Lobby 33, Piso 8 Av. Patria #1891, Conjunto Real Acueducto Zapopan, Jalisco. (33)3111 6800 contacto@grupoabsa.com

Fuente: euautomation.com

Es sabido que permitir a los empleados romper con la monotonía y tomar sus propias decisiones aumenta el compromiso y la motivación. Un principio parecido se puede aplicar a las máquinas.

El aprendizaje automático implica que las máquinas no necesiten ser programadas para realizar tareas exactas de forma repetitiva, sino que puedan recopilar datos y utilizarlos para tomar decisiones fundamentadas sobre el siguiente paso que se deba dar. Esto les permite corregir errores y mejorar los parámetros operativos. Existen tres áreas principales en las que los fabricantes pueden aprovechar esta tecnología.

El mantenimiento industrial

Según McKinsey, la inteligencia artificial puede generar una reducción del 10 % en cuanto a costes de mantenimiento, una disminución de hasta un 20 % en los periodos de inactividad y un descenso del 25 % en los gastos de inspección. El aprendizaje automático desempeña un importante papel en estos efectos positivos que tiene la inteligencia artificial.

En el mantenimiento predictivo tradicional, los ingenieros programan los umbrales para el funcionamiento normal de un componente mediante un sistema de control supervisor y de adquisición de datos (SCADA). Cuando el componente se desvía de su funcionamiento normal, el sistema alerta a un ingeniero sobre el fallo que se está produciendo.

El problema de este enfoque es la falta de flexibilidad. No tiene en consideración las variaciones en la actividad de la planta ni el contexto de los procesos de fabricación. Por ejemplo, un sistema puede detectar un aumento repentino en la temperatura de funcionamiento de un componente e interpretar que se trata de un fallo, cuando en realidad se debe a la esterilización de la máquina.

La tecnología de aprendizaje automático conlleva no tener que programar los sistemas de mantenimiento predictivo con umbrales operativos normales. Estos sistemas utilizan datos de la planta de la fábrica y de los sistemas TI para supervisar los patrones operativos y tomar decisiones fundamentadas sobre qué es normal y qué no.

Garantía de calidad

Existen dos métodos principales mediante los cuales el aprendizaje automático puede mejorar la garantía de calidad (GC). En primer lugar, permite a los robots de ensamblaje supervisar y optimizar de manera continua sus procesos. En segundo lugar, el aprendizaje automático aumenta las capacidades de los sistemas de visión de las máquinas. Al igual que en el mantenimiento predictivo, los sistemas de visión de máquinas tradicionales destinados a la GC no tienen suficiente flexibilidad. Por ejemplo, si un producto aparece en un sistema con una iluminación inferior a la habitual, el sistema puede interpretar que se trata de un defecto de calidad.

Los sistemas de visión de máquinas con capacidades de aprendizaje automático utilizan algoritmos para optimizar los ajustes de la cámara y la iluminación para el objeto que inspeccionan y el entorno en el que operan. También pueden detectar y localizar objetos sin que el operador introduzca ningún dato.

Robots colaborativos

Los robots colaborativos trabajan junto a humanos gracias a la tecnología de aprendizaje automático. Dado que el entorno en el que trabajan es dinámico, deben poder adaptarse a una amplia variedad de circunstancias, desde cosas tan simples como que alguien obstaculice su ruta hasta situaciones más complejas como la introducción de un nuevo equipo en la planta de la fábrica.

Esta capacidad de adaptación es importante para garantizar que se realiza el trabajo rápidamente y de acuerdo con estándares exigentes, además de garantizar la seguridad del personal humano. Si los robots realizan la misma acción de forma repetida sin tener en cuenta el entorno que los rodea, pueden causar lesiones.

El sistema robótico DexNet 2.0 de Siemens ha demostrado la importancia del aprendizaje automático en las fábricas. Preparar un robot para que coja un objeto sin que se caiga requiere una programación compleja. DexNet 2.0 utiliza un sensor 3D y el aprendizaje automático para procesar información sobre la forma y el aspecto de un objeto y decidir cómo cogerlo. Como consecuencia, puede coger objetos que no ha visto nunca antes.

Los fabricantes deben seguir facilitando que los trabajadores humanos tengan sus propias ideas y tomen sus propias decisiones. Sin embargo, también deben ampliar esta libertad a las máquinas, a fin de aumentar la productividad, la calidad de los productos y la eficacia general de los equipos.

Por suerte, no necesita contar con un sistema de vanguardia para introducir la tecnología del aprendizaje automático en su planta de planificación. Puede readaptar los sistemas más antiguos con tecnología inteligente para lograr sacar el máximo provecho de las oportunidades que brinda esta tecnología.

A %d blogueros les gusta esto: