6 formas para liberar el poder de la IA en la manufactura

Las sinergias entre las tecnologías de inteligencia artificial (IA) y la industria manufacturera son bien conocidas. La industria manufacturera, una de las primeras en adoptar la tecnología informática en la década de 1970, se ha convertido en un peso pesado de la IA en el siglo XXI. No cabe duda de que los fabricantes están apostando fuerte por la IA: según las estimaciones, el mercado mundial de la IA en la industria manufacturera estaba valorado en 3200 millones de dólares en 2023 y se prevé que crezca hasta los 20 800 millones en 2028.

No es ninguna sorpresa. Los fabricantes reconocen claramente el papel fundamental de la IA en su camino hacia la Industria 4.0 y la creación de operaciones de fabricación altamente eficientes, conectadas e inteligentes. Aunque las aplicaciones de la IA en la fabricación son ilimitadas, a continuación se presentan algunos de los casos de uso más interesantes:

Después de utilizar robots durante décadas, los fabricantes están empezando a desplegar "cobots" en sus talleres. Mientras que los robots tradicionales deben alojarse por separado, los cobots trabajan de forma segura junto a los humanos, recogiendo piezas, manejando maquinaria, realizando diversas operaciones e incluso llevando a cabo inspecciones de calidad para mejorar la productividad y la eficiencia generales. Al ser muy versátiles, los cobots pueden realizar una amplia gama de tareas, desde pegar, soldar y engrasar piezas de automoción hasta recoger y empaquetar productos manufacturados. La visión artificial basada en IA desempeña un papel fundamental para que esto sea posible.

Con la ayuda de la IA, el aprendizaje automático (ML) y el análisis de Big Data, la industria puede lograr una planificación autónoma -una planificación continua, de bucle cerrado y totalmente automatizada- para mantener el rendimiento de la cadena de suministro incluso en condiciones volátiles, con poca supervisión humana. Las empresas también pueden utilizar agentes de IA para programar líneas de fabricación complejas. Los agentes pueden tener en cuenta una serie de parámetros para encontrar la mejor manera de maximizar el rendimiento con el mínimo coste de cambio, para entregar los productos a tiempo.

Utilizando la IA para supervisar y analizar datos de maquinaria y procesos de taller, las industrias pueden identificar patrones anómalos para predecir o incluso prevenir averías. Por ejemplo, la IA puede procesar datos de vibraciones, imágenes térmicas y análisis de aceite para evaluar el estado de la maquinaria. Los conocimientos de la IA también permiten a los fabricantes suministrar piezas de repuesto y consumibles correctamente y predecir con exactitud el tiempo de inactividad que afectará a la planificación de la producción y las actividades relacionadas. El resultado es una mejora de la productividad, la rentabilidad y el estado de los equipos. La IA generativa puede añadir más valor escaneando documentos, como registros de mantenimiento y manuales de inspección, para proporcionar información procesable y precisa con la que ejecutar actividades de solución de problemas y mantenimiento.

La IA cambia las reglas del juego en las pruebas y el control de calidad. El reconocimiento de imágenes puede utilizarse para detectar automáticamente daños en los equipos y defectos en los productos. Por ejemplo, los modelos de IA entrenados con imágenes de productos buenos y defectuosos pueden predecir si un artículo puede requerir una revisión o si debe desecharse o reciclarse. Además, las capacidades analíticas de la IA pueden aprovecharse para identificar patrones en los datos de producción, informes de incidencias, quejas de clientes, etc., para descubrir áreas de mejora.

La IA generativa puede transformar la conceptualización de los productos, analizando las tendencias del mercado, destacando los cambios en el cumplimiento de la normativa, resumiendo la investigación de productos y los comentarios de los clientes, etc. A partir de esta información, los diseñadores de productos pueden innovar y mejorar los productos y garantizar su conformidad comparando las especificaciones con las normas y reglamentos pertinentes.

Los algoritmos pueden generar rápidamente diseños innovadores que superan la capacidad de los métodos tradicionales. Esto significa que los fabricantes pueden optimizar los atributos del producto más importantes para ellos: seguridad, rendimiento, estética o incluso rentabilidad. Por ejemplo, en 2019, General Motors utilizó el diseño generativo para crear prototipos de un soporte de asiento más ligero y resistente para sus vehículos eléctricos. Además, mediante el uso de soluciones de IA y software de simulación, los fabricantes pueden desarrollar, probar y perfeccionar diseños de productos sin necesidad de construir prototipos físicos; esto reduce el tiempo y los costes de desarrollo y aumenta el rendimiento del producto.

Al automatizar las tareas tediosas que consumen mucho tiempo, la IA permite a los trabajadores de la industria centrarse en actividades más creativas o sofisticadas. La IA también puede recomendar las siguientes mejores acciones para que los empleados sean más eficientes y eficaces. A diferencia de los robots de antaño, las soluciones modernas de IA, integradas con sensores y tecnología wearable, pueden advertir al personal de la fábrica sobre cualquier peligro en la planta.

A pesar de estas posibilidades y de las grandes inversiones, la industria manufacturera sigue sin obtener todos los beneficios de la IA. En una encuesta realizada a 3000 organizaciones de diversos sectores y zonas geográficas, sólo el 10% afirmó estar obteniendo beneficios financieros significativos de la IA. Esto coincide con los resultados de la encuesta Infosys Generative AI Radar - North America, en la que alrededor del 30% de las grandes empresas (más de 10 000 millones de dólares), pero menos del 10% de las empresas que ganan entre 500 millones y 10 000 millones de dólares, habían establecido casos de uso de IA generativa que estaban produciendo valor empresarial.

Aunque la industria reconoce la importancia de integrar la IA en sus procesos empresariales, los resultados les desaniman. El libro blanco del Foro Económico Mundial de diciembre de 2022, titulado Unlocking Value from Artificial Intelligence in Manufacturing (Desatar el valor de la inteligencia artificial en la manufactura), identifica seis obstáculos para la adopción de la IA en la industria, que van desde el desajuste entre las capacidades de la IA y las necesidades operativas hasta la falta de modelos de IA explicables, pasando por la importante personalización que requieren los casos de uso en la fabricación.

Para funcionar correctamente, los algoritmos de IA deben entrenarse con conjuntos masivos de datos limpios, precisos e imparciales. Dado que proporcionar esto puede ser un reto, muchas empresas recurren a datos pequeños, fragmentados, incoherentes o de mala calidad, lo que da lugar a resultados subóptimos. Incluso cuando se dispone de datos de gran tamaño, es posible que los modelos de IA no puedan consumirlos fácilmente.

Por lo tanto, antes de proporcionar datos de formación a la IA, la industria debe asegurarse de que estén armonizados, de modo que todos los miembros de la organización -en todas las funciones, unidades de negocio y zonas geográficas- puedan acceder a todos los datos que necesiten, en el mismo formato consolidado. Los datos también deben organizarse de manera que el software habilitado para la IA pueda generar perspectivas personalizadas a petición de los usuarios, como directores de fábrica, inspectores de calidad, altos directivos, etc.

La buena noticia es que una vez que los fabricantes abordan los retos clave de la implantación de la IA, pueden transformar todos los aspectos de su negocio para obtener una amplia gama de beneficios.