Los últimos años han sido testigos de un desarrollo fenomenal de la tecnología basada en la Inteligencia Artificial (IA). Es probable que esta tecnología cambie las reglas del juego para la economía global y se espera que genere un impacto económico total de 15.7 billones de dólares para 2030.

El sector manufacturero, que es una parte integral de la economía mundial, también está dando grandes pasos en la implementación de tecnología basada en la IA. Todas estas soluciones tecnológicas están orientadas al autoaprendizaje, la adaptabilidad y la autonomía de los sistemas de fabricación.

Aplicación de la IA

La recopilación de datos significativos y de alta calidad, junto con su análisis, es el núcleo de los sistemas basados en la IA. Un informe de la Harvard Business Review sugiere que la mayoría de los casos de uso de la IA en la fabricación ocurrirán principalmente en dos áreas: gestión de la cadena de suministro y mantenimiento predictivo. Estas dos áreas constituyen, en términos generales, la Gestión de Activos Empresariales (EAM, por sus siglas en inglés). Los paquetes de software completos permiten una transición perfecta de las prácticas de fabricación tradicionales a la EAM.

1. Gestión de EAM basada en la IA

La EAM tiene que ver con la gestión eficaz de los activos, independientemente de si estos activos son del mismo tipo y están en un solo lugar, o dispares y distribuidos entre varias ubicaciones. La idea central de la EAM es recopilar datos de las plantas de fabricación y analizarlos a través de una única plataforma.  La integración de la IA en la EAM permite un análisis significativo de los datos, identificando patrones de datos y conduciendo a elementos de acción basados en el conocimiento. Un software de EAM correctamente configurado presenta una imagen holística de toda su empresa al proporcionarle información detallada sobre el rendimiento de los activos, la confiabilidad de los activos, el seguimiento de activos y la gestión general de las instalaciones.  Un buen software EAM debe ser intuitivo, tener un flujo lógico y ser fácil de usar. JD Machine Corp, una empresa de mecanizado de precisión, pudo reducir el tiempo de inactividad de la máquina en un 40 % y vio un aumento del 30 % en las ventas al implementar un software EAM.

2. Mantenimiento predictivo basado en IA

La gestión del mantenimiento es otra área que ha sido revolucionada por la introducción de la IA. Dichos sistemas de gestión de mantenimiento recopilan continuamente datos en tiempo real mediante sensores y los analizan mediante algoritmos de aprendizaje automático. Dichos análisis permiten identificar los patrones de datos que pueden resultar en una falla ocasionada por la inactividad de la máquina.  De esa manera, el despliegue de la IA facilita el desarrollo de programas de mantenimiento predictivo sólidos, lo que reduce los tiempos de inactividad y aumenta el rendimiento de la planta.  Siemens, una empresa alemana de automatización industrial, está utilizando IA para un diagnóstico dinámico de rotores en grandes compresores y generadores. Estos sistemas de diagnóstico ayudan en el mantenimiento preventivo y pueden predecir cualquier falla inesperada que pueda resultar en pérdidas multimillonarias.  BMW Group también ha instalado un sistema de mantenimiento predictivo basado en IA. Su sistema está ubicado en la planta de ensamblaje de vehículos y analiza continuamente los datos para localizar anomalías y problemas técnicos.

3. Gestión de la cadena de suministro basada en la IA

La IA también está inspirando las prácticas de gestión de la cadena de suministro. Las cadenas de suministro se están automatizando gracias a trabajadores conectados, vehículos autónomos y robots de almacén. La previsión, otro aspecto importante de la cadena de suministro, está pasando gradualmente del enfoque tradicional basado en series temporales a algoritmos basados en aprendizaje automático. Dichos algoritmos tienen la capacidad de incluir una variedad de métricas, lo que permite un pronóstico más confiable y preciso. La IA también se está utilizando para desarrollar enfoques eficientes y coherentes en los sistemas de gestión de relaciones con los proveedores. Dichos sistemas ayudan a los responsables de la toma de decisiones a realizar una mejor selección de proveedores y asignación de pedidos. La implementación del sistema basado en aprendizaje automático ha mejorado la previsión de la demanda entre un 40 y un 50% en la empresa sueca de redes y telecomunicaciones Ericsson. Esto no solo mejoró los plazos de entrega de la producción, sino que también aumentó la eficiencia operativa y la satisfacción del cliente.

4. Sistemas de gestión de calidad basados en la IA

Los sistemas basados en aprendizaje automático también ayudan a mejorar la calidad en las organizaciones de fabricación. Las tediosas tareas de inspección de calidad, que antes se consideraban totalmente dependientes de las habilidades y el juicio humanos, ahora están siendo reemplazadas por sistemas de la IA integrados con sensores.  Bridgestone ha lanzado una nueva tecnología de fabricación de neumáticos basada en la IA, que puede inspeccionar neumáticos utilizando 480 puntos de datos. La tecnología ha mejorado notablemente la calidad de los neumáticos, mejorando simultáneamente la eficiencia de la planta de fabricación. BMW Group está utilizando sistemas de reconocimiento de imágenes basados en la IA para realizar tediosas tareas de inspección en diferentes niveles de producción y ensamblaje; están aliviando a su personal de tareas repetitivas. Además de eso, los sistemas impulsados por la IA pueden analizar y clasificar continuamente los patrones de fallas de fabricación. Esto ayuda a identificar los parámetros de proceso críticos para la calidad del producto.

5. Robots de IA en operaciones de fabricación

Los robots de IA no solo realizan tareas repetitivas, sino que también automatizan la toma de decisiones, en función de sus capacidades de autoaprendizaje. Esto mejora el flujo de trabajo y mejora la productividad general, lo que reduce los costos de producción. Fanuc, una empresa líder en automatización, ahora puede operar su planta de fabricación de robots sin supervisión las 24 horas del día, durante casi 25 días. Estos robots han llevado la eficiencia de las operaciones de fabricación a un nivel completamente nuevo al detectar primero las fallas y luego corregirlas.  Otra aplicación importante de los robots de IA es en los sistemas automatizados de almacenamiento y recuperación (AS/RS, por sus siglas en inglés) en los almacenes. Honeywell ha lanzado un AS/RS de última generación impulsado por la IA que gestiona los almacenes de forma inteligente. El sistema desarrollado maximiza el almacenamiento y aumenta el cumplimiento de pedidos en más del 40%, en comparación con las operaciones de recolección manual.

6. La IA en el diseño y desarrollo de productos

El enfoque convencional del diseño y desarrollo de productos se basa en gran medida en reglas y conocimientos explícitos. Por lo general, un diseñador de productos experimentado utiliza los conocimientos adquiridos y los combina con el último software de modelado para diseñar un producto. Sin embargo, con la llegada de la IA, los enfoques de diseño y desarrollo de productos también se verán revolucionados. Una encuesta mostró que los diseñadores e ingenieros de productos identifican la IA y la simulación como los dos factores clave que tendrán el mayor impacto en el diseño y desarrollo de productos en los próximos 5 años.  Uno de estos enfoques es el diseño generativo, en el que el diseñador especifica los objetivos de diseño de entrada y los requisitos de rendimiento, y el software explora todas las soluciones posibles que cumplen los requisitos. La empresa de computación Nvidia ha desarrollado plataformas de simulación que aprenden de simulaciones anteriores, reduciendo el espacio de diseño y, en consecuencia, acortando los tiempos de simulación de días a minutos.

7. La IA en la evaluación del ciclo de vida del producto

La evaluación del ciclo de vida es una técnica utilizada para evaluar los impactos ambientales asociados con todas las etapas de la vida del producto. Abarca los efectos ambientales desde la extracción de la materia prima hasta la fabricación, distribución, uso y eliminación. Estas evaluaciones requieren una cantidad abrumadora de datos que deben ser analizados por los profesionales de evaluación del ciclo de vida. La IA ahora está encontrando su camino en el análisis de esta gran cantidad de datos a través de la implementación de algoritmos de aprendizaje automático. La integración de la IA y evaluación del ciclo de vida puede resultar en el desarrollo de modelos predictivos que pueden mejorar en gran medida la toma de decisiones. Una de esas aplicaciones es el software EAM, que recopila continuamente datos de los activos, los analiza y predice la vida útil de los activos. Aunque este aspecto de la integración de la IA en el software de evaluación del ciclo de vida se encuentra en sus etapas iniciales, tiene un gran potencial en el futuro próximo.

Por último

La IA, sin duda, ha arrasado en la industria manufacturera. Ha creado un cambio de paradigma en la forma en que manejamos los procesos de fabricación. Es probable que los primeros usuarios obtengan los máximos beneficios, y su brecha de rendimiento con los últimos participantes se ampliará en los próximos años.  Todo lo anterior subraya el hecho de que la digitalización ya no es una opción, es vital para su éxito.