La metalurgia inspirada en las estrellas

El nuevo enfoque estadístico de los jóvenes empresarios de Garching en Baviera permite la evaluación en tiempo real de los procesos de mecanizado. Esto todavía está lejos, pero la utilidad del método ya ha sido probada por la industria automotriz. En un esfuerzo por reducir el costoso reprocesado, buscaba un sistema de IA que pudiera utilizarse para montar las puertas de forma más precisa y con mayor estabilidad del proceso.

La tarea es descrita en un libro blanco por los dos ex-científicos: “Es difícil determinar la mejor posición para montar la puerta de un vehículo. Ni la puerta ni el cuerpo han sido pintados en el momento de la instalación. No hay ventanas, accesorios o sellos. La influencia de todos estos factores en la posición de la puerta a través de la deformación y el peso adicional debe ser anticipada y compensada si se quiere alcanzar la posición final deseada. Por eso los empleados siempre tienen que realinear las puertas manualmente después del montaje”.

La solución ideada por los astrofísicos, que recientemente fundaron la empresa Erium GmbH en Garching, es combinar la inteligencia de la máquina con el conocimiento y la experiencia de los expertos en procesos. Basándose en esta información adicional, el software de IA puede calcular las posiciones de montaje ideales después de que sólo se hayan construido unos pocos vehículos.

“El aprendizaje rápido de la máquina es muy importante para nosotros”, explica Theo Steininger. “Esto lo distingue de las redes neuronales altamente flexibles, que requieren muchos datos. Tenemos que conformarnos con muy pocos datos, a diferencia de otras tareas típicas de Big Data, que pueden resolverse con un gran gasto técnico y utilizando ordenadores de alto rendimiento”. Sin embargo, con una cantidad tan pequeña de datos, el grado de esfuerzo técnico es mínimo, y las computadoras portátiles son actualmente suficientes para este propósito. Por el contrario, es necesario un esfuerzo mucho mayor para desarrollar los algoritmos que analizan y procesan en tiempo real los datos necesarios para el proceso. “Antes de instalar el software actual, analizamos el problema junto con los expertos del cliente”, explica Steininger. “Juntos, definimos el objetivo de optimización y los pasos críticos del proceso”.

Estas discusiones de expertos permiten excluir parámetros insignificantes que no juegan ningún papel o sólo desempeñan un papel menor. De esta manera se crea paso a paso una red de dependencias claramente definida que, según Steininger, puede utilizarse para crear un algoritmo de trabajo rápido. “De esta manera resumimos hechos que los expertos en la materia dan por sentados y los explicamos al programa, como la ley de Ohm o el hecho de que la velocidad es el derivado de un lugar tras otro”, dice el astrofísico. “Sin embargo, estas son relaciones no triviales que una red neural debe aprender primero de los datos”. Sin embargo, en contraste con estos aspectos relativamente evidentes, hay otras cuestiones que los expertos en procesos deben considerar primero. Por ejemplo, si una puerta de coche ha sido realmente deformada por un nuevo tipo de cinta de sellado, como predijeron basándose en su experiencia. “En lugar del método habitual de `Danos todos los datos y veamos qué podemos hacer con ellos', adoptamos un enfoque diferente”, dice Steininger. “Ponemos el elemento humano en primer lugar, explotando el conocimiento del experto como base del análisis”.

Hasta ahora, el método se ha utilizado principalmente en la industria de la automoción, pero la empresa, con sede en Garching, ahora también se centra en los procesos de mecanizado. Entre los posibles usos se incluyen los husillos de fresado, cuyo comportamiento rotativo se deteriora con el desgaste creciente. Los husillos comienzan a tambalearse al variar el gradiente, dependiendo del tipo de desgaste. Enriquecido con conocimientos expertos, el algoritmo de los astrofísicos puede ahora optimizar el uso del husillo en función del grado de desgaste. Pero Steininger ya está pensando en el futuro: “La cuestión de si el mayor desgaste del husillo está justificado cuando se mecanizan zonas de borde es especialmente importante en componentes que deben fabricarse en un tiempo muy corto. Nuestro programa tiene en cuenta no sólo los parámetros de la máquina, sino también los factores blandos, como las relaciones entre el cliente y el cliente”. Sin embargo, para ello, los expertos de Garching necesitan tener acceso a los datos de producción y calidad de sus clientes.

Steininger estará en el stand conjunto del Ministerio Federal de Economía y Energía (BMWi) en Hannover. Está interesado en mostrar su empresa, pero también quiere saber más sobre procesos muy complejos y de muy alta velocidad, algunos de los cuales son demasiado rápidos para ser controlados por los humanos. Está particularmente interesado en cómo progresa la ola de digitalización, precisamente porque su programa de IA requiere tal producción y calidad de datos. Steininger: “Por eso es tan valioso para mí tener conversaciones personales con expositores y usuarios”.

Perfil de Erium GmbH

La idea original de crear Erium GmbH en la guerra de Garching nació en 2015: se basó en más de ocho años de investigación astrofísica. En el curso de su trabajo, los dos fundadores, el Dr. Maksim Greiner y el Dr. Theo Steininger, descubrieron que el potencial que presentan los métodos estadísticos modernos en la industria manufacturera está lejos de agotarse. Después de preparar y desarrollar cuidadosamente su primer prototipo, decidieron dedicarse a este tema a tiempo completo y fundaron Erium GmbH con ocho empleados.

Maksim Greiner

El Dr. Maksim Greiner estudió física en la Universidad Ludwig Maximilian de Múnich y en la Universidad Paris Diderot. Luego completó su doctorado en el Instituto Max Planck de Astrofísica en Garching. Su investigación sobre la teoría de la información lo ha convertido en un experto en estadística, aprendizaje de máquinas e implementación práctica de algoritmos. Actualmente es director general y director técnico de Erium GmbH.

Theo Steininger

Después de estudiar física de partículas y teoría de cuerdas en la Universidad Técnica de Munich, el Dr. Theo Steininger obtuvo su doctorado en el Instituto Max Planck de Astrofísica de Garching. Desarrolló paquetes de software científico que lo convirtieron en un experto en algoritmos y diseño de software. Como antiguo alumno de la Academia Bávara de Élite, el Dr. Steininger también tiene una sólida formación empresarial.

Start-ups en EMO Hannover

Este año, EMO Hannover ayuda una vez más a empresas jóvenes e innovadoras a comercializar sus nuevos desarrollos de productos y procesos. El Área Start-up contará con la sección internacional de jóvenes empresas tecnológicas @EMO Hannover. Además, las empresas alemanas de nueva creación tendrán la oportunidad de presentar ideas a las empresas establecidas en el stand conjunto patrocinado por el Ministerio Federal de Economía y Tecnología. El foro para presentaciones y lanzamientos, así como la gran área de trabajo en red, proporcionan oportunidades ideales para hacer que se escuchen nuevas ideas.