30 INTELIGENCIA ARTIFICIAL a evitar errores, lo que permite a la máquina volver a la producción más rápidamente. La IA y la fabricación van de la mano, ya que los humanos y las máquinas deben colaborar estrechamente en el entorno de la producción industrial. MECANIZADO OPTIMIZADO BASADO EN EL ANÁLISIS DE DATOS Un nuevo método que analiza el desgaste de las herramientas en procesos de mecanizado como el taladrado o el fresado también se basa en la inteligencia artificial. Es importante poder utilizar herramientas caras el mayor tiempo posible. Por lo tanto, también es crucial poder estimar con precisión la vida útil restante. Hay que evitar a toda costa la rotura de herramientas y la destrucción de piezas de trabajo caras, o incluso daños en la máquina-herramienta. Hasta ahora, estos objetivos contradictorios se han resuelto sustituyendo las herramientas prematuramente tras un número determinado de operaciones (basándose en la experiencia) para evitar cualquier pérdida de calidad o incluso costosos tiempos de inactividad debidos a roturas de herramientas. Sin embargo, el cambio de herramientas es costoso y requiere mucho tiempo, por lo que merece la pena optimizar los ciclos de cambio. Aquí es donde entra en juego la IA. Investigadores de la Universidad Técnica de Kaiserslautern han desarrollado un método que “entrena” al sistema utilizando datos reales de procesos y mediciones para obtener una predicción fiable del estado de desgaste y optimizar así los procesos de corte. En la práctica funciona así: Primero hay que identificar los parámetros relacionados con el proceso para predecir el estado de desgaste de las herramientas de corte. Entre ellos se incluyen las diferentes fuerzas de mecanizado, las vibraciones de la máquina y los requisitos de potencia de los ejes de la máquina. Para ello, se recopilan datos procedentes de mediciones continuas de la herramienta y la pieza. El mayor reto consiste entonces en identificar correlaciones en los datos recogidos. BÚSQUEDA DE PATRONES Para lograrlo, los investigadores están entrenando el sistema apoyado en IA. Éste utiliza métodos de aprendizaje automático para detectar posibles patrones y extraer conclusiones sobre el estado de desgaste. También debería ser capaz de predecir qué parámetros de proceso deben utilizar las empresas en determinados procesos de corte para mantener la herramienta en uso de forma fiable durante una determinada vida útil. Los datos de los que debe aprender el sistema proceden de cinco empresas asociadas, tanto multinacionales como pequeñas y medianas empresas. Se prueban diferentes variantes en relación con los tipos de herramientas y materiales o los parámetros del proceso, por ejemplo. De este modo, se recopila una amplia base de datos a lo largo de toda la vida útil de la herramienta, hasta su avería. La inteligencia artificial ya es bastante inteligente, pero aún está lejos de ser perfecta. Los procesos son demasiado diferentes en los distintos casos de uso. Por eso, el aprendizaje automático apoya la decisión de cambiar de herramienta. El objetivo es hacer que el sistema sea cada vez mejor mediante el llamado aprendizaje por transferencia. En este caso, el conocimiento de tareas relacionadas aprendidas previamente se utiliza para entrenar modelos de aprendizaje automático más rápidamente para tareas nuevas (aunque relacionadas). IIP-ECOSPHERE PARA UN ACCESO DE BAJO UMBRAL Sin embargo, en el caso de la fabricación industrial, los beneficios de la inteligencia artificial no siempre son evidentes, especialmente para las pequeñas empresas. A muchas les preocupa entregar sus datos de producción para que los analicen en profundidad los ordenadores. Para las empresas manufactureras que aún no están seguras del valor añadido de la IA, el proyecto IIP-Ecosphere, en el que colabora el Instituto Fraunhofer de Ingeniería de Software y Sistemas (Fraunhofer ISST), pretende proporcionar un acceso de bajo umbral a soluciones de IA independientes del proveedor para problemas de producción complejos. El objetivo del proyecto es establecer un nuevo tipo de ecosistema, y que todos los diferentes actores -incluidas universidades e instituciones de investigación, empresas industriales y proveedores de soluciones de IA- promuevan el uso de
RkJQdWJsaXNoZXIy Njg1MjYx