Inteligencia artificial: esperanza, expectación y FOMO
Publicado a las 22 de septiembre de 2022 el AI
Hace diez años recibíamos las primeras consultas sobre proyectos basados en IA, principalmente motivadas por expectación o FOMO (acrónimo en inglés de «miedo a perderse algo»). Cuando preguntaba a qué se debía su interés por la IA, la respuesta, en la mayoría de los casos, era "porque mi jefe me lo ha pedido", "porque tenemos muchos datos" o "porque parece un área interesante". Ninguna de estas razones resultaba especialmente convincente y, desde luego, no justificaba la elevada inversión que habrían requerido las aplicaciones de IA en aquella época.
Eso está cambiando, y ahora el motor es la esperanza, más que la expectación o el «FOMO». Los clientes ya no preguntan si podemos ayudarles con la IA, preguntan si podemos ayudar con el mantenimiento preventivo, el control de calidad o la optimización de procesos. Acuden a nosotros para que les ayudemos a resolver un problema determinado. La adopción de la IA ya no es un motivo o un objetivo en sí mismo, sino un facilitador.
Sea cual sea el sector, de alimentos y bebidas, farmacéutico, electrónico o del automóvil, el objetivo final es el mismo: fabricar productos de alta calidad y sin defectos a un menor coste, reduciendo la energía y la mano de obra necesarias. Y la IA puede ser una de las soluciones para conseguirlo.
Pasado, presente y futuro
Así como las actitudes han evolucionado, también lo ha hecho la tecnología. Aunque la IA es un concepto que ha existido desde 1957, las primeras aplicaciones eran inviables por ser costosas y lentas: se tardó un mes en obtener los resultados de un simple cálculo debido a las limitaciones de la capacidad de procesamiento. Gracias a los avances en tecnología móvil, almacenamiento informático y velocidades de procesamiento, hoy en día, los cálculos se pueden realizar en milisegundos y el coste ha disminuido considerablemente.
Aunque gigantes tecnológicos como Amazon y Google llevan un tiempo utilizando la IA, todavía está en sus inicios en lo que se refiere a la industria o las fábricas. Yo compararía la etapa de su ciclo de vida con la de la robótica hace 15 años, cuando se necesitaba un título de matemáticas para controlar un robot de seis ejes. Para implementar sistemas basados en IA, todavía se necesitan expertos; hay que entender lo que se hace y solo tiene sentido en aplicaciones de nicho en las que el coste de entrada puede justificarse por el beneficio.
Inteligencia artificial para problemas invisibles
También es importante recordar que la IA no es una panacea. Como fabricantes de maquinaria, científicos de datos e ingenieros, podemos cometer el error de recurrir automáticamente a la tecnología para obtener respuestas, cuando la solución más directa es algo mucho más sencillo y menos sofisticado.Tomemos, por ejemplo, un trozo de cinta transportadora que está roto y doblado. Se trata de un problema de ingeniería que se puede identificar y resolver mediante una solución mecánica tradicional. Es en los problemas menos obvios e intermitentes, como los que se manifiestan en microparadas, donde la IA puede añadir valor.
La resolución de problemas con IA en la práctica
Veamos un ejemplo de la vida real: nos llamaron para ayudar a un cliente del sector de la automoción que tenía problemas con las microparadas. Después de realizar un escaneo de datos, llevamos a cabo una comprobación del estado de la maquinaria. Esto implicaba conectar sondas a la máquina para crear imágenes de las señales que se estaban generando y determinar así lo que estaba ocurriendo frente a lo que debería haber ocurrido. A continuación, desarrollamos un experimento para identificar las causas principales. Esto nos permitió identificar y resolver unos diez problemas. El que se me ha quedado grabado es el de un fallo de sensor: uno de los sensores que estábamos monitorizando parecía haber dejado de funcionar. Cuando pedimos al cliente que lo comprobara, había un conector roto. También identificamos algunos problemas de programación, incluido un error de lógica que se reprodujo en muchas máquinas in situ, y que luego pudieron solucionar. En general, ahorraron decenas de miles de euros en productos desechados y redujeron el tiempo de inactividad en un 50 %, lo que se tradujo en cuatro horas adicionales de tiempo de producción al mes.
Otro ejemplo de aplicación es el trabajo que estamos realizando con un cliente de la industria alimentaria, para mejorar la integridad del sellado. Al aplicar un enfoque de IA a la operación de sellado, aumentaremos la vida útil en varios días y minimizaremos los fallos de sellado, eliminando así el riesgo de que los clientes minoristas rechacen un lote completo de productos.
Recopilar, analizar y utilizar
La mayoría de los proyectos hasta el momento han implementado el controlador de IA de OMRON, la primera solución del mundo de este tipo, que funciona a nivel de máquina (con hardware basado en el IPC Sysmac NY5 y la CPU NX7). Este controlador reconoce patrones basados en datos de proceso recopilados directamente en la línea de producción. Está integrado en nuestra plataforma de control de fábrica Sysmac, lo que significa que se puede utilizar directamente en la máquina para evitar pérdidas de eficiencia.
Con ejemplos como estos y siendo la IA un tema tan candente en los medios de comunicación, sería fácil suponer que todas las empresas de fabricación están a favor de la IA, cuando en realidad no es así. Los casos de aplicación de IA en fábricas son escasos y los proyectos dependen en gran medida de la experiencia del proveedor de la tecnología. En otros diez años la historia será diferente, se desarrollarán herramientas que harán que la IA sea mucho más accesible y fácil de usar, y esto a su vez permitirá a los fabricantes hacerse cargo de la IA y trabajar con ella.
Obtenga más información sobre los servicios de ciencia de datos de OMRON