Cómo la IA revolucionará la fabricación

En asociación con Software de Industrias Digitales de Siemens

Pregúntele a Stefan Jockusch cómo sería una fábrica dentro de 10 o 20 años, y la respuesta podría dejarlo en una encrucijada entre la fascinación y el desconcierto. Jockusch es vicepresidente de estrategia de Siemens Digital Industries Software, que desarrolla aplicaciones que simulan la concepción, el diseño y la fabricación de productos como teléfonos móviles o relojes inteligentes. Su visión de una fábrica inteligente está repleta de robots móviles e independientes. Pero no se detienen en hacer una o tres o cinco cosas. No, esta fábrica se autoorganiza.

Este episodio de podcast fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No fue producido por el equipo editorial de MIT Technology Review.

Según el producto que lance a esta fábrica, se reorganizará por completo y funcionará de manera diferente cuando entre con un producto muy diferente, dice Jockusch. Se autoorganizará para hacer algo diferente.

Detrás de esta fábrica del futuro está la inteligencia artificial (IA), dice Jockusch en este episodio de Business Lab. Pero la IA comienza mucho, mucho más pequeña, con el chip. Tome la fabricación de automóviles. Los chips que impulsan las diversas aplicaciones en los automóviles de hoy, y los vehículos sin conductor del mañana, están integrados con IA, que respalda la toma de decisiones en tiempo real. Son altamente especializados, construidos con tareas específicas en mente. Las personas que diseñan chips necesitan ver el panorama general.

Hay que tener una idea de si el chip, por ejemplo, controla la interpretación de las cosas que ven las cámaras para la conducción autónoma. Tienes que tener una idea de cuántas imágenes tiene que procesar ese chip o cuántas cosas se mueven en esas imágenes, dice Jockusch. Tienes que entender mucho sobre lo que sucederá al final.

Esta forma compleja de construir, entregar y conectar productos y sistemas es lo que Siemens describe como chip a la ciudad: la idea de que los futuros centros de población estarán alimentados por la transmisión de datos. Las fábricas y ciudades que se monitorean y administran a sí mismas, dice Jockusch, confían en la mejora continua: la IA ejecuta una acción, aprende de los resultados y luego modifica sus acciones posteriores para lograr un mejor resultado. Hoy en día, la mayoría de la IA está ayudando a los humanos a tomar mejores decisiones.

Tenemos una aplicación en la que el programa observa al usuario e intenta predecir el comando que el usuario usará a continuación, dice Jockusch. Cuanto más tiempo la aplicación pueda observar al usuario, más precisa será.

La aplicación de IA a la fabricación puede resultar en ahorros de costos y grandes ganancias en eficiencia. Jockusch da un ejemplo de una fábrica de Siemens de placas de circuito impreso, que se utilizan en la mayoría de los productos electrónicos. La fresadora que se usa allí tiende a estropearse con el tiempo, a ensuciarse. El desafío es determinar cuándo se debe limpiar la máquina para que no falle en medio de un turno.

En realidad, estamos usando una aplicación de inteligencia artificial en un dispositivo de borde que está instalado en la fábrica para monitorear esa máquina y hacer una predicción bastante precisa cuando es hora de realizar el mantenimiento, dice Jockusch.

Aún se desconoce el impacto total de la IA en los negocios, y la gama completa de oportunidades que la tecnología puede descubrir.

Se está trabajando mucho para comprender mejor estas implicaciones, dice Jockusch. Estamos justo en el punto de partida para hacer esto, para comprender realmente lo que puede hacer la optimización de un proceso para la empresa en su conjunto.

Business Lab está organizado por Laurel Ruma, directora de Insights, la división de publicación personalizada de MIT Technology Review. El programa es una producción de MIT Technology Review, con la ayuda de producción de Collective Next.

Este episodio de podcast se produjo en colaboración con Siemens Digital Industries Software.

Mostrar notas y enlaces

Siemens ayuda al fabricante de automóviles vietnamita a producir los primeros vehículos, Automation.com, 6 de septiembre de 2019

Chip to city: el futuro de la movilidad, por Stefan Jockusch, Biblioteca digital de la Sociedad Internacional de Óptica y Fotónica, 26 de septiembre de 2019

Transcripción completa

Laurel Ruma : De MIT Technology Review, soy Laurel Ruma, y ​​esto es Business Lab, el programa que ayuda a los líderes empresariales a dar sentido a las nuevas tecnologías que salen del laboratorio y llegan al mercado. Nuestro tema de hoy es la inteligencia artificial y las aplicaciones físicas. La IA puede ejecutarse en un chip, en un dispositivo de borde, en un automóvil, en una fábrica y, en última instancia, la IA administrará una ciudad con toma de decisiones en tiempo real, gracias al procesamiento rápido, los dispositivos pequeños y el aprendizaje continuo. Dos palabras para usted: fábrica inteligente.

Mi invitado es el Dr. Stefan Jockusch, vicepresidente de estrategia de Siemens Digital Industries Software. Es responsable de la planificación comercial estratégica y la inteligencia de mercado, y Stefan también coordina proyectos en todos los segmentos comerciales y con Siemens Digital Leadership. Este episodio de Business Lab se produce en asociación con Siemens Digital Industries. Bienvenido, Stefan.

stefan jockusch : Hola. Gracias por invitarme.

Laurel : Entonces, si pudiéramos comenzar un poco, ¿podría hablarnos de Siemens Digital Industries? ¿quehacesexactamente?

stefano : Sí, en Siemens Digital Industries, somos el negocio de software técnico. Entonces desarrollamos un software que soporta todo el proceso desde la idea inicial de un producto como un nuevo teléfono celular o un reloj inteligente, hasta el diseño y luego el producto fabricado. Eso incluye el diseño mecánico, el software que se ejecuta en él e incluso los chips que alimentan ese dispositivo. Entonces, con nuestro software, puede poner todo esto en el mundo digital. Y nos gusta hablar sobre lo que obtienes de eso, como el gemelo digital. Entonces tienes un gemelo digital de todo, el comportamiento, la física, la simulación, el software y el chip. Y, por supuesto, puede usar ese gemelo digital básicamente para tomar cualquier decisión o probar cómo funciona el producto, cómo se comporta, incluso antes de tener que construirlo. Eso es en pocas palabras lo que hacemos.

Laurel: Entonces, siguiendo con la idea del gemelo digital, ¿cómo explicamos la idea del chip a la ciudad? ¿Cómo pueden los fabricantes simular realmente un chip, sus funciones y luego el producto, por ejemplo, como un automóvil, así como el entorno que rodea a ese automóvil?

Stefan: Sí. Detrás de esa idea está realmente el pensamiento de que en el futuro, y hoy ya tenemos que construir productos, permitiendo que las personas que trabajan en eso vean el todo, en lugar de solo una pequeña parte. Es por eso que lo hacemos tan grande como para decir del chip a la ciudad, lo que realmente significa que cuando diseñas un chip que funciona en un vehículo de hoy y más en el futuro, debes tener muchas cosas en cuenta. mientras estás diseñando ese chip. Debe tener una idea de si el chip, por ejemplo, controla la interpretación de las cosas que ven las cámaras para la conducción autónoma, debe tener una idea de cuántas imágenes tiene que procesar ese chip o cuántas cosas se mueven en esas imágenes y obvio peatones, que reconocimiento tienes que hacer? Tienes que entender mucho sobre lo que sucederá al final. Entonces, la idea es permitir que un diseñador a nivel de chip comprenda el comportamiento real de un producto.

Y lo que está sucediendo hoy, especialmente es que ya no desarrollamos autos solo con un auto en mente, cada vez más estamos conectando vehículos con el medio ambiente, entre nosotros. Y uno de los grandes propósitos, como todos sabemos, es, por supuesto, mejorar la contaminación en las ciudades y también el tráfico en las ciudades, para que estas áreas metropolitanas sean más habitables. Eso también es algo que tenemos que tener en cuenta en toda esta cadena de procesos, si queremos ver el todo como diseñador. Este es el trasfondo de toda esta idea, chip to city. Y nuevamente, la forma en que debería verse para un diseñador, si lo piensas, estoy diseñando este módulo de visión en un automóvil y quiero entender qué tan poderoso debe ser. Tengo una manera de sumergirme en una simulación, una muy precisa, y puedo ver qué datos verá mi vehículo, qué hay en ellos, cuántas entradas de sensores recibo de otras fuentes y qué tengo que hacer. Realmente puedo jugar a través de todo eso.

Laurel: Realmente me gusta ese marco de poder ver el todo, no solo la parte de esta forma increíblemente compleja de pensar, construir y entregar. Entonces, para volver a ese nivel de piezas, ¿cómo juega un papel la IA a nivel de fichas?

Stefan: La IA tiene mucho que ver con apoyar o incluso tomar la decisión correcta en tiempo real. Y creo que ahí es donde la IA y el nivel del chip se vuelven tan importantes juntos, porque todos sabemos que se pueden hacer muchas cosas inteligentes si tienes una computadora grande en algún lugar de un centro de datos. Pero la IA y el nivel de chip están realmente muy dirigidos a estas aplicaciones que necesitan un rendimiento en tiempo real y un rendimiento que no tiene mucho tiempo para comunicarse. Y hoy en día realmente está evolucionando en el sentido de que los chips que hacen aplicaciones de IA ya están diseñados de una manera muy especializada, ya sea que tengan que hacer mucha potencia de cómputo o que tengan que conservar la energía lo mejor que puedan, por lo que deben ser muy bajos. el consumo de energía o si necesitan más memoria. Así que sí, se está volviendo cada vez más común que veamos IA incrustada en pequeños chips, y luego probablemente en los autos futuros, tendremos una docena o más de aplicaciones de IA a nivel de semiconductores para diferentes cosas.

Laurel: Bueno, eso trae un buen punto porque son los humanos quienes necesitan tomar estas decisiones en tiempo real con estos pequeños chips en los dispositivos. Entonces, ¿cómo la complejidad de algo como el aprendizaje continuo con IA no solo ayuda a que la IA se vuelva más inteligente, sino que también afecta la salida de datos, que finalmente, aunque muy rápidamente, permite que el ser humano tome mejores decisiones en tiempo real?

Stefan: Diría que la mayoría de las aplicaciones de IA hoy en día están diseñadas para ayudar a un humano a tomar una buena decisión en lugar de tomar la decisión. No creo que confiemos tanto en él todavía. Entonces, como ejemplo, en nuestro propio software, como muchos fabricantes de software, estamos comenzando a usar IA para que sea más fácil y rápido de usar. Entonces, por ejemplo, tienes estas aplicaciones de diseño muy complejas que pueden hacer muchas cosas y, por supuesto, tienen cientos de menús. Así que tenemos una aplicación donde el programa observa al usuario e intenta predecir el comando que el usuario usará a continuación. Así que solo ofrecerlo y decir, '¿No estás a punto de hacer esto?' Y, por supuesto, habló sobre la mejora continua, el aprendizaje continuo: cuanto más tiempo la aplicación pueda observar al usuario, más precisa será.

Actualmente ya está en un nivel superior al 95%, pero por supuesto el aprendizaje continuo lo mejora. Y, por cierto, esta también es una forma de usar la IA no solo para ayudar a un solo usuario, sino para comenzar a codificar un conocimiento, una experiencia, una experiencia variada de buenos usuarios y ponerla a disposición de otros usuarios. Si un ingeniero con mucha experiencia hace eso y usa IA y básicamente tomas las lecciones aprendidas de ese ingeniero y se las das a alguien con menos experiencia que tiene que hacer algo similar, esa experiencia también ayudará al nuevo usuario, el usuario novato.

Laurel: Eso es realmente convincente porque tiene razón: está creando una base de datos de conocimientos, una base de datos real de datos. Y luego también todo esto ayuda a la IA eventualmente, pero también realmente ayuda a los humanos porque estás tratando de extender este conocimiento a tantas personas como sea posible. Ahora, cuando pensamos en eso y en la IA en el borde, ¿cómo cambia esto las oportunidades para el negocio, ya sea que sea un fabricante o la persona que usa el dispositivo?

Stefan: Sí. Y en general, por supuesto, es una manera para que todos los que hacen un producto inteligente se diferencien, creen una diferenciación porque todas estas, las funciones habilitadas por la IA, por supuesto, son inteligentes y brindan cierta diferenciación. Pero el ejemplo que acabo de mencionar donde puedes predecir lo que hará un usuario, eso por supuesto es algo que muchas piezas de software aún no tienen. Así que es una manera de diferenciarse. Y ciertamente abre muchas oportunidades para crear estas piezas de funcionalidad muy diferenciadas, ya sea en software o en vehículos, en cualquier otra área.

Laurel: Entonces, si tuviéramos que aplicar esto quizás a una fábrica inteligente y cómo la gente piensa en una cadena de fabricación, primero sucede esto, y luego sucede lo otro y se coloca una puerta de automóvil y luego se coloca un motor o lo que sea. ¿Qué podemos aplicar a ese tipo de forma tradicional de pensar en una fábrica y luego aplicarle este pensamiento de IA?

Stefan: Bueno, podemos empezar con el problema más antiguo que ha tenido una fábrica. Quiero decir, las fábricas siempre se han tratado de producir algo de manera muy eficiente y continua y aprovechar los recursos. Por lo tanto, cualquier fábrica intenta estar en funcionamiento cuando se supone que debe estar en funcionamiento, sin tiempos de inactividad imprevistos o no planificados. Entonces, AI está comenzando a convertirse en una gran herramienta para hacer esto. Y puedo darles un ejemplo muy práctico de una fábrica de Siemens que fabrica placas de circuito impreso. Y uno de los pasos que tienen que hacer es el fresado de estas placas de circuito. Tienen una fresadora y cualquier fresadora, especialmente una como esa que es altamente automatizada y robótica, tiene una tendencia a crecer con el tiempo, a ensuciarse. Entonces, un desafío es tener el mantenimiento correcto porque no desea que la máquina falle justo en medio de un turno y cree este tiempo de inactividad no planificado.

Entonces, un gran desafío es averiguar cuándo se debe mantener esta máquina, sin, por supuesto, mantenerla todos los días, lo que sería muy costoso. Entonces, en realidad estamos usando una aplicación de inteligencia artificial en un dispositivo de borde que se encuentra en la fábrica, para monitorear esa máquina y hacer una predicción bastante precisa cuando es hora de hacer el mantenimiento y limpiar la máquina para que no falle en el siguiente turno. . Así que este es solo un ejemplo, y creo que hay cientos de aplicaciones potenciales que pueden no estar totalmente resueltas todavía en esta área de realmente asegurarse de que las fábricas produzcan una alta calidad constante, que no haya tiempo de inactividad no planificado de las máquinas. Por supuesto, ya se usa mucho la IA en las inspecciones de calidad visual. Así que hay toneladas y toneladas de aplicaciones en la planta de producción.

Laurel: Y esto tiene enormes implicaciones para los fabricantes porque, como mencionaste, ahorra dinero, ¿verdad? Entonces, ¿cree que es un cambio difícil para los ejecutivos pensar en invertir en tecnología de una manera un poco diferente para luego obtener todos esos beneficios?

Stefan: Sí. Es como con todas las tecnologías, no creo que sea un gran bloque, hay mucho interés en este punto y hay muchos fabricantes con iniciativas en ese espacio. Así que diría que probablemente generará un progreso significativo en la productividad, pero, por supuesto, también significa inversión. Y puedo decir que es bastante predecible ver cuál será el retorno de esta inversión. Por lo que podemos ver, hay mucha energía positiva allí, para hacer esta inversión y modernizar las fábricas.

Laurel: ¿Qué tipo de modernizaciones necesita para la fuerza laboral en las fábricas cuando está instalando y aplicando, tipo de reequipamiento para tener en cuenta las aplicaciones de IA?

Stefan: Esa es una gran pregunta porque a veces diría que muchos usuarios de aplicaciones de inteligencia artificial probablemente ni siquiera sepan que están usando una. Entonces, básicamente obtiene una caja y le dirá, se recomienda mantener esta máquina ahora. El operador probablemente sabrá qué hacer, pero no necesariamente sabrá con qué tecnología está trabajando. Pero dicho esto, por supuesto, probablemente habrá algunas, yo diría, casi especialidades emergentes o habilidades emergentes para que los ingenieros realmente sepan cómo usar y cómo optimizar estas aplicaciones de IA que usan en la planta de producción. Porque como dije, tenemos estas aplicaciones que están activas y funcionando hoy en día, pero llegar a esas aplicaciones para que sean realmente útiles, para que sean lo suficientemente precisas, por supuesto, hasta este punto se necesita mucha experiencia, al menos algo iteración también. Y probablemente no haya demasiadas personas hoy en día que realmente tengan la experiencia suficiente con las tecnologías y que también entiendan el entorno de la fábrica lo suficientemente bien como para hacer esto.

Creo que esta es una habilidad bastante, bastante rara en estos días y para hacer de esta una aplicación más común, por supuesto, tendremos que crear más de estos expertos que sean realmente buenos para hacer que la IA esté lista para la fábrica y que alcance la madurez adecuada. .

Laurel: Eso parece ser una excelente oportunidad, ¿verdad? Para que la gente aprenda nuevas habilidades. Este no es un ejemplo de que la IA quite puestos de trabajo y las connotaciones más negativas que obtienes cuando hablas de IA y negocios. En la práctica, si combinamos todo esto y hablamos de VinFast, el fabricante de automóviles vietnamita que quería hacer las cosas de manera un poco diferente a la fabricación de automóviles tradicional. Primero, construyeron una fábrica, pero luego aplicaron ese tipo de pensamiento global de chip a la fábrica y finalmente a la ciudad. Entonces, volviendo al punto de partida, ¿por qué este pensamiento es único, especialmente para un fabricante de automóviles y qué tipo de oportunidades y desafíos tienen?

Stefan: Sí. VinFast es un ejemplo interesante porque cuando comenzaron a fabricar vehículos, básicamente comenzaron en un campo verde. Y esa es probablemente la mayor diferencia entre VinFast y la gran mayoría de los principales fabricantes de automóviles. Que todos ellos tienen cien o más años y por supuesto mucha historia, lo que luego se traduce en tener fábricas existentes o tener muchas cosas que realmente se construyeron antes de la era de la digitalización. Entonces, VinFast comenzó desde cero, y eso, por supuesto, es un gran desafío, lo hace muy difícil. Pero la ventaja fue que realmente tuvieron la oportunidad de comenzar con un enfoque completamente digitalizado, que pudieron usar software. Porque básicamente estaban construyendo todo, y realmente podían comenzar con este gemelo digital bastante completo no solo de su producto, sino que también diseñaron toda la fábrica en una computadora incluso antes de comenzar a construirlo. Y luego lo construyen en un tiempo récord.

Entonces ese es probablemente el aspecto grande y único de que tienen esta oportunidad de ser completamente digitales. Y una vez que esté en ese estado, ya puede decir todo mi diseño, por supuesto, mi software ejecutándose en el vehículo, pero también toda mi fábrica, toda mi automatización de fábrica. Ya tengo esto de forma totalmente digital y puedo ejecutar simulaciones y escenarios. Eso también significa que tiene un excelente punto de partida para utilizar estas tecnologías de IA para optimizar su fábrica o para ayudar a los trabajadores con las optimizaciones adicionales, etc.

Laurel: ¿Crees que es imposible ser uno de esos fabricantes centenarios y poco a poco ir adoptando este tipo de tecnologías? Probablemente no tenga que tener un entorno completamente nuevo, simplemente hace que todo sea más fácil o debería decir más fácil, ¿verdad?

Stefan: Sí. Todos ellos, me refiero a que la industria automotriz ha sido tradicionalmente una de las que más ha invertido en productividad y en digitalización. Así que todos ellos están en ese camino. Una vez más, no tienen esta situación única en la que usted, o rara vez tienen esta situación única en la que realmente puede comenzar desde una pizarra en blanco. Pero gran parte de la tecnología de software, por supuesto, también se adapta a ese escenario. Donde, por ejemplo, tiene una fábrica existente, por lo que no le ayuda mucho diseñar una fábrica en la computadora si ya tiene una. Entonces usa estas tecnologías que le permiten pasar por la fábrica y hacer un escaneo 3D. Por lo tanto, sabe exactamente cómo se ve la fábrica desde adentro sin tener que diseñarla en una computadora, porque esencialmente produce esa información después del hecho. Eso es definitivamente lo que hacen mucho los fabricantes de automóviles establecidos o tradicionales y donde básicamente también están llevando la digitalización incluso al entorno existente.

Laurel: Realmente estamos discutiendo las implicaciones cuando las empresas pueden usar simulaciones y escenarios para aplicar IA. Entonces, cuando puede, ya sea que se trate de una obra nueva o no, o si la está adoptando para su propia fábrica, ¿qué sucede con el negocio? ¿Cuáles son los resultados? ¿Dónde están algunas de las oportunidades que son posibles cuando la IA se puede aplicar al chip real, al automóvil y, finalmente, a la ciudad, a un ecosistema más grande?

Stefan: Sí. Cuando realmente pensamos en el impacto en el negocio, francamente creo que estamos comenzando a comprender y calcular cuál es realmente el valor de las decisiones más rápidas y precisas, que son posibles gracias a la IA. No creo que tengamos una comprensión muy completa en este punto, y es bastante obvio para todos que la digitalización es como el proceso de diseño y el proceso de fabricación. No solo ahorra esfuerzo de I+D y dinero de I+D, sino que también ayuda a optimizar los inventarios de la cadena de suministro, los costes de fabricación y el coste total del nuevo producto. Y ahí es donde realmente se unen los diferentes aspectos del negocio. Y, francamente, diría que comenzamos a comprender los efectos inmediatos, comenzamos a comprender si tengo un control de calidad impulsado por IA que reducirá mi desperdicio, para que pueda comprender ese tipo de valor comercial.

Pero hay toda una dimensión de valor comercial de usar esta optimización que realmente se traduce en toda la empresa. Y diría que se está trabajando mucho para comprender mejor estas implicaciones. Pero yo diría que en este punto, estamos justo en el punto de partida para hacer esto, para comprender realmente lo que puede hacer la optimización de un proceso para la empresa en su conjunto.

Laurel: Así que la optimización, el aprendizaje continuo, la mejora continua, esto me hace pensar, y los automóviles, por supuesto, El Camino Toyota , que es ese libro seminal que fue escrito en 2003, lo cual es increíble, porque todavía está vigente hoy. Pero con la manufactura esbelta, ¿es posible que la IA mejore continuamente eso a nivel de chip, a nivel de fábrica, en la ciudad para ayudar a estas empresas a tomar mejores decisiones?

Stefan: Sí. En mi opinión, El Camino Toyota , nuevamente, el libro publicado a principios de la década de 2000, con mejora continua, en mi opinión, la mejora continua, por supuesto, siempre puede hacer mucho, pero hay un poco de reconocimiento en los últimos, diría cinco a 10 años, en algún lugar como eso, esa mejora continua podría haber chocado contra la pared de lo que es posible. Por lo tanto, se ha pensado mucho desde entonces sobre cuál es realmente el próximo paradigma para la fabricación. Cuando dejas de pensar en evolución y optimización y piensas en más revolución. Y uno de los conceptos que se han desarrollado aquí se llama industria 4.0, que es realmente la idea de invertir la idea de cómo puede funcionar la fabricación o la cadena de valor. Y realmente piensen qué pasa si obtengo dos fábricas que son completamente autoorganizadas, lo cual es una especie de paso revolucionario. Porque hoy en día, la mayoría de las fábricas se instalan en torno a una cierta idea de qué productos fabrica y cuándo tiene líneas, transportadores y cosas por el estilo, y todo está atornillado al suelo. Así que es bastante estática, la idea original de una fábrica. Y puede optimizarlo de forma evolutiva durante mucho tiempo, pero nunca superaría ese umbral.

Entonces, el pensamiento más nuevo o los otros conceptos en los que se está pensando son, ¿qué pasa si mi fábrica consta de robots móviles independientes, y los robots pueden realizar diferentes tareas? Pueden transportar material, o luego pueden cambiar para sostener un brazo robótico o una pinza. Y dependiendo del producto que lance a esta fábrica, se reorganizará por completo y funcionará de manera diferente cuando entre con un producto muy diferente y se autoorganizará para hacer algo diferente. Esos son algunos de los paradigmas en los que se está pensando hoy en día, que por supuesto, solo pueden convertirse en realidad con un uso intensivo de las tecnologías de IA en ellos. Y creemos que realmente van a revolucionar al menos lo que harán algunos tipos de fabricación. Hoy hablamos mucho sobre el tamaño de lote uno y que los clientes quieren más opciones y variaciones en un producto. Entonces, las fábricas que pueden hacer esto, para producir realmente productos muy personalizados, de manera muy eficiente, tienen que verse muy diferentes.

Entonces, en muchos sentidos, creo que hay mucha validez en el enfoque de la mejora continua. Pero creo que en este momento vivimos en una época en la que pensamos más en una revolución del paradigma de la fabricación.

Laurel: Eso es increíble. El próximo paradigma es la revolución. Stefan, muchas gracias por acompañarnos hoy en lo que ha sido una conversación absolutamente fantástica en el Business Lab.

Stefan: Absolutamente. Mi placer. Gracias.

Laurel: Era Stefan Jockusch, vicepresidente de estrategia de Siemens Digital Industry Software, con quien hablé desde Cambridge, Massachusetts, la sede del MIT y MIT Technology Review, con vista al río Charles. Eso es todo por este episodio de Business Lab. Soy su anfitrión, Laurel Ruma. Soy el director de Insights, la división de publicaciones personalizadas de MIT Technology Review. Fuimos fundados en 1899 en el Instituto Tecnológico de Massachusetts. Y puede encontrarnos impresos, en la web y en eventos en línea y en todo el mundo. Para obtener más información sobre nosotros y la feria, visite nuestro sitio web en technologyreview.com. El programa está disponible dondequiera que obtenga sus podcasts. Si disfrutó de este episodio, esperamos que se tome un momento para calificarnos y comentarnos. Business Lab es una producción de MIT Technology Review. Este episodio fue producido por Collective Next. Gracias por su atención.

esconder