A medida que avanza la digitalización en todos los sectores, los datos se convierten cada vez más en la savia de la fabricación moderna. En la cúspide de la revolución de la IA, esto nunca ha sido tan cierto. Diferentes áreas del proceso de fabricación ya producen y aprovechan enormes cantidades de datos de diversas maneras. Pero el gran volumen de estos datos significa que muchas optimizaciones y conocimientos clave se quedan sobre la mesa.
Aunque existen muchas dudas sobre si la IA sustituye a los trabajadores, aplicarla a la fabricación de piezas no significa automatizar a las personas y los procesos, sino que la IA actúa como multiplicador de fuerzas, mejorando la eficiencia y la productividad al aumentar los sistemas existentes. Un ejemplo de ello es un copiloto en un sistema de fabricación asistida por ordenador (CAM, por sus siglas en inglés) que puede generar automáticamente sugerencias de trayectorias de herramientas analizando el modelo 3D de una pieza e interactuando con un software complejo. La combinación de los procesos de producción tradicionales con la recopilación inteligente de datos, la IA y el mellizo digital integral será fundamental para lograr la próxima generación de fabricación basada en datos.
La necesidad de una IA de nivel industrial
Aunque la IA ofrece muchas ventajas a la fabricación de piezas, también debe aplicarse con cuidado. En el espacio de consumo, un error ocasional podría ser aceptable, pero en la industria, donde pueden estar en juego enormes sumas de dinero e incluso vidas, cualquier error en la producción podría tener consecuencias desastrosas.
Para aprovechar las ventajas de la IA en la industria, la propia IA debe ser de calidad industrial. Las respuestas del modelo deben ser sólidas, fiables y repetibles para que los usuarios no tengan que adivinar cada resultado. Hay muchos pasos para crear una IA de calidad industrial. Entre ellos se incluye un marco de pruebas continuas para garantizar que los modelos siguen dando los resultados esperados, la institución de procesos automatizados que puedan comprobar la corrección y el diseño de software para mantener a los humanos en el bucle de las tareas críticas. Con una base sólida, la IA de grado industrial puede aprovecharse de tres formas para mejorar la fabricación de piezas: IA para ayudar a optimizar los procesos de fabricación, IA para analizar los datos y procesos de fabricación, e IA para generar ganancias en la fabricación.
La IA optimiza la fabricación
Hoy en día, ya hay muchas tareas que la IA puede acelerar en un taller mecánico, o en cualquier entorno de producción para reducir el desperdicio de mano de obra y materiales al tiempo que mejora la eficiencia de la producción. La IA se está aplicando ya en muchos ámbitos, entre ellos:
● Procesamiento del lenguaje natural (NLP) para interactuar con manuales de mantenimiento, datos de producción y mucho más a través de herramientas como Industrial Copilot.
● Optimización energética para generar conocimientos basados en datos que mejoren la comprensión del ahorro energético en todos los procesos de producción.
● Edición de operaciones CAM controlada por IA para una finalización más rápida de los trabajos.
Estas son solo algunas de las formas en que la IA está ayudando ya a mejorar la eficiencia de la producción. Y a medida que los comercios sigan invirtiendo en digitalización, también aumentarán los beneficios de la IA.
Analizar los datos para obtener mayores beneficios
La conexión de una IA más avanzada con los datos de la fábrica, el diseño y la producción permitirá optimizar todo, desde los flujos de trabajo hasta la ergonomía, a través de potentes análisis. La conexión de toda esta información con herramientas como Siemens Insights Hub permite aplicar la IA a todo, desde los informes de control de calidad hasta los programas de producción del taller, para un análisis más profundo que, a su vez, desbloquea nuevas optimizaciones.
Una gran forma en que la IA puede ayudar a mejorar la eficiencia de la producción es a través de la calidad predictiva. Analizando los datos de defectos y correlacionándolos con los datos de producción y rendimiento disponibles de las máquinas inteligentes, es posible construir un modelo de IA que pueda identificar indicadores clave de defectos en una fase temprana del proceso de fabricación. La detección temprana de estos errores reducirá las pérdidas de tiempo y materiales, ya que minimiza el riesgo de defectos en las piezas finales. Por ejemplo, las vibraciones durante una operación de mecanizado provocan un acabado superficial inferior y reducen la vida útil de la herramienta. Las marcas de vibración serán visibles en la superficie mecanizada, a menudo en forma de patrones ondulados o marcas regulares. Las vibraciones continuas pueden provocar un desgaste desigual de la herramienta e incluso su rotura. Los algoritmos de IA pueden analizar datos de varios sensores (vibración, emisión acústica, fuerza, corriente) en tiempo real para detectar la aparición de vibraciones. Esto permite realizar ajustes inmediatos en los parámetros de mecanizado antes de que la vibración se agrave y afecte a la calidad de la pieza.
Además de analizar enormes conjuntos de datos, la IA puede agilizar el laborioso análisis de datos y casos de uso especializados, así como la mejora de la ergonomía de los trabajadores. Los movimientos repetitivos pueden ser físicamente agotadores, especialmente si requieren agacharse o estirarse de forma incómoda. Aunque cualquier persona puede hacer un cierto análisis intuitivo cuando se trata de movimientos repetitivos, evaluar el impacto a largo plazo puede ser más difícil. Aplicando un modelo de IA, entrenado con datos ergonómicos e información sobre la movilidad del cuerpo humano, es posible evaluar de una sola imagen la ergonomía de un determinado conjunto de movimientos. La simulación humana basada en IA puede analizar eficazmente escenarios de alto riesgo. A continuación, esta información puede volver a introducirse en el gemelo digital integral para diseñar de forma rápida y sencilla un puesto de trabajo que sea saludable y eficiente de utilizar, con piezas y herramientas colocadas en lugares intuitivos y de fácil acceso.
Generar beneficios en la fabricación
Una de las formas más nuevas y conocidas de IA es la IA generativa, con su capacidad sin precedentes para conversar de forma similar a la humana. En la industria, la IA generativa está llamada a servir de puente entre las personas y la tecnología, facilitando el uso de herramientas complejas. En el futuro, la IA generativa será un componente clave de las plataformas no y low-code, permitiendo programar maquinaria compleja mediante PNL.
Un copiloto basado en IA también puede acelerar considerablemente la creación de programas CNC, el cálculo de velocidades y avances, y la validación de trayectorias de herramientas. Hoy en día, el uso de software CAM para pasar de un modelo 3D a un código G utilizable puede ser una tarea compleja y lenta que requiere una gran experiencia tanto en mecanizado CNC como en el software específico.
Aunque la necesidad de un experto humano en CNC no va a cambiar a corto plazo, la IA, en forma de copiloto CAM, tiene la capacidad de acelerar este proceso haciendo que las herramientas sean más accesibles y automatizando muchos de los pasos manuales que requieren mucho trabajo. Un copiloto CAM puede ayudar a automatizar la creación de estrategias de mecanizado para máquinas CNC, reduciendo drásticamente el tiempo de programación de horas a minutos.
Con sólo seleccionar una característica en el modelo 3D, un copiloto CAM puede producir varias combinaciones sugeridas de operaciones, herramientas, velocidades de avance, etc., para que el usuario las apruebe antes de rellenar automáticamente todos esos valores en el software. Al mismo tiempo, puede entrenarse para comprender las máquinas de producción, validando al instante si un diseño y una trayectoria de herramienta determinada pueden producirse con seguridad en una máquina concreta.
Este tipo de herramientas de IA generativa también pueden servir como una especie de base de conocimientos, aprendiendo de los usuarios expertos y del trabajo anterior para utilizar métodos fabricados basados en las mejores prácticas del taller. Con un sólido despliegue de IA de grado industrial, se mantiene la seguridad de los conocimientos patentados y se facilita su acceso tanto a los nuevos empleados como a los veteranos, al tiempo que se garantiza que no se pierdan valiosos conocimientos cuando los empleados cambian de puesto o se jubilan.
Analizar, optimizar y generar con IA industrial
A medida que continúe la digitalización de la fabricación, será cada vez más importante que las empresas, grandes o pequeñas, sean capaces de aprovechar sus datos para alcanzar objetivos de calidad, sostenibilidad y eficiencia. La IA es y será cada vez más una forma importante de analizar, optimizar y generar mejoras en la fabricación. Con todo lo que hay, desde simples conocimientos hasta asistencia completa, la IA será una parte vital para dar vida a la fabricación basada en datos, ya que puede convertir 1s y 0s que de otro modo no se utilizarían en una mina de oro para mejorar la eficiencia en todos los ámbitos.
Por Rahul Garg, Vicepresidente de Maquinaria Industrial de Siemens Digital Industries Software
