La inteligencia artificial (IA) está revolucionando las operaciones de las fábricas, optimizando las líneas de producción y reduciendo costos.
La Red Global de Faros del Foro Económico Mundial destaca el papel de la IA en el impulso de la transformación digital en la manufactura.
Seis líderes explican cómo sus sitios Faro están utilizando la IA para impulsar la industria.
La IA está transformando rápidamente la planta de fábrica, acelerando el paso hacia operaciones más inteligentes y eficientes. Desde el mantenimiento predictivo hasta el control de calidad, los sistemas impulsados por IA están optimizando las líneas de producción, generando ahorros de costos y reduciendo las emisiones.
La Red Global de Faros del Foro Económico Mundial, que recientemente dio la bienvenida a 22 nuevos miembros, muestra cómo la transformación digital y tecnologías de vanguardia como el aprendizaje automático y los gemelos digitales están impulsando una excelencia operativa de nueva generación.
Estos sitios avanzados no solo están aumentando la productividad, sino que también están estableciendo nuevos estándares en sostenibilidad y desarrollo de la fuerza laboral, mejorando la colaboración entre humanos y máquinas y desbloqueando nuevos niveles de innovación.
Aquí, seis líderes comparten reflexiones sobre cómo sus sitios Faro están utilizando la IA para impulsar la industria.
Nihat Bayiz, Director de Producción y Tecnología, Beko
Mediante la integración de innovaciones impulsadas por IA, no solo hemos optimizado nuestros procesos de fabricación y diseño, sino que también hemos empoderado a nuestra fuerza laboral.
Entre las principales aplicaciones de IA se encuentra un sistema de control inteligente basado en aprendizaje automático que ajusta los parámetros en tiempo real, reduciendo la chatarra y previniendo defectos en el conformado de chapa metálica, lo que genera un ahorro del 12,5 % en costos de material.
Un modelo basado en árboles de decisión evita fallos de clinchado causados por variaciones en el espesor de la chapa, reduciendo las tasas de defectos en un 66 %. Un control de compuerta de válvula en circuito cerrado que utiliza algoritmos de redes neuronales convolucionales optimiza la inyección de plástico, analizando más de 150 mil puntos de datos y mejorando el tiempo de ciclo en un 18 %.
Los algoritmos avanzados de aprendizaje automático en el diseño de ciclos de limpieza redujeron el tiempo de llegada al mercado en un 46 % y lograron una optimización del 99 % en el rendimiento de la limpieza.
Los programas de formación que abarcan desde los principios básicos de la IA hasta las aplicaciones avanzadas de aprendizaje automático han permitido completar 3.160 horas de formación en seis meses. Un programa global de automatización orienta la adopción a escala de fábrica y el intercambio de casos de uso, gobernado por oficinas centrales y locales de transformación digital, con planes para establecer una fábrica faro por cada grupo de productos.
Jim Fox, Vicepresidente de Operaciones en Suecia y Patrocinador Ejecutivo para lo Digital, AstraZeneca
Hoy en día, AstraZeneca utiliza la IA para revolucionar la forma en que desarrollamos, fabricamos y suministramos medicamentos. En el desarrollo de fármacos, el modelado predictivo ayuda a optimizar las propiedades físicas y químicas de nuestros principios farmacéuticos activos y a predecir el rendimiento de los productos formulados durante la fabricación.
La IA generativa (IAGen), el aprendizaje automático y los grandes modelos de lenguaje ya están ayudando a reducir los plazos de desarrollo en un 50 % y a disminuir el uso de principios farmacéuticos activos en los experimentos en un 75 %.
En la fabricación, los gemelos digitales de procesos impulsados por IA optimizan las condiciones para el rendimiento y la productividad, al tiempo que reducen el uso de materias primas y minimizan los requisitos de transferencia tecnológica. Los gemelos digitales simulan la relación entre las propiedades de la sustancia farmacológica, las condiciones del proceso y la calidad del producto para optimizar las condiciones operativas.
Combinado con la fabricación continua, hemos reducido los plazos de fabricación de semanas a horas. Y con la sinergia entre IAGen y el ser humano, estamos acelerando las presentaciones regulatorias, reduciendo en más de un 70 % el tiempo necesario para crear algunos documentos.
A medida que avanzamos hacia una huella de carbono neta cero, las herramientas impulsadas por IA también nos ayudarán a lograrlo, al permitirnos analizar los datos del ciclo de vida de nuestros medicamentos y proporcionar visibilidad de las desviaciones y los “puntos críticos” de emisiones para poder mitigarlos en toda la cadena de suministro.
Anand Laxshmivarahan. R, Director Digital y de Información, Jubilant Bhartia Group
En Jubilant Ingrevia hemos adoptado la IA y el aprendizaje automático en todas las etapas de producción para aumentar la eficiencia, reducir las variaciones de proceso y optimizar el rendimiento y la capacidad de producción.
Hemos implementado ampliamente “gemelos digitales”, réplicas virtuales de activos críticos, para modelar, prever y gestionar las operaciones en tiempo real. Modelos específicos de IA o de aprendizaje automático optimizan los parámetros de producción, aprovechando datos históricos y actuales para garantizar la calidad y la eficiencia en el uso de recursos.
Utilizando los conocimientos de nuestro modelo de Gestión del Desempeño Digital, hemos reducido la variabilidad de los procesos en un 63 %.
Nuestras unidades de fabricación están equipadas con sistemas de monitoreo basados en el internet de las cosas, con análisis predictivo: algoritmos de IA superiores que predicen fallos de equipos antes de que ocurran. Este enfoque ha reducido el tiempo de inactividad en más de un 50 %, mejorando notablemente nuestra eficiencia operativa.
Los sensores blandos, impulsados por IA, mejoran la recopilación y el análisis de datos, lo que permite mejorar la calidad del producto y optimizar las condiciones del proceso. El sistema de análisis impulsado por IA gestiona el consumo de energía, reduce los costos operativos y logra una disminución del 20 % en las emisiones de Alcance 1, en apoyo de los objetivos de sostenibilidad.
La integración de la IA en todo nuestro proceso de producción mejoró la automatización y aumentó la eficiencia operativa, sentando las bases para un futuro más sostenible y respetuoso con el medio ambiente. Con un enfoque decidido en las 50 plantas, planeamos implementar entre 10 y 12 casos de uso que involucran tecnologías emergentes en nuestras operaciones globales este año y el próximo.
Un primer paso clave para ello ha sido garantizar que todas nuestras plantas estén conectadas e integradas con un Lago de Datos Operativos, para obtener una visión integrada y en tiempo real de los datos que nos permita ofrecer intervenciones basadas en IA o aprendizaje automático que mejoren el rendimiento y la capacidad de producción.
Nuestro JUMP (Planta Modelo Jubilant) funciona como un faro digital para perfeccionar los modelos de IA antes de su despliegue más amplio, mientras que nuestro Centro de Excelencia Digital impulsa esta transformación con expertos en IA y formación Digital 101 para todos los empleados.
El reconocimiento también es clave en este camino: nuestro programa de recompensas impulsa a los campeones digitales, mientras que DigiScoop difunde historias de éxito, contribuyendo a escalar la innovación.
Creemos que la adopción de la IA en toda la empresa redefinirá lo que es posible en la fabricación química.
Stephan Schlauss, Director Global de Manufactura, Siemens AG
En Siemens, experimentamos a diario el impacto transformador de la IA en la manufactura, lo que aumenta la productividad, la eficiencia y la sostenibilidad. Ante el aumento de los costos laborales, la escasez de habilidades y la necesidad de soluciones ecológicas, la IA es una parte fundamental de nuestra visión del metaverso industrial.
Las aplicaciones de IA ofrecen resultados notables en toda nuestra cadena de valor en la Fábrica de Electrónica de Siemens en Erlangen. Por ejemplo, el aprendizaje automático optimiza los procedimientos de prueba, aumentando significativamente el rendimiento en la primera pasada y mejorando la eficiencia.
Los robots habilitados por IA que recogen y colocan distintas piezas y materiales en nuestras líneas de ensamblaje totalmente automatizadas reducen los costos de automatización en un 90 %. Los trabajadores manuales también cuentan con sistemas guiados por IA, lo que mejora la productividad y la calidad.
Nuestra infraestructura de IA de grado industrial, basada en hardware y software de Siemens, simplifica la adopción y reduce la gestión del cambio.
Las canalizaciones automatizadas de entrenamiento e implementación minimizan los esfuerzos de actualización, mientras que la supervisión automatizada continua garantiza la fiabilidad y la confianza en los algoritmos de IA. Esto mejora la escalabilidad, reduce las barreras de adopción y fomenta la confianza.
Guoxin Yao, Gerente General de Cadena de Suministro, Unidad de Negocio Ambiente, Mengniu Dairy
La “digitalización 1.0” de Mengniu se centró en digitalizar las granjas lecheras y las fábricas para lograr una cobertura digital integral en el lado de la oferta, desde la leche cruda hasta la producción.
La digitalización 2.0 cambió hacia la optimización de la gestión mediante la creación de un sistema digital de marketing y operaciones del lado del consumidor, que genera perfiles precisos de consumidores para mejorar las experiencias de servicio y el marketing.
Con la digitalización 3.0, Mengniu integra la IA en los lados de la oferta y del consumidor para optimizar los procesos de la cadena de suministro y aumentar la eficiencia. Han surgido tres escenarios clave de IA.
En su Laboratorio Integral, módulos de IA como el reconocimiento de imágenes mediante redes neuronales y la programación inteligente basada en aprendizaje por refuerzo reemplazan las pruebas manuales, garantizando precisión y eficiencia en las etapas críticas de prueba.
Para las compras y la entrega cíclica, la IA automatiza la programación de pedidos a proveedores y la asignación de vehículos, lo que incrementa la rotación de inventario en un 73 % y la eficiencia operativa en un 8 %.
En el mantenimiento predictivo, los algoritmos de IA analizan los datos de los equipos para prever fallos y prevenir el tiempo de inactividad. Estos sistemas han mejorado la toma de decisiones de producción en su conjunto y la eficiencia operativa.
Simon Zhang, Vicepresidente y Director de Datos, Midea Group
Las lavadoras Midea exploran y reestructuran nuevas capacidades ecológicas y sostenibles de extremo a extremo, desplegando ampliamente una variedad de tecnologías digitales integradas con aplicaciones de IA en el diseño de productos, la fabricación (calidad, equipos y energía) y la logística, promoviendo la operación inteligente en diversos subescenarios.
Hemos logrado una reducción del 25 % en los ciclos de desarrollo, una reducción del 53 % en la mala calidad y una optimización del 29 % en las rutas logísticas. La empresa está presenciando la adopción a escala de fábrica mediante el uso de la IA.
La aplicación profunda de la IA en todo el proceso de fábrica abarca 457 subescenarios, principalmente mediante algoritmos inteligentes de muestras pequeñas desarrollados internamente y plataformas abiertas de nube de IA, lo que reduce significativamente el tiempo de recopilación de muestras y entrenamiento, y disminuye los costos de promoción a escala y de operación.
