IA en la fabricación: su empleo e importancia en las fábricas del futuro
- Inteligencia artificial en la fabricación
- Evolución de la inteligencia artificial en la fabricación
- La situación actual de la IA en la fabricación
- El futuro de la IA en la fabricación
- Fabricación e inteligencia artifical: aplicaciones y ventajas
La imagen de una fábrica operando de forma completamente autónoma ha sido siempre una visión muy llamativa, un concepto muy empleado en el mundo de la ficción y concebido como un lugar casi completamente automatizado, operado en su totalidad por sistemas de inteligencia artificial (IA) que se encargan de dirigir las líneas de producción. A decir verdad, es poco probable que esta sea la forma en que se emplee la IA en fabricación en un futuro próximo.
Una visión más realista de la aplicación de la IA en la fabricación supondría contar con un conjunto de aplicaciones para tener sistemas compactos y discretos que gestionen procesos específicos de fabricación. Estas aplicaciones operarían más o menos de modo autónomo y responderían de forma cada vez más inteligente, e incluso casi humana, a eventos externos tales como el desgaste de una herramienta, una paralización del sistema, incendios o desastres naturales.
Inteligencia artificial en la fabricación
La IA en la fabricación se conoce como la inteligencia con que cuentan las máquinas para realizar tareas parecidas a las de los humanos, tales como responder a eventos interna y externamente e incluso anticiparse a ellos de forma autónoma. Las máquinas pueden detectar si una herramienta está sufriendo desgaste o si se ha producido algo inesperado —o tal vez incluso un fenómeno que se esperaba fuera a suceder—, pudiendo así reaccionar y resolver el problema.
Los historiadores siguen el progreso de la humanidad desde la Edad de Piedra, pasando por la Edad de Bronce, la de Hierro, etc., hasta hoy, observando los avances evolutivos que se han producido en función de cómo el ser humano ha dominado su entorno natural, los materiales, las herramientas y las tecnologías. La humanidad está actualmente atravesando la llamada Era de la Información , también llamada Era Digital o del Silicio. En este periodo dominado por la electrónica, las personas conjuntamente nos servimos de los computadores. Podemos sacar partido de esta situación para tener un dominio sin precedentes sobre nuestro entorno natural y desarrollar las sinergias necesarias que nos permitan conseguir logros que eran impensables hace tan solo unas generaciones.
La tecnología informática ha ido avanzando y puede hacer cada vez más cosas que las personas hacían por sí mismas. En este sentido, la IA constituye un progreso natural. Las personas deciden la forma de aplicar la IA y el aprendizaje automático. La IA es especialmente útil para ayudar a individuos creativos a hacer más cosas. No tiene por qué que reemplazar a las personas: las mejores aplicaciones les ayudan a hacer lo que se les da mejor. En la fabricación puede tratarse de fabricar un componente o de diseñar un producto o una pieza.
La colaboración entre humanos y robots está cobrando cada vez mayor relevancia. A pesar de la impresión generalizada de que los robots industriales son autónomos e “inteligentes”, la mayoría de ellos operan bajo un alto nivel de supervisión. Dicho esto, son cada vez más inteligentes gracias a la innovación en IA, algo que permite una colaboración más segura y eficiente entre humanos y robots.
Evolución de la inteligencia artificial en la fabricación
Actualmente, la mayoría de la IA en la fabricación se aplica a herramientas para medir, realizar ensayos no destructivos (END) y otros procesos. La IA ayuda en el diseño de productos, pero la fabricación está tan solo en su fase inicial de adopción de esta tecnología. Las herramientas de maquinaria siguen siendo relativamente torpes. Aunque en las noticias se hable de herramientas de producción automatizadas, muchas de las fábricas del mundo siguen echando mano de equipos antiguos de interfaz mecánica o, si es digital, la interacción es muy limitada.
Los nuevos sistemas de fabricación tienen pantallas, interfaces persona-computador y sensores electrónicos que transmiten información acerca del suministro de materia prima, estado del sistema, consumo energético y muchos otros factores. Permiten visualizar lo que se está haciendo, ya sea en la pantalla del computador o en la misma máquina. La forma de progresar es más clara, al igual que la gama de posibles usos de la IA en la fabricación.
El futuro más cercano nos depara situaciones tales como monitorear los procesos de las máquinas en tiempo real y supervisar insumos tales como el desgaste de la maquinaria. Este tipo de aplicaciones entran en la categoría de “mantenimiento predictivo” y presentan una clara oportunidad para el uso de la IA: los algoritmos que consumen canales continuos de datos procedentes de sensores encuentran patrones con sentido lógico y aplican análisis para predecir problemas y alertar a los equipos de mantenimiento, que a su vez los resuelven antes de que se produzcan. Los sensores dentro de la máquina pueden monitorear que algo está sucediendo. Puede tratarse de un sensor acústico que perciba el sonido de correas o engranajes que empiezan a desgastarse, o tal vez de un sensor que supervise el desgaste de la herramienta. Esa información puede relacionarse con el modelo analítico que podría predecir cuánto tiempo de vida útil le queda a esa herramienta.
En la línea de producción, la fabricación aditiva se ha convertido en una modalidad importante que permite añadir muchos nuevos tipos de sensores al sistema, monitoreando nuevas condiciones que afectan a los materiales y tecnologías de fabricación que solo se han implementado de forma generalizada en los últimos 10 años.
La situación actual de la inteligencia artificial en la fabricación
La IA está posibilitando mucha más precisión en el diseño del proceso de fabricación, y también la diagnosis de problemas y la resolución de los mismos cuando surgen defectos en el proceso de fabricación, gracias al uso de los gemelos digitales. Un gemelo digital es una réplica virtual exacta del componente físico, la herramienta de la máquina o la pieza que se esté fabricando. Es mucho más que un modelo CAD, ya que se trata de una representación digital exacta de la pieza y de su comportamiento en caso de que, por ejemplo, se produjera un defecto, habida cuenta que todas las piezas tienen defectos y por eso a veces no funcionan debidamente. La inteligencia artificial es necesaria para el uso de un gemelo digital en el proceso de fabricación y mantenimiento.
Las grandes empresas pueden beneficiarse enormemente de la adopción de la IA, y también son quienes cuentan con la potencia económica para financiar estas innovaciones. No obstante, algunas de las aplicaciones más originales han sido financiadas por pequeñas o medianas empresas (PYMES) en manos de diseñadores autónomos o proveedores de sectores de alto nivel tecnológico, como el aeroespacial.
Muchas PYMES intentan estar por delante de las grandes empresas que les hacen competencia adoptando la más nueva maquinaria o tecnología. La oferta de estos servicios les permite diferenciarse en el ámbito de la fabricación, aunque en algunos casos hacen uso de nuevas herramientas y procesos sin la experiencia o el conocimiento necesarios. Se trata de un fenómeno aplicable tanto a la fabricación como al diseño, y por esta razón es un reto entrar en el ámbito de la fabricación aditiva. Es aquí donde las PYMES pueden obtener mayores incentivos para la adopción de IA que las grandes empresas. El uso de sistemas inteligentes que ofrecen evaluaciones y asisten en la configuración y la puesta en marcha puede ayudar a las pequeñas empresas a entrar de forma rompedora en el mercado.
De hecho, los conocimientos de la ingeniería end-to-end pueden incorporarse al proceso de fabricación. Es decir, las herramientas con IA incorporada pueden ponerse a disposición del usuario con el conocimiento necesario que permita su instalación, adopción, sensores y análisis para detectar problemas operativos y de mantenimiento. Dichos análisis pueden incluir los llamados “modelos no supervisados”, entrenados para buscar patrones de datos de uso procedentes de los sensores que no están asociados con problemas conocidos y que buscan aspectos peculiares o “erróneos” que deban ser investigados.
Encontramos un ejemplo de este concepto en la aplicación llamada DRAMA (instalaciones digitales de fabricación aditiva reconfigurable para el sector aeroespacial, por sus siglas en inglés), un proyecto colaborativo de investigación de unos 16 millones de euros iniciado en noviembre de 2017. Autodesk forma parte de un consorcio de empresas que trabajan con el Manufacturing Technology Centre (MTC) para crear un prototipo de digital learning factory (fábrica de aprendizaje digital). Toda la cadena de procesos de fabricación aditiva ha sido hermanada de forma digital. Así, las instalaciones se podrán reconfigurar para cumplir con los requisitos de distintos usuarios y permitir las pruebas de distintas opciones de hardware y software. Los desarrolladores están creando una “base de conocimientos” de fabricación aditiva para ayudar en la adopción del proceso y la tecnología.
En DRAMA, Autodesk cumple una función clave en el diseño, la simulación y la optimización, teniendo en cuenta los procesos secundarios que tienen lugar en la fabricación. Comprender los efectos del proceso de fabricación en cada pieza aporta información clave que los humanos pueden automatizar e incorporar después al proceso de diseño mediante diseño generativo para conseguir un rendimiento del diseño digital más parecido al de las piezas físicas.
El futuro de la inteligencia artificial en la fabricación
Esta situación posibilita incorporar el proceso de trabajar end-to-end para vender a un fabricante. Podría incluir de todo, desde el software hasta las máquinas físicas en la fábrica, pasando por el gemelo digital de la maquinaria, el sistema de ordenación que intercambia datos con los sistemas de cadena logística de la fábrica y los procesos de análisis para monitorear el proceso y recopilar datos en tanto que los insumos pasan por todo el sistema. En resumen, consistiría en crear sistemas de “fábrica en una caja”.
Fábrica en una caja
Un sistema de este tipo podría permitir al fabricante mirar la pieza que ha fabricado hoy, compararla con la que fabricó ayer, cerciorarse que ha pasado por el proceso de garantías de calidad, y analizar el END que se haya realizado para cada proceso en la cadena. Las evaluaciones le permitirían comprender exactamente qué parámetros empleó para fabricar esas piezas y, gracias a los datos de los sensores, ver dónde se encuentran los defectos.
Una visión utópica de este proceso consistiría en que los materiales entraran por una parte y las piezas salieran por otra. Las personas solo tendrían que ocuparse del mantenimiento; la mayor parte del trabajo en adelante lo realizarían los robots. Aun así, bajo el concepto actual, las personas aún son quienes tienen que diseñar y tomar decisiones, supervisar la fabricación y trabajar en varias funciones de línea (de producción). El sistema les ayuda a comprender el impacto de sus decisiones.
Aprendizaje automático e inteligencia artificial autónoma
Gran parte del atractivo de la IA proviene de la capacidad que tienen el aprendizaje automático, las redes neuronales, el aprendizaje profundo y otros sistemas de autoorganización de aprender de sus propias experiencias sin intervención humana. Estos sistemas pueden descubrir rápidamente patrones significativos en volúmenes de datos que sobrepasan las posibilidades de los analistas humanos. Sin embargo, hoy en día en la fabricación son expertos humanos quienes dirigen en gran medida los desarrollos de aplicaciones de IA, codificando su experiencia de haber concebido sistemas anteriores. Los expertos vienen con ideas sobre lo que ha sucedido, qué no ha funcionado y qué sí.
En un futuro, la IA autónoma podrá hacer uso de todo este extenso conocimiento especializado para que una nueva persona que trabaje, por ejemplo, en fabricación aditiva pueda sacar partido de los datos de evaluaciones operativas en tanto la IA analiza los datos de los sensores para realizar un mantenimiento preventivo y refinar el proceso. Se trataría de un paso intermedio hasta llegar a innovaciones como máquinas que se autocorrijan: cuando las herramientas empiecen a sufrir desperfectos, el sistema se adaptaría a sí mismo para mantener el rendimiento al mismo tiempo que recomendaría el recambio de las piezas usadas.
Planificación de fábricas y optimización del diseño
Las aplicaciones de la inteligencia artificial no se limitan al proceso de fabricación en sí; cabe también concebirlas para el plano de una fábrica. La estructura de la planta viene dada por gran cantidad de factores, que van desde la seguridad de los operarios hasta la eficiencia del flujo operativo. A veces puede ser importante que la planta se pudiera reconfigurar para trabajar en proyectos de breve duración o adaptarse a procesos con cambios frecuentes.
Los cambios frecuentes pueden suponer conflictos imprevistos de espacio y materiales, que a su vez pueden ocasionar problemas de eficiencia o seguridad. Dicho esto, se puede hacer un seguimiento y medir estos conflictos empleando sensores, y la IA puede cumplir una función en la optimización de la estructura de las fábricas.
Los sensores obtienen datos para efectuar un análisis en tiempo real con IA
Al emplear nuevas tecnologías en ámbitos donde existe mucha incertidumbre, como en el sector de la fabricación aditiva, es importante hacer uso del END después de haber fabricado la pieza. Las pruebas con ensayos no destructivos pueden ser muy costosas, especialmente si para ello se emplean bienes de equipo como tomógrafos (que se emplean para analizar la integridad estructural de piezas fabricadas). Los sensores de las máquinas pueden conectar con modelos construidos con un conjunto de datos proveniente del proceso de fabricación de piezas concretas. Una vez que los datos de los sensores están disponibles, se puede construir un modelo de aprendizaje automático empleando los datos de los sensores para, por ejemplo, hacer una correlación con un defecto que se haya observado en el escaneo TC. El sensor de datos puede indicar qué piezas señala el modelo analítico como probablemente defectuosas sin tener que escanearlas. Solamente se escanearían esas, en vez de tener que escanear todas las piezas que salen de la línea de producción de forma rutinaria.
La operación también puede monitorear cuántas personas están haciendo uso del equipo. Los ingenieros de fabricación hacen estimaciones cuando se diseña el equipo con respecto a cómo se operará la maquinaria. Con el análisis humano puede haber un paso adicional o un paso menos. Los sensores pueden capturar de forma fiable esa información para que la IA la analice.
La IA también puede cumplir una función en la adaptación de los procesos de fabricación y las herramientas ante las diversas condiciones medioambientales en que operen. En el caso de la humedad, por ejemplo, los desarrolladores de tecnología de fabricación aditiva han descubierto que algunas máquinas no funcionan en línea con el diseño previsto para ciertos países. Los sensores de humedad en las fábricas han servido para monitorear las condiciones, a veces descubriendo elementos que contradicen la intuición. En un caso, la humedad generó problemas en lo que era, supuestamente, un entorno de humedad controlada. Lo que sucedía era que una persona dejaba la puerta abierta cuando salía a fumar.
Un uso eficaz de los datos de los sensores requiere del desarrollo de modelos eficaces de IA. Dichos modelos deben ser formados para comprender lo que ven en los datos, qué puede causar esos problemas, cómo detectar las causas y qué hacer al respecto. Hoy en día los modelos de aprendizaje automático pueden emplear datos de los sensores para predecir cuándo va a tener lugar un problema y alertar a una persona para que lo resuelva. En definitiva, los sistemas de IA podrán predecir problemas y reaccionar de forma acorde en tiempo real. Los modelos de IA en breve tendrán la función de crear formas proactivas de hacer frente a problemas y mejorar los procesos de fabricación.
Diseño generativo
La IA cumple una función importante en diseño generativo, un proceso en el que un diseñador técnico introduce una serie de requisitos para un proyecto y después el software de diseño crea múltiples iteraciones a partir de ellos. Recientemente, Autodesk ha recabado grandes volúmenes de datos de materiales para fabricación aditiva y los está empleando para impulsar un modelo de diseño generativo. Este prototipo “entiende” cómo cambian las propiedades del material en función de cómo el proceso de fabricación afecta a las características y geometría individuales.
El diseño generativo es una técnica de optimización adaptable. Muchas técnicas de optimización tradicionales usan enfoques más generales para la optimización de piezas. Los algoritmos de diseño generativo pueden ser mucho más específicos, centrándose en un elemento concreto, aplicando una comprensión de las propiedades mecánicas de ese elemento basada en la puesta a prueba de materiales y la colaboración con universidades. Aunque los diseños son una idealización, los procesos de fabricación se producen en el mundo real, y las condiciones por lo tanto pueden no ser constantes. Un algoritmo de diseño generativo eficaz incorpora este nivel de comprensión.
El diseño generativo puede crear especificaciones y diseño óptimos en el software, pudiendo distribuir después ese diseño a distintas plantas con herramientas compatibles. Así, plantas más pequeñas y a mayor distancia geográfica pueden fabricar una gama más amplia de piezas, pudiendo además estar más cerca de donde se necesitan. Una fábrica puede producir piezas para el sector aeroespacial un lunes pudiendo fabricar el martes piezas para otros productos esenciales, ahorrando así en distribución y costos de envío. Este concepto ha cobrado más relevancia en el sector automotriz, por ejemplo.
Procesos y plantas flexibles y reconfigurables
La inteligencia artificial puede también emplearse para optimizar los procesos de fabricación y para conseguir que dichos procesos sean más flexibles y se puedan reconfigurar . La demanda actual puede determinar la distribución y estructura de una planta y generar un proceso que haga frente a la demanda que surja en el futuro. Esos modelos pueden después compararse y contrastarse entre sí, pudiendo ese análisis determinar si conviene tener menos máquinas aditivas de mayor tamaño o muchas más pequeñas, algo que puede costar menos y que permitiría su uso en otros proyectos cuando se ralentice la demanda. Una aplicación habitual de la IA es el planteamiento de situaciones hipotéticas.
Se pueden emplear los modelos para optimizar tanto la distribución de la línea de producción como el secuenciado de los procesos. Por ejemplo, puede aplicarse tratamiento térmico a una pieza aditiva en cuanto sale de la impresora 3D. Es posible que el material venga templado o tenga que volver a templarse, para lo que se requeriría otro ciclo de calor. Los técnicos pueden plantearse varias situaciones hipotéticas para determinar el tipo de equipo que debería tener la planta, teniendo en cuenta que tal vez convenga más subcontratar partes del proceso a una empresa cercana.
Estas aplicaciones de IA pueden cambiar el caso práctico que determina si una fábrica debe centrarse en un proceso exclusivo o si se deberá trabajar con multitud de productos o proyectos. En este último caso, la fábrica sería más adaptable. Poniendo el ejemplo del ámbito aeroespacial, un sector que actualmente está experimentando una caída, vemos que tal vez convendría que sus operaciones de fabricación pudieran adaptarse para fabricar también piezas de componentes médicos.
Fabricación e inteligencia artificial: aplicaciones y ventajas
La IA se empleará en distintos ámbitos de la fabricación tales como el diseño, la mejora de procesos, la reducción del desgaste de las máquinas y la optimización del consumo energético. Esta evolución ya ha empezado.
Las máquinas son cada vez más inteligentes e integradas, tanto entre ellas como con la cadena logística y otros sectores de automatización comercial. La situación ideal sería aquella en que los materiales pudieran entrar, que salieran las piezas y que los sensores monitorearan todo el paso por la cadena. Las personas podrán mantener control de los procesos, pero sin tener que trabajar en el lugar. Así se podrán liberar recursos vitales de fabricación y el personal podría centrarse en la innovación, creando nuevas formas de diseñar y fabricar piezas, en lugar de dedicarse a tareas de trabajo repetitivas, que podrán ser automatizadas.
Al igual que ocurre con todos los cambios importantes, ha habido cierta resistencia a la adopción de la IA. El conocimiento y competencias necesarios para trabajar con ella pueden escasear y ser costosos, sin que muchos fabricantes tengan esa capacidad interna. Se consideran eficaces en competencias especializadas, así que para justificar su inversión en algo nuevo o mejorar un proceso, necesitan pruebas exhaustivas, sin querer arriesgarse a ampliar la escala de una fábrica.
Esta actitud puede hacer que el concepto de factory in a box (fábrica en una caja) sea más atractivo para las empresas. La mayoría de los negocios, especialmente las PYMES, pueden adoptar procesos conjuntos end-to-end en los que el software funciona de forma fluida con las herramientas, empleando sensores y datos analíticos para mejorar. Añadir la capacidad del gemelo digital, con el que los ingenieros técnicos pueden probar procesos de fabricación tales como simulación, hace también que la decisión sea menos arriesgada.
Otro ámbito clave de la IA en la fabricación es el mantenimiento predictivo. Permite que los técnicos puedan equipar máquinas de la fábrica con modelos de IA previamente entrenados y que incorporan el conocimiento acumulado de las herramientas. Gracias a los datos obtenidos de la maquinaria, los modelos pueden aprender nuevos patrones de causa y efecto que se detecten en la planta para prevenir problemas.
La IA puede también cumplir una función en la inspección de calidad, un proceso que genera muchos datos y que se adapta de forma natural al aprendizaje automático. En la fabricación aditiva, una construcción genera hasta un terabyte de datos acerca de cómo la máquina ha fabricado esa pieza, de las condiciones de planta y de todos los problemas que haya podido detectar en la fabricación. Todos esos datos son de una magnitud demasiado grande para el análisis humano, pero no para los sistemas de IA. Todo aquello que funciona para las herramientas aditivas puede también funcionar para la fabricación sustractiva, la fundición, el moldeo por inyección y toda una gama de procesos de fabricación.
Cuando tecnologías complementarias como la realidad virtual (RV) y la realidad aumentada (RA) se sumen, las soluciones de IA reducirán el tiempo de diseño y optimizarán los procesos de la línea de ensamblaje. Los trabajadores de la línea de producción ya cuentan con equipos RV/RA que les permiten visualizar los procesos de ensamblaje, y ofrecen orientación visual para mejorar la velocidad y la precisión de su trabajo. Las gafas de RA que use el operario pueden proyectar diagramas que expliquen cómo ensamblar las piezas. El sistema puede monitorear el trabajo y hacer sugerencias indicando, por ejemplo, que ya ha apretado suficientemente con la llave, que todavía hay que apretar más, o que no se ha tirado aún del activador.
Empresas más grandes y PYMES tienen distintos ámbitos prioritarios para la adopción de la IA. Las PYMES tienden a fabricar muchas piezas y las empresas más grandes suelen ensamblar muchas que han sido fabricadas en otros lugares. Hay excepciones tales como las empresas del sector automotor, que realizan soldadura puntual en el chasis, pero también compran y ensamblan otras piezas como rodamientos y componentes plásticos.
En cuanto a las piezas, hay una tendencia emergente en el uso de componentes inteligentes: piezas con sensores incorporados que monitorean su propia condición, estrés, torque, etc. Esta idea es especialmente interesante para la fabricación de automóviles, dado que estos factores dependen más de la forma de conducir el vehículo que de la cantidad de kilómetros que recorre. Es más posible que requiera mantenimiento adicional si se conduce por una zona de baches.
Las piezas inteligentes pueden indicar que han llegado al fin de su vida útil o que es el momento de hacer una inspección. En lugar de realizar un monitoreo externo de estos puntos de datos, las propias piezas contactan de vez en cuando con los sistemas de IA para informar de un estatus normal hasta que las condiciones cambien, cuando la pieza requiere de más atención. Este enfoque recorta el volumen de tráfico de datos dentro del sistema, algo que a cierta escala puede suponer un lastre significativo en el rendimiento de procesamientos analíticos.
La mayor oportunidad y la más inmediata del valor que puede brindar la IA está en el ámbito de la fabricación aditiva. Los procesos aditivos son objetivos de primer orden, porque sus productos son más caros y menores en volumen. En el futuro, en tanto la humanidad haga crecer y desarrolle su uso de IA, es muy probable que la inteligencia artificial cobre importancia en toda la cadena de valor de la fabricación.