13 INTELIGENCIA ARTIFICIAL Esto funciona especialmente bien en la tecnología de producción, afirma, debido a la considerable base de datos que ya existe. El mantenimiento predictivo también resulta tan atractivo “...porque muchas máquinas ya están equipadas con un gran número de sensores que generan datos que luego pueden evaluarse”, afirma Weirauch. Según Weirauch, los procesos basados en IA que ya han dado el salto del laboratorio de investigación a la práctica industrial incluyen tecnologías de reconocimiento de imágenes que se utilizan para la inspección de calidad en la fabricación o para la navegación autónoma de robots y drones. Los robots industriales y los cobots (robots colaborativos) están equipados con algoritmos avanzados de IA para realizar tareas de fabricación, logística y gestión de inventarios, explica. EMBALAJE Y CLASIFICACIÓN INTELIGENTES Este tipo de cobots los ofrece, por ejemplo, el fabricante de robots Yaskawa, de Kitakyushu (Japón). Estas máquinas inteligentes pueden embalar palés en un proceso totalmente automatizado. Utilizan IA que les permite prescindir de protecciones, trabajar con distintos tipos de palés y cargar palés de distintas alturas. El especialista en robótica Schunk, con sede en Heuchelheim (Hesse), también equipa robots con IA, lo que les permite reconocer objetos y clasificarlos en consecuencia. Esto permite a las pequeñas y medianas empresas, por ejemplo, automatizar las tareas de clasificación y hacer que sus máquinas trabajen durante la noche. El especialista en láser Trumpf, con sede en Ditzingen (suroeste de Alemania), también está desarrollando el uso de la IA en la producción. La empresa lanzó en 2020 un sistema basado en IA que ayuda a los empleados a clasificar componentes. Esta ‘Guía de clasificación’ se muestra en una pantalla “Los asistentes de IA también ofrecen un gran potencial en la producción, donde pueden simplificar el funcionamiento de las máquinas, que actualmente es muy complejo”, afirma el profesor Berend Denkena, director del Instituto de Ingeniería de Producción y Máquinas-Herramienta (IFW) de la Universidad Leibniz de Hannover. Foto: Universidad Leibniz de Hannover. La inteligencia artificial se presta al mantenimiento predictivo en la producción industrial. “Muchas máquinas ya están equipadas con un gran número de sensores que generan datos que luego pueden analizarse”, afirma Lena Weirauch, CEO y cofundadora de la startup de IA ai-omatic, con sede en Hamburgo. Foto: ai-omatic. en su entorno de trabajo, mostrando gráficamente a los empleados qué componentes pertenecen a qué órdenes de trabajo. Además, la pantalla también contiene toda la información relevante sobre los procesos de seguimiento. Esto debería aumentar significativamente la eficiencia de la producción, especialmente en el caso de los paneles de chapa utilizados para una serie de pedidos diferentes, promete Alexander Kunz, jefe de la unidad Smart Factory de Trumpf. MÁS EFICIENTE QUE LOS HUMANOS “Alimentamos la IA con datos hasta que puede reconocer nuevas situaciones más rápido y tomar mejores decisiones que un humano o un algoritmo conservador”, explica Kunz. “Solo entonces nos referimos a esto como IA en Trumpf”. Dos casos de uso clave son la optimización de procesos basada en el diagnóstico y la predicción preventiva. El sistema ‘Active Speed Control’ de Trumpf para el corte por láser, por ejemplo, utiliza una cámara que toma 40 imágenes por segundo. “Entrenamos a la IA para que distinga las imágenes transversales buenas de las malas y, a continuación, decida la acción adecuada. Esto nos permite mejorar continuamente la calidad del corte”, afirma Kunz. En el caso de la predicción preventiva, por ejemplo, la IA reconoce de forma independiente si un contorno es difícil de producir o cuándo una pieza corre peligro de atascarse. “De nuevo, podemos entrenar al sistema para que tome las medidas adecuadas por sí mismo. Esto ayuda a prevenir los errores antes de que se produzcan”. Para que la inteligencia artificial pueda desarrollarse, debe ser capaz de inspirarse en la inteligencia natural y el conocimiento experiencial de los humanos. Esto significa que los especialistas deben entrenar a la IA antes de poder utilizarla. Este es el punto en el que una máquina meramente inteligente puede convertirse en una máquina autodidacta.
RkJQdWJsaXNoZXIy Njg1MjYx