La IA tiene el potencial de cerrar circuitos de control

Ya sea en el procesamiento de materiales láser, la fabricación aditiva y los procesos de reparación, el control por láser de la maleza o el diseño automatizado de sistemas ópticos: la inteligencia artificial (IA) tiene un enorme potencial, a veces disruptivo, en fotónica. Con la asistencia de unos 50 expertos internacionales, la 3ª ‘AI for Laser Technology Conference’ se celebró a finales de 2023 en el Instituto Fraunhofer de Tecnología Láser ILT de Aquisgrán, y demostró claramente que la transformación impulsada por la IA está en pleno apogeo.

Como director del Departamento de Ciencia de Datos y Metrología del Fraunhofer ILT y catedrático de Tecnología de Sistemas Ópticos TOS de la Universidad RWTH de Aquisgrán, Carlo Holly se ocupa a diario de innovaciones basadas en datos. “Cuando diseñamos sistemas ópticos, nuestra IA implementa en segundos lo que antes los algoritmos clásicos necesitaban horas o días para hacer o no podían hacer en absoluto”, explica Holly. Sin embargo, cree que el actual proceso de innovación basado en la inteligencia artificial (IA) también está abriendo nuevos caminos. “El potencial de la IA va más allá de la simple supervisión y control de los procesos láser: podemos utilizarla para allanar el camino hacia una producción a la primera”, afirma. Si los instrumentos de la moderna tecnología de medición y sensores se combinan inteligentemente con métodos de IA, se puede entrenar a las máquinas para que produzcan sin errores desde el principio o para que reaccionen de forma autónoma a los cambios en el proceso. “La IA tiene el potencial de cerrar los bucles de control. Las máquinas que aprenden y se reajustan a sí mismas en el proceso basándose en una evaluación continua de los datos están entrando en el terreno de lo factible”, afirma Holly.

Los especialistas de Microsoft Ansgar Heinen y Marcel Franke también abordaron la naturaleza dinámica del mercado de la IA: “Nunca antes habíamos visto que una nueva tecnología se adaptara tan rápidamente, incluso en sectores más conservadores”, informaron. Y nunca antes una solución digital se había extendido tan rápidamente como ChatGPT. Apenas cinco días después de su lanzamiento, la IA, basada en un gran modelo lingüístico (LLM), tenía un millón de usuarios en todo el mundo; apenas dos meses después, superaba los 100 millones. Para su desarrollo, ordenadores centrales de última generación escanearon muchos petabytes de datos de texto de libros, artículos o código de software en busca de patrones y reglas gramaticales y semánticas generalizables. La IA generativa los ha integrado en su sistema lingüístico y ahora puede generar código o comunicarse como un humano. Para estas tareas, los LLM deben ser muy variables y tomar decisiones entre un gran número de parámetros. “El número de estos parámetros es un orden de magnitud superior al número de estrellas de nuestra galaxia”, explicó Marcel Franke en la conferencia de Aquisgrán. Sin embargo, la IA es muy fácil de utilizar. Por primera vez, los humanos ya no tienen que aprender el lenguaje de la máquina. “Como nuestro lenguaje sirve de interfaz, la IA se convierte en un copiloto comunicativo”, afirmó. Al mismo tiempo, los LLM pueden utilizarse de diversas formas y entrenarse para aplicaciones específicas en la industria, la administración, el sector jurídico y la investigación y el desarrollo. Y, según Heinen, la IA se está abriendo camino en cada vez más corporaciones y medianas empresas de los sectores de la automoción, la ingeniería mecánica, la electricidad, la química y la industria farmacéutica.

Su observación coincide con las previsiones de la empresa estadounidense de estudios de mercado Gartner. Sus analistas ven en la IA un cambio de paradigma que irá acompañado de formas completamente nuevas de colaboración entre humanos y máquinas. El impacto en la vida moderna será similar al de la introducción de internet y el smartphone. Según Gartner, en 2030 el 80% de las personas interactuarán a diario con robots inteligentes. Ya en 2025, la IA contribuirá al desarrollo de uno de cada tres nuevos medicamentos y materiales. Y para el año 2024, Gartner prevé que tres cuartas partes de las empresas aumentarán sus inversiones en IA.

En doce presentaciones y una visita guiada a los laboratorios Fraunhofer ILT, la conferencia ilustró cómo la IA también está haciendo avanzar la fotónica. Volker Rominger, director de Aprendizaje Automático y Simulación en Aplicaciones Láser de Trumpf, presentó una amplia gama de aplicaciones de IA relacionadas con el corte, plegado y soldadura por láser. Entre ellas, ‘optimate’, su programa automatizado de optimización de componentes que analiza diseños convencionales, sugiere alternativas fabricadas con chapa doblada y cortada por láser y ofrece al mismo tiempo el ahorro de costes resultante. Por regla general, este sistema elimina pasos de trabajo, reduce la cantidad de material utilizado y, por tanto, también el peso. El equipo de ‘optimate’ ha entrenado la IA con miles de datos de componentes etiquetados. “Predice el potencial de optimización con una precisión del 96%”, informa. Trumpf también ofrece una solución de IA para contrarrestar perturbaciones, como cuando las piezas de chapa cortadas con láser se enganchan, se atascan o se tuercen, interferencias que pueden provocar la paralización de cadenas de proceso totalmente automatizadas. La IA de Trumpf determina la estrategia de corte óptima para cada componente, teniendo en cuenta numerosos parámetros, desde el punto de partida y la posición óptima de la chapa hasta la distribución de la presión del gas en el proceso de corte por láser. En este caso, el conocimiento de la máquina se entrena con cientos de miles de ejemplos prácticos. Y también ayuda en el siguiente paso del proceso: la IA optimiza el reconocimiento y la clasificación totalmente automatizados de las piezas cortadas. De hecho, los algoritmos convencionales de visión artificial alcanzan sus límites en esta tarea dada la cantidad de datos, las planchas de hasta ocho metros cuadrados de tamaño hechas de diferentes materiales, las condiciones variables de iluminación, las geometrías de los componentes y la intervención humana aleatoria en el proceso. “Por eso utilizamos muchos millones de parámetros de una red neuronal profunda y dejamos que los datos trabajen por nosotros”, explica Rominger. La gran cantidad de datos de entrada hace que la solución sea cada vez más robusta. El número de errores de detección disminuye con cada nueva generación de redes neuronales y con cada conjunto de datos, ya que el sistema aprende y mejora.

Rominger informó sobre otras aplicaciones de la IA. Entre ellas, la soldadura láser de las llamadas horquillas en los bobinados de cobre de los motores eléctricos. “El proceso supervisado por cámara es muy robusto en sí mismo. Sin embargo, a menudo se producen cambios en el entorno de producción de nuestros clientes, ya sean condiciones de iluminación u horquillas mal emparejadas”, explicó. Esto se remedia con un filtro de IA que minimiza las interferencias en los datos de la cámara y clasifica el estado de los pares de horquillas en tiempo real. “Gracias a la IA, hemos podido aumentar significativamente la fiabilidad del control de calidad hasta el 99,8%”, afirma Rominger. La IA ayuda a Trumpf a interpretar la compleja información espacial de forma rápida y precisa y, en junto con la tecnología de medición real, allana el camino para sistemas de aprendizaje que acumulan conocimientos empíricos, aprenden rápidamente, no olvidan y no se ven afectados por el cansancio o por cómo se sientan en un día concreto.

Rominger concluye: “El aprendizaje automático ya no es una visión, sino una realidad. Podemos utilizarlo para aumentar considerablemente la productividad, fiabilidad y calidad de los procesos láser y, además, esto es solo la punta del iceberg”. Aconsejó a las empresas que aún no están involucradas en este campo que dejen a un lado su escepticismo y exploren las posibilidades en proyectos piloto prácticos. Después de todo, la tecnología se está desarrollando rápidamente y ya está dando a los competidores que utilizan la IA una ventaja en productividad.

No tuvo que convencer a los participantes en la conferencia. De las presentaciones y preguntas del público se desprendía claramente que llevaban mucho tiempo planteándose cómo utilizar la IA. Markus Kogel-Hollacher, del Grupo Precitec, por ejemplo, informó de que la IA está demostrando su valía para cada vez más aplicaciones. “Ya sea corte por láser, soldadura por láser o tecnología de medición 3D: dondequiera que generemos datos de proceso, hay ideas para obtener información valiosa de ellos utilizando IA”, dijo. Esto llega ahora tan lejos que se puede obtener información invisible sobre la resistencia a la tracción o la resistencia eléctrica de contacto de las uniones soldadas a partir de datos procedentes de sensores ópticos. La empresa sienta las bases para ello entrenando redes neuronales con datos de imágenes elaboradamente etiquetados y conclusiones de análisis destructivos de cordones de soldadura.

Según Michael Ungers, Scansonic MI GmbH adopta un enfoque similar para las aplicaciones de IA en los procesos de soldadura y soldadura láser supervisados en línea. La detección fiable de las más pequeñas irregularidades en el baño de soldadura, como poros y salpicaduras, se basa en un amplio entrenamiento de las redes neuronales, así como en la validación y verificación en extensas series de pruebas. La empresa pretende garantizar que la IA también pueda detectar irregularidades en datos de imagen desconocidos durante el uso por parte del cliente. Suministrados por sensores ópticos integrados en los cabezales de procesamiento, los datos son analizados cerca de la línea por un ordenador de borde y visualizados para los usuarios humanos. También aquí la IA asume el papel de copiloto. Y también comienza con el laborioso etiquetado manual de miles de registros de datos. Pero el esfuerzo merece la pena. Y es que la combinación de la tecnología de sensores en línea y la IA da como resultado una detección de errores más sólida y precisa y, según Ungers, debería reducir significativamente los costes de inspección en la producción a medio plazo.

La combinación de fotónica e IA despliega su potencial no sólo en el procesamiento industrial de materiales por láser. Peter Fuhrberg, director general de Futonics Laser GmbH, presentó en Aquisgrán una aplicación de IA destinada a reducir significativamente el uso de pesticidas en la agricultura. Su núcleo es un sistema de cámaras asistido por IA que puede distinguir en milisegundos entre cultivos jóvenes y malas hierbas. Esto le permite detectar plantas no deseadas a su paso por el campo, determinar su posición exacta y dirigir un láser de infrarrojo cercano (NIR) a los centros de crecimiento de cada planta mediante un escáner, compensando al mismo tiempo todas las vibraciones. Un pulso de láser basta para matar la mala hierba. Antes de que vuelva a brotar, las plantas de cultivo vecinas habrán ganado la carrera de crecimiento a la luz del sol.

Futonics avanza sistemáticamente en este control de malas hierbas sin pesticidas. Como, según Fuhrberg, esto probablemente se llevará a cabo mediante vehículos autónomos alimentados por baterías, la eficiencia energética y espacial y la fiabilidad ocupan un lugar destacado en la agenda. También en este caso, la IA y las modernas herramientas de simulación pueden ser de gran ayuda. Éstas muestran que los láseres de tulio de conmutación rápida de 2μm alcanzan la mayor eficiencia de área por unidad de energía utilizada. Con un sistema de 800 vatios, un pulso láser de 2 milisegundos es suficiente porque la luz NIR es bien absorbida por las plantas. Según Fuhrberg, la calidad del haz, la fiabilidad del sistema y la vida útil también hablan a favor de la tecnología NIR. El ejemplo muestra cómo la IA puede inspirar a la fotónica y, al mismo tiempo, ayudar a fundamentar ideas innovadoras desde el principio. En la conferencia de Aquisgrán, Fuhrberg demostró que incluso la selección de láseres es muy compleja, dado el gran número de variantes de diseño con longitudes de onda que van del ultravioleta (UV) al infrarrojo medio (MIR), diferentes duraciones de pulso y enfoques de guiado del haz. La IA ayuda a preseleccionar de forma fiable los diseños de sistemas más eficientes y robustos y proporciona así una base sólida para el desarrollo.

Sin embargo, como dijo en Aquisgrán Volker Rominger, experto de Trumpf, de momento sólo podemos ver la punta del iceberg. En Fraunhofer ILT, el profesor Carlo Holly ya está buceando más a fondo para hacerse una idea de las posibilidades futuras de la IA con su equipo. La fotónica está mejorando cada vez más en el uso de sensores para hacer visibles los procesos y las variables medidas. Al mismo tiempo, impulsa el progreso en el desarrollo de hardware, que ahora permite el análisis de datos en tiempo real. “Los resultados del análisis de datos amplían a su vez nuestras opciones para predecir secuencias de procesos y optimizar la parametrización”, explica. Esto sienta las bases para realizar en el futuro una producción autónoma y adaptable y cerrar los bucles de control mediante la supervisión en tiempo real y el ajuste de los parámetros durante el proceso de funcionamiento.

Fraunhofer ILT está realizando pruebas para explorar estas posibilidades en los procesos aditivos, el procesamiento de materiales por láser desde la soldadura y el soldeo hasta el pulido, así como en el diseño totalmente automatizado de sistemas ópticos. Este último, en particular, es un proceso muy complejo que requiere mucho tiempo y conocimientos técnicos. “Nos estamos preguntando hasta dónde podemos llegar con el diseño automatizado asistido por IA”, dijo Holly, que presentó una investigación en la que él y su equipo están entrenando una red neuronal para el diseño de sistemas ópticos. El objetivo a largo plazo es utilizar la modelización moderna y el diseño asistido por IA -basado en una distribución óptima de la temperatura en la pieza- para determinar el diseño de la guía del haz hasta la fuente del haz.

“El aprendizaje automático ya no es una visión, sino una realidad. Podemos utilizarlo para aumentar significativamente la productividad, fiabilidad y calidad de los procesos láser y esto es solo la punta del iceberg”, explica Volker Rominger, responsable de Aprendizaje Automático y Simulación en Aplicaciones Láser de Trumpf. Foto: Fraunhofer ILT, Aquisgrán, Alemania. 

Para lograrlo, el grupo de investigación de Holly utiliza la realización física de una red neuronal virtual, las llamadas redes neuronales profundas difractivas. En el corazón de estas redes neuronales ópticas hay máscaras de fase en cascada, es decir, elementos ópticos difractivos (DOE), que difractan la radiación de forma diferente y, por tanto, le dan forma. “Si colocamos varias capas de DOE una detrás de otra, se crea la red neuronal profunda difractiva. La luz sirve de transmisor de información”, explica. Los haces de luz atraviesan todas las capas DOE una tras otra y se modulan según el desfase establecido por los píxeles. “Interpretamos esta estructura como una red neuronal y utilizamos algoritmos del campo de la inteligencia artificial para el diseño óptico”, explica. Esto permite al equipo adaptar la compleja conformación del haz de forma específica y robusta a la aplicación correspondiente. Con los métodos de diseño convencionales, este plan estaría condenado al fracaso debido al gran número de grados de libertad: varios miles en los sistemas típicos. Con la ayuda de la IA, pueden optimizarse fácilmente.

Según Holly, los valores medidos en experimentos reales seguirán siendo indispensables en el futuro para perfeccionar las estrategias de control de procesos con ayuda de la IA. Sin embargo, la IA puede ayudar a identificar los puntos de medición y los parámetros que son realmente relevantes, y contribuir a reducir significativamente las mediciones y los experimentos extrapolando computacionalmente los menos relevantes. Lo que en el futuro debería permitir un control eficaz de los procesos basado en el análisis y la predicción en tiempo real ya está ayudando a los investigadores del Fraunhofer ILT a realizar experimentos más selectivos. “La IA analiza los valores medidos de un experimento y nos proporciona el camino para el siguiente y todos los demás. Este apoyo estratégico reduce significativamente el número total de experimentos y, por tanto, también los costes y el tiempo necesarios”, informó. En el siguiente paso, los valores recopilados, clasificados en un metamodelo, pueden utilizarse para optimizar los parámetros del proceso. “Derivamos parámetros para la entrada de datos en el proceso de producción a partir de la salida de datos de las mediciones en el experimento”, dice Holly. Poco a poco, este paisaje de IA será capaz de manejarse sin control humano.

Cuanto más aprenda, más se acercará a la ‘producción a la primera’ y a la reacción autónoma ante las desviaciones del proceso. El proceso en curso puede entonces alinearse con el proceso ideal precalibrado y guiarse a lo largo de la estrategia de producción validada experimentalmente.

La fotónica ha creado las condiciones para ello durante décadas: Sistemas digitales en los que cada sensor y cada cámara pueden identificarse a través de sus propias direcciones IP, así como tecnología de medición en línea, soluciones de simulación y metamodelos para invertir los datos de salida determinados experimentalmente en datos de entrada controlados por el proceso. “Con estos componentes se puede implantar el bucle de control cerrado y calibrado automáticamente: Este es efectivamente el plano para una máquina autónoma”, resumió Holly. Con esta perspectiva, la 3ª ‘Conferencia sobre IA para tecnología láser’ de Aquisgrán trazó una hoja de ruta hacia la producción autónoma en fábricas inteligentes: a través de la convergencia de la fotónica y la IA.

El impacto de la digitalización y la IA en la creación de valor y los modelos de negocio en la tecnología láser se abordará en la sesión Gerd Herziger como parte de la AKL'24. El presidente Constantin Häfner será el anfitrión de un panel de expertos con Peter Leibinger, presidente del Consejo de Supervisión, Trumpg Group; Christopher Dorman, vicepresidente Ejecutivo, Lasers Business, Coherent; y Christoph Rüttimann, CTO Bystronic Group, el 18 de abril de 2024. A lo largo de la mañana se realizarán presentaciones en profundidad sobre la digitalización en la producción fotónica. Consulte aquí el programa completo de AKL`24.