal manera que se puedan optimizar los recursos productivos hacia las nuevas necesidades que vayan generando los consumidores.

Referencias bibliográficas

Autor, D (2014). Polanyi`s Paradox and the shape of employment growth. NBER Working Papers 20485, National Bureau of Economic Research, Inc.

Becerra, A (2015). "El reto actual de la ciberseguridad", en El Economista, México, 29 de agosto de 2015. Recuperado de www.eleconomista.com.mx/tecnociencia/2015/08/29/reto-actual-ciberseguridad [Consultado, 31 de octubre de 2018]

Bolter, J. (1984). Artificial Intelligence. Daedalus, 113(3), 1-18. Retrieved from https://www.jstor.org.ezproxy.unal.edu.co/stable/20024925

Creamer, G.; Freund, Y. (2010). "Learning a board Balanced Scorecard to improve corporate performance". Decision Support Systems 2010, doi:10.1016/j.dss.2010.04.004

Chen, H., Chiang, R., &Storey, V. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4), 1165-1188. Retrieved from https://www.jstor.org.ezproxy.unal.edu.co/stable/41703503

Coll, J; Sanjoaquín, A. C; López, M; Romero, D Y Pinilla, r. (2009). Dreaming: servicios de monitorización a domicilio y e-inclusión. Informe final proyecto Health Optimum Hospital de Barbastro, Ctra. Nacional N-240 s.n. CP:22300, Barbastro (Huesca). España.

Doan, A., Ramakrishnan, R., and Halevy, A. Y. (2011). "Crowd- sourcing Systems on the World-Wide Web," Communications of the ACM (54:4), pp. 86-9

Fish, L. and Forrest, W (2007), "A Worldwide Look at RFID," Supply Chain Management Review, April, pp.48-55.

Geerts, G. L., & O'Leary, D. E. (2015). A note on an architecture for integrating cloud computing and enterprise systems using REA. International Journal of Accounting Information Systems, 19, 59-67.

Groenfeldt, T. (2017). IBM and Maersk apply blockchain to container shipping.Retrieved from https://www.forbes.com/sites/tomgroenfeldt/2017/03/05/ibm‐and‐maersk‐apply‐blockchain‐to‐container‐shipping/#219be2a03f05 (accessed 18 October 2017).

"Hal Varían Answers Your Questions," February 25, 2008 (https:// www.freakonomics.com/2008/02/25/hal-varian-answers-your

Hodgson, A; Emrich, R. (2002). Control of minimally constrained cobots. Journal of Robotic Systems p 299-314

IBM. (2011). "The 201 1 IBM Tech Trends Report: The Clouds are Rolling In.. .Is Your Business Ready?," November 15 (https://www.ibm.com/developerworks/techntrendsreport; accessed August 4, 201

Joyanes-Aguilar, L. (2017). Industria 4.0 La cuarta revolución Industrial. Editorial Alfaomega. Primera edicion. Ciudad de Mexico, Junio 2017

Kahn, P.H., B. Friedman, D.R. Pérez-Granados, and N.G. Freier (2004). "Robotic Pets in the Lives of Preschool Children." Conference on Human Factors in Computing Systems, 1449-1452.

Kaplan, R; Norton, D. (1993). Putting the balanced scorecard to Work. Harvard Business review. Septiembre-Octubre 1993

Kanda, T; Nishio, S; Ishiguro, H; &Hagita, N. (2009). Interactive Humanoid Robots and Androids in Children's Lives. Children, Youth and Environments, 19(1), 12-33. Retrieved from https://www.jstor.org.ezproxy.unal.edu.co/stable/10.7721/chilyoutenvi.19.1.0012

Koren, Y (2009). The BellKor Solution to the Netflix Grand Prize

Krueger, A; Harris, S. (2015). A Proposal for Modernizing Labor Laws for Twenty-First-Century Work: The «Independent Worker». The Hamilton project

Kumar, s., Anselmo, M., &Berndt, K. (2009). Transforming the Retail Industry: Potential and Challenges with RFID Technology. Transportation Journal, 48(4), 61-71.

Laird, K (2017). Robots report: Competition or Co-workers. Latest robots projected to revolutionize plastic processing. Society of Plastics Engineers. January 2017

Lusch, R. F., Liu, Y., and Chen, Y. (2010). "The Phase Transition of Markets and Organizations: The New Intelligence and Entrepreneurial Frontier," IEEE Intelligent Systems (25: 1), p

Melian, A; Anias, C (2015). Gestión de la comunicación máquina máquina (M2M). Revista cubana de ingeniería. Vol. VI, No. 2, mayo - agosto, 2015, pp. 49 - 56

O'Leary, D; E. (2017) Configuring blockchain architectures for transaction information in blockchain consortiums: The case of accounting and supply chain systems. Intelligent Systems in Accounting, Finance and Management p 138-147

O'Reilly, T. (2005). "What Is Web 2.0? Design Patterns and Business Models for the Next Generation of Software," September 30, (https://www.oreillynet.eom/pub/a/oreilly/tim/ news/2005/09/30/what-is-web-20.ht

Pang, B., and Lee, L. 2008. "Opinion Mining and Sentiment Analysis," Foundations and Trends in Information Retrieval (2:1-2), pp. 1-13

Rice, D. (2013). The Past and Future of Bitcoins in Worldwide Commerce. Business Law Today, 1-4. Retrieved from https://www.jstor.org.ezproxy.unal.edu.co/stable/businesslawtoday.2013.11.06

Minsky, M (1968). Semantic Information Processing, (Cambridge: MIT Press, 1968)

Riftking, J (2011). La sociedad de coste marginal cero. El internet de las cosas, el procomún colaborativo y el eclipse del capitalismo. Barcelona: Paidòs.

Synnott W; Gruber W. (1981) Information Resource Management- Opportunities and Strategies for the 1980's" Wiley Interscience Publication, New York.

Sullivan, L. (2005). "Target on Track with RFID - Suppliers Have Begun Shipping Cases and Pallets," InformationWeek, June 13, p. 16.

Watson, H. J., and Wixom, B. H. (2007). "The Current State of Business Intelligence," IEEE Computer (40:9), pp. 96.

Widman, L., & Loparo, K. (1990). Artificial Intelligence, Simulation, and Modeling. Interfaces, 20(2), 48-66. Retrieved from https://www.jstor.org.ezproxy.unal.edu.co/stable/25061332

Wu, X., Kumar, V., Quinlan, J. R., Ghosh, J., Yang, Q., Motoda, H., McLachlan, G. J., Ng, A., Liu, B., Yu, P.S., Zhou, Z.-H., Steinbach, M., Hand, D. J., and Steinberg, D. (2007). "Top 10 Algorithms in Data Mining," Knowledge and Information Systems (14:1), pp. 1