Los robots llevan ya mucho tiempo encargándose de los movimientos físicos y las tareas repetitivas. Todo eso está muy bien hasta que la planta de producción empieza a ralentizarse, con material a la espera de ser cargado en la máquina, piezas cortadas sin clasificar y operaciones posteriores paralizadas.
Ahí es cuando la IA puede entrar en escena y, con el tiempo, suponer un auténtico punto de inflexión. ¿Qué puede aportar al proceso? La capacidad de utilizar los datos de producción para respaldar la toma de decisiones. Como Sheet Metal Industries señala, la IA puede convertir «los datos en capacidad de toma de decisiones», utilizando la información para identificar cambios y mejorar las respuestas. Suena trivial, o como algo que un operario experimentado puede hacer por mero instinto, pero no lo es.
La automatización es fantástica cuando el proceso es predecible. Mientras todo siga igual, no habrá ningún problema. La situación se complica cuando esa secuencia cambia. Llegan pedidos con prioridades diferentes, las máquinas dejan de estar disponibles, el material se retrasa o una operación posterior lleva más tiempo del previsto. En ese caso, es posible que un planning elaborado al inicio de un turno ya no refleje lo que está ocurriendo en la planta horas más tarde.
La IA puede identificar estos cambios en tiempo real y ajustar tu planificación en consecuencia. Lo mismo pueden hacer tus trabajadores más experimentados. Lo que probablemente no puedan hacer es predecir cuándo y dónde se producirán los problemas. Una investigación sobre las aplicaciones de la IA en el conformado de chapa describe cómo se pueden utilizar los datos para identificar patrones antes de que las desviaciones en el proceso se hagan visibles, lo que permite que la fabricación avance hacia un control más proactivo.
El mantenimiento predictivo se basa en el mismo principio. Los datos de los sensores, como las vibraciones, la temperatura o los patrones de uso, pueden revelar cambios antes de que provoquen una parada inesperada, lo que permite planificar el mantenimiento en lugar de que este se vea obligado a realizarse a raíz de una avería.
Estamos hablando de un cambio de una producción reactiva a una producción predictiva y sin esfuerzo. Algo que, hasta ahora, habría sonado más a ciencia ficción o a una ilusión que a una realidad.
En lo que respecta a los ejemplos, nuestro sector se presta especialmente bien a ello, ya que implica una secuencia de actividades estrechamente relacionadas entre sí: almacenamiento, apilado, corte, descarga, clasificación y procesamiento posterior.
Y el propio corte por láser hace que estas relaciones resulten aún más evidentes. A medida que aumentan las velocidades de corte, el tiempo necesario para cargar la siguiente lámina y retirar la anterior cobra una gran importancia.
¿Qué papel desempeña la IA en el proceso de corte propiamente dicho? El software de anidamiento puede utilizar algoritmos para mejorar el aprovechamiento del material. Los sistemas de supervisión pueden identificar condiciones inusuales o cuellos de botella que se estén produciendo. El control de calidad es otro ejemplo. La visión asistida por IA puede analizar imágenes y procesar datos durante la producción, en lugar de esperar a que se inspeccione un lote ya terminado. En aplicaciones de conformado, se están estudiando sistemas de aprendizaje automático para predecir defectos como grietas, arrugas, retroceso elástico y adelgazamiento excesivo. El resultado es un sistema en el que las máquinas individuales están menos aisladas de las operaciones que las rodean.
Como señala The Fabricator señala, un fabricante puede disponer de equipos muy productivos y, aun así, perder capacidad en otras partes de la cadena de producción. En este sentido, la IA puede ayudar haciendo lo que mejor sabe hacer: procesar enormes cantidades de información en segundos, algo para lo que la mente humana simplemente no está preparada. Puede examinar datos de ventas y ofertas o utilizar conocimientos sobre producción para apoyar las tareas de presupuestación e ingeniería. Esto amplía el concepto de producción conectada más allá de las propias máquinas. El objetivo es reducir también los retrasos entre las fases comercial, de planificación y de producción.
Por supuesto, la calidad de la contribución de la IA depende de la calidad de los datos que se le proporcionen. Los datos fragmentados o mal organizados limitan el valor que puede aportar la IA, independientemente de su sofisticación (y de su coste).
Por lo tanto, el software, las máquinas y los equipos de manipulación deben intercambiar información correctamente, y los operadores y técnicos también deben comprender los sistemas lo suficientemente bien como para cuestionar sus resultados cuando sea necesario.
El mismo principio se aplica a la ingeniería. La inteligencia artificial puede ayudar a detectar detalles que se hayan pasado por alto o a agilizar las tareas rutinarias, pero sigue siendo necesario que personas con experiencia validen el resultado.
La orientación general no consiste simplemente en contar con más robots o más inteligencia artificial, sino en lograr un mejor intercambio de información entre el ser humano y la máquina. Así es también como el NIST enmarca el desarrollo de la IA en la fabricación inteligente: el progreso no depende solo de los algoritmos, sino también de la interoperabilidad y la integración.
Para los fabricantes de chapas metálicas, esto significa que el valor de la IA se medirá cada vez más en función de un criterio práctico: si contribuye a que los materiales, la información y los pedidos circulen por la línea de producción con menos interrupciones.
