Entrevistas
Jay Schroeder, CTO en CNH – Serie de entrevistas
Jay Schroeder se desempeña como Director de Tecnología (CTO) en CNH, supervisando las operaciones de investigación y desarrollo globales de la empresa. Sus responsabilidades incluyen gestionar áreas como tecnología, innovación, vehículos e implementos, tecnología de precisión, experiencia del usuario y tren de potencia. Schroeder se centra en mejorar el portafolio de productos de la empresa y las capacidades de tecnología de precisión, con el objetivo de integrar soluciones de precisión en todo el rango de equipos. Además, está involucrado en la expansión de las ofertas de propulsión alternativa de CNH y en brindar gobernanza sobre los procesos de desarrollo de productos para garantizar que el portafolio de productos de la empresa cumpla con altos estándares de calidad y rendimiento.
A través de sus diversas empresas, CNH produce y vende maquinaria agrícola y equipo de construcción. La IA y las tecnologías avanzadas, como la visión por computadora, el aprendizaje automático (ML) y los sensores de cámara, están transformando la forma en que opera este equipo, permitiendo innovaciones como tractores autónomos impulsados por IA que ayudan a los agricultores a abordar desafíos complejos en su trabajo.
Los tractores autónomos de CNH están impulsados por modelos entrenados en redes neuronales profundas y inferencia en tiempo real. ¿Puede explicar cómo esta tecnología ayuda a los agricultores a realizar tareas como la siembra con precisión extrema, y cómo se compara con la conducción autónoma en otras industrias como el transporte?
Mientras que los automóviles autónomos capturan los titulares, la industria agrícola ha liderado silenciosamente la revolución autónoma durante más de dos décadas. Empresas como CNH han sido pioneras en la dirección autónoma y el control de velocidad mucho antes que Tesla. Hoy en día, la tecnología de CNH va más allá de simplemente conducir para realizar trabajos altamente automatizados y autónomos mientras conduce. Desde plantar semillas en el suelo exactamente donde necesitan estar, hasta cosechar cultivos de manera eficiente y óptima y tratar el suelo, todo mientras conduce a través del campo, la agricultura autónoma no solo está manteniendo el ritmo de los automóviles autónomos, sino que los está dejando atrás. El futuro del transporte puede ser autónomo, pero en la agricultura, el futuro ya está aquí.
Además, la pila de tecnología a prueba de futuro de CNH permite la agricultura autónoma mucho más allá de lo que pueden lograr los automóviles autónomos. Nuestra arquitectura de software definida integra de manera transparente una amplia gama de tecnologías, permitiendo la automatización de tareas agrícolas complejas que son mucho más desafiantes que la simple navegación de punto a punto. La interoperabilidad en la arquitectura brinda a los agricultores un control y flexibilidad sin precedentes para agregar tecnología avanzada a través de las API abiertas de CNH. A diferencia de los sistemas cerrados, la API abierta de CNH permite a los agricultores personalizar su maquinaria. Imagina sensores de cámara que distinguen cultivos de malezas, activados solo cuando sea necesario, mientras la vehículo opera de manera autónoma. Esta adaptabilidad, combinada con la capacidad de manejar terrenos difíciles y tareas diversas, distingue la tecnología de CNH. Mientras que Tesla y Waymo hacen avances, la verdadera frontera de la innovación autónoma se encuentra en los campos, no en las carreteras.
El concepto de una “máquina de resonancia magnética para plantas” es fascinante. ¿Cómo utiliza CNH la imagen sintética y el aprendizaje automático para que sus máquinas identifiquen el tipo de cultivo, las etapas de crecimiento y apliquen nutrición de cultivos dirigida?
Utilizando la IA, cámaras de visión por computadora y conjuntos de datos masivos, CNH está entrenando modelos para distinguir cultivos de malezas, identificar etapas de crecimiento de las plantas y reconocer la salud del cultivo en todo el campo para determinar la cantidad exacta de nutrientes y protección necesarios para optimizar el rendimiento del cultivo. Por ejemplo, con el Analizador de Campo Augmenta, una aplicación de visión por computadora escanea el suelo frente a la máquina mientras se mueve rápidamente a través del campo (hasta 20 mph) para evaluar las condiciones del cultivo en el campo y qué áreas necesitan ser tratadas, y a qué ritmo, para hacer que esas áreas sean más saludables.
Con esta tecnología, los agricultores pueden saber y tratar exactamente dónde en el campo se está desarrollando un problema, para que en lugar de cubrir todo el campo con un tratamiento para matar malezas, controlar plagas o agregar nutrientes necesarios para mejorar la salud de los cultivos, las máquinas de rociado informadas por datos y la IA aplican automáticamente solo a las plantas que lo necesitan. La tecnología permite la cantidad exacta de químico necesario, aplicado en el lugar exacto para abordar con precisión las necesidades de las plantas y detener cualquier amenaza al cultivo. Identificar y rociar solo las malezas a medida que crecen entre los cultivos eventualmente reducirá el uso de productos químicos en los campos en un 90%. Solo se necesita una pequeña cantidad de químico para tratar cada amenaza individual en lugar de tratar todo el campo para alcanzar esas mismas amenazas.
Para generar imágenes sintéticas fotorealistas y mejorar los conjuntos de datos rápidamente, CNH utiliza modelos procedurales biofísicos. Esto permite al equipo crear y clasificar millones de imágenes de manera rápida y eficiente sin tener que tomar el tiempo para capturar imágenes reales a la escala necesaria. Los datos sintéticos complementan las imágenes auténticas, mejorando el rendimiento del entrenamiento del modelo y la inferencia. Por ejemplo, al utilizar datos sintéticos, se pueden crear situaciones diferentes para entrenar los modelos, como diversas condiciones de iluminación y sombras que se mueven a lo largo del día. Los modelos procedurales pueden producir imágenes específicas basadas en parámetros para crear un conjunto de datos que represente diferentes condiciones.
¿Cuán precisa es esta tecnología en comparación con los métodos agrícolas tradicionales?
Los agricultores toman cientos de decisiones importantes a lo largo del año, pero solo ven los resultados de todas esas decisiones acumuladas una vez: en la época de la cosecha. La edad promedio de un agricultor está aumentando y la mayoría trabajan durante más de 30 años. No hay margen de error. Desde el momento en que se planta la semilla, los agricultores necesitan hacer todo lo posible para asegurarse de que el cultivo prospere, su sustento depende de ello.
Nuestra tecnología elimina mucho del trabajo de adivinanza de las tareas de los agricultores, como determinar las mejores formas de cuidar los cultivos en crecimiento, mientras les da a los agricultores más tiempo para centrarse en resolver desafíos comerciales estratégicos. Al final del día, los agricultores están dirigiendo negocios masivos y confían en la tecnología para ayudarlos a hacerlo de la manera más eficiente, productiva y rentable.
No solo los datos generados por las máquinas permiten a los agricultores tomar decisiones mejor informadas para obtener mejores resultados, sino que los altos niveles de automatización y autonomía en las máquinas en sí realizan el trabajo mejor y a una escala mayor que los humanos pueden hacer. Las máquinas de rociado pueden “ver” áreas problemáticas en miles de acres de cultivos mejor que los ojos humanos y pueden tratar con precisión las amenazas; mientras que la tecnología como la labranza autónoma puede aliviar la carga de realizar una tarea ardua y que consume mucho tiempo y realizarla con más precisión y eficiencia a escala que un humano podría. En la labranza autónoma, un sistema completamente autónomo labra el suelo utilizando sensores combinados con redes neuronales profundas para crear condiciones ideales con precisión de centímetro. Esto prepara el suelo para permitir un espaciado de filas consistentemente uniforme, una profundidad de siembra precisa y una colocación de semillas optimizada a pesar de los cambios de suelo drásticos en un solo campo. Los métodos tradicionales, a menudo dependientes de maquinaria operada por humanos, suelen resultar en más variabilidad en los resultados debido a la fatiga del operador, una navegación menos consistente y una posición menos precisa.
Durante la temporada de cosecha, las máquinas de siega de CNH utilizan computación de borde y sensores de cámara para evaluar la calidad del cultivo en tiempo real. ¿Cómo funciona este proceso de toma de decisiones rápida, y qué papel juega la IA en la optimización de la cosecha para reducir el desperdicio y mejorar la eficiencia?
Una siega es una máquina increíblemente compleja que realiza múltiples procesos, como siega, trilla y recolección, en una sola operación continua. Se llama siega por esa misma razón: combina lo que solían ser múltiples dispositivos en una sola fábrica sobre ruedas. Hay mucho sucediendo al mismo tiempo y poco margen de error. La siega de CNH toma automáticamente millones de decisiones rápidas cada veinte segundos, procesándolas en el borde, justo en la máquina. Los sensores de cámara capturan y procesan imágenes detalladas de los cultivos cosechados para determinar la calidad de cada grano del cultivo que se está cosechando, analizando los niveles de humedad, la calidad del grano y el contenido de desechos. La máquina hará ajustes automáticamente en función de los datos de la imagen para implementar la mejor configuración de la máquina para obtener resultados óptimos. Podemos hacer esto hoy en día para cebada, arroz, trigo, maíz, soja y canola, y pronto agregaremos capacidades para sorgo, avena, guisantes, girasoles y frijoles.
La IA en el borde es crucial para optimizar este proceso utilizando modelos de aprendizaje profundo entrenados para reconocer patrones en las condiciones del cultivo. Estos modelos pueden identificar rápidamente áreas de la cosecha que requieren ajustes, como alterar la velocidad de la siega o modificar la configuración de trilla para asegurar una mejor separación del grano del resto de la planta (por ejemplo, mantener cada grano de maíz y eliminar todas las piezas de la mazorca y el tallo). Esta optimización en tiempo real ayuda a reducir el desperdicio minimizando el daño al cultivo y recogiendo solo cultivos de alta calidad. También mejora la eficiencia, permitiendo que las máquinas tomen decisiones basadas en datos sobre la marcha para maximizar el rendimiento del cultivo de los agricultores, todo mientras reduce el estrés operativo y los costos.
La agricultura de precisión impulsada por la IA y el ML promete reducir el desperdicio de insumos y maximizar el rendimiento. ¿Podría explicar cómo la tecnología de CNH está ayudando a los agricultores a reducir costos, mejorar la sostenibilidad y superar la escasez de mano de obra en un panorama agrícola cada vez más desafiante?
Los agricultores enfrentan obstáculos enormes para encontrar mano de obra calificada. Esto es especialmente cierto para la labranza, un paso crítico que la mayoría de las granjas requieren para preparar el suelo para el invierno y hacer que las condiciones de siembra sean mejores en la primavera. La precisión es vital en la labranza, con precisión medida en décimas de pulgada para crear condiciones de crecimiento óptimo del cultivo. La tecnología de labranza autónoma de CNH elimina la necesidad de operadores altamente calificados para ajustar manualmente los implementos de labranza. Con el simple toque de un botón, el sistema autonomiza todo el proceso, lo que permite a los agricultores centrarse en otras tareas esenciales. Esto mejora la productividad y la precisión conserva combustible, haciendo que las operaciones sean más eficientes.
Cuando se trata del mantenimiento de los cultivos, la tecnología de rociado de CNH está equipada con más de 125 microprocesadores que se comunican en tiempo real para mejorar la eficiencia de costo y la sostenibilidad del uso de agua, nutrientes, herbicidas y pesticidas. Estos procesadores colaboran para analizar las condiciones del campo y determinar con precisión cuándo y dónde aplicar estos nutrientes, eliminando un exceso de productos químicos de hasta un 30% hoy en día y hasta un 90% en el futuro cercano, reduciendo drásticamente los costos de insumos y la cantidad de productos químicos que entran en el suelo. Las válvulas de control de boquilla permiten que la máquina aplique el producto de manera precisa, ajustando automáticamente en función de la velocidad del rociador, asegurando una tasa y presión consistentes para la entrega de gotas precisas al cultivo para que cada gota aterrice exactamente donde se necesita para la salud del cultivo. Este nivel de precisión reduce la necesidad de recargas frecuentes, con los agricultores solo necesitando llenar el rociador una vez al día, lo que conduce a una conservación significativa de agua y productos químicos.
De manera similar, la automatización del carro de CNH simplifica la tarea compleja y estresante de operar una siega durante la cosecha. La precisión es crucial para evitar colisiones entre la siega y el carro de grano que conduce a pocos centímetros de distancia durante horas. También ayuda a reducir la pérdida de cultivos. La automatización del carro permite un proceso de carga en marcha sin problemas, reduciendo la necesidad de coordinación manual y facilitando que la siega continúe realizando su trabajo sin tener que detenerse. CNH ha realizado pruebas fisiológicas que muestran que esta tecnología de asistencia reduce el estrés para los operadores de siega en aproximadamente un 12% y para los operadores de tractor en un 18%, lo que se suma cuando estos operadores están en estas máquinas durante hasta 16 horas al día durante la temporada de cosecha.
La marca CNH, New Holland, se asoció recientemente con Bluewhite para kits de tractores autónomos. ¿Cómo se ajusta esta colaboración a la estrategia general de CNH para expandir la autonomía en la agricultura?
La autonomía es el futuro de CNH, y estamos adoptando un enfoque intencional y estratégico para desarrollar esta tecnología, impulsado por las necesidades más apremiantes de nuestros clientes. Nuestros ingenieros internos se centran en desarrollar autonomía para nuestro gran segmento de clientes agrícolas, los agricultores de cultivos que crecen en campos grandes y abiertos, como el maíz y la soja. Otro segmento de clientes importante para CNH es los agricultores de lo que llamamos “cultivos permanentes” que crecen en huertas y viñedos. Asociarse con Bluewhite, un líder probado en la implementación de autonomía en huertas y viñedos, nos permite la escala y la velocidad para llegar al mercado y servir tanto al segmento de gran agricultura como al de cultivos permanentes con las capacidades de autonomía necesarias. Con Bluewhite, estamos entregando un tractor completamente autónomo en cultivos permanentes, lo que nos convierte en el primer fabricante de equipo original (OEM) con una solución autónoma en huertas y viñedos.
Nuestro enfoque de la autonomía es resolver los desafíos más críticos que los clientes tienen en los trabajos y tareas en los que están ansiosos por que la máquina complete el trabajo y elimine la carga de la mano de obra. La labranza autónoma lidera nuestro desarrollo interno de autonomía de trabajo porque es una tarea ardua que lleva mucho tiempo durante un período de tiempo muy limitado del año cuando muchas otras cosas también necesitan suceder. Una máquina en este caso puede realizar el trabajo mejor que un operador humano. Los agricultores de cultivos permanentes también tienen una necesidad urgente de autonomía, ya que enfrentan escasez extrema de mano de obra y necesitan máquinas para llenar los vacíos. Estos trabajos requieren que los tractores conduzcan 20-30 pasadas a través de cada fila de huerta o viñedo por temporada, realizando trabajos importantes como aplicar nutrientes a los árboles y mantener el pasto entre las vides cortado y libre de malezas.
Muchas de las soluciones de CNH están siendo adoptadas por operadores de huertas y viñedos. ¿Qué desafíos únicos presentan estos entornos para la maquinaria autónoma y la IA, y cómo está adaptando CNH sus tecnologías para aplicaciones especializadas como estas?
Las ventanas para la cosecha están cambiando, y encontrar mano de obra calificada es más difícil. El cambio climático está haciendo que las estaciones sean menos predecibles; es crucial para los agricultores tener tecnología lista para ir que impulse la precisión y la eficiencia cuando los cultivos están óptimos para la cosecha. La agricultura siempre requiere precisión, pero es particularmente necesaria cuando se cosecha algo tan pequeño y delicado como una uva o una nuez.
La mayoría de las tecnologías de conducción automatizada dependen del GPS para guiar las máquinas en sus rutas, pero en huertas y viñedos, esas señales de GPS pueden estar bloqueadas por ramas de árboles y vides. Se utilizan cámaras de visión y radar en conjunto con el GPS para mantener las máquinas en su ruta óptima. Y, en huertas y viñedos, la cosecha no se trata de hileras uniformes de acres, sino de plantas y árboles individuales y variados, a menudo en terrenos ondulados. Los sistemas automatizados de CNH se ajustan a la altura de cada planta, el nivel del suelo y la velocidad de recolección necesaria para asegurar un rendimiento de calidad sin dañar el cultivo. También se ajustan alrededor de árboles no productivos o muertos para ahorrar insumos innecesarios. Estas máquinas robóticas se mueven automáticamente a lo largo de las plantas, sorteando con seguridad el cultivo mientras eliminan suavemente el producto del árbol o la vid. El operador establece la altura deseada de la cabeza de recolección, y las máquinas se ajustan automáticamente para mantener esas configuraciones por planta, independientemente del terreno. Además, para algunas frutas, el mejor momento para cosechar es cuando su contenido de azúcar alcanza su punto máximo durante la noche. Las cámaras equipadas con tecnología de infrarrojos funcionan incluso en condiciones de oscuridad para cosechar la fruta en su condición óptima.
A medida que se despliega más equipo agrícola autónomo, ¿qué medidas está tomando CNH para garantizar la seguridad y el cumplimiento normativo de estos sistemas impulsados por IA, particularmente en entornos agrícolas globales diversos?
La seguridad y el cumplimiento normativo son centrales para los sistemas impulsados por IA de CNH, por lo que CNH colabora con autoridades locales en diferentes regiones, lo que permite a la empresa adaptar sus sistemas autónomos para cumplir con los requisitos regionales, incluyendo normas de seguridad, regulaciones ambientales y leyes de privacidad de datos. CNH también participa en organizaciones de estándares para garantizar que cumpla con todos los estándares y requisitos reconocidos y emergentes.
Por ejemplo, los sistemas de seguridad autónomos incluyen sensores como cámaras, LiDAR, radar y GPS para el monitoreo en tiempo real. Estas tecnologías permiten que el equipo detecte obstáculos y se detenga automáticamente cuando detecta algo adelante. Las máquinas también pueden navegar por terrenos complejos y responder a cambios ambientales, minimizando el riesgo de accidentes.
¿Cuáles son las barreras más grandes para la adopción generalizada de tecnologías impulsadas por IA en la agricultura? ¿Cómo está ayudando CNH a los agricultores a transitar hacia estos nuevos sistemas y a demostrar su valor?
Actualmente, las barreras más significativas son el costo, la conectividad y la capacitación de los agricultores.
Pero mejores rendimientos, gastos reducidos, estrés físico reducido y mejor gestión del tiempo a través de una mayor automatización pueden compensar el costo total de propiedad. Las granjas más pequeñas pueden beneficiarse de soluciones autónomas más limitadas, como sistemas de alimentación o kits de actualización de aftermarket.
La conectividad inadecuada, particularmente en áreas rurales, plantea desafíos. Las tecnologías impulsadas por IA requieren conectividad constante y siempre activa. CNH está ayudando a abordar esto a través de su asociación con Intelsat y a través de módems universales que se conectan a cualquier red cercana, ya sea wifi, celular o satélite, proporcionando conectividad lista para el campo para los clientes en lugares de difícil acceso. Mientras que muchos clientes satisfacen esta necesidad de conectividad a Internet con la red móvil virtual líder en el mercado de CNH, las torres celulares existentes no permiten una conexión generalizada.
Por último, la curva de aprendizaje percibida asociada con la tecnología de IA puede parecer abrumadora. Este cambio de prácticas tradicionales requiere capacitación y un cambio de mentalidad, por lo que CNH trabaja de la mano con los clientes para asegurarse de que se sientan cómodos con la tecnología y estén obteniendo todos los beneficios de los sistemas.
Mirando hacia adelante, ¿cómo vislumbra la evolución de las soluciones autónomas y de IA de CNH en la próxima década?
CNH está abordando desafíos críticos y globales desarrollando tecnología de vanguardia para producir más alimentos de manera sostenible utilizando menos recursos, para una población en crecimiento. Nuestro enfoque es empoderar a los agricultores para mejorar sus medios de vida y negocios a través de soluciones innovadoras, con la IA y la autonomía desempeñando un papel central. Los avances en la recopilación de datos, la asequibilidad de los sensores, la conectividad y la potencia de cómputo acelerarán el desarrollo de sistemas autónomos y de IA. Estas tecnologías impulsarán el progreso en la agricultura de precisión, la operación autónoma, el mantenimiento predictivo y la toma de decisiones basada en datos, beneficiando en última instancia a nuestros clientes y al mundo.
Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar CNH.
