Cómo la inteligencia artificial reduce los tiempos de inactividad de las máquinas

Una IA detecta interrupciones y errores. Al vincularse con un modelo de flujo de trabajo, el empleado recibe recomendaciones de acción directamente en su reloj inteligente. © Fraunhofer IPA/Foto: Rainer Bez

Los algoritmos inteligentes detectan errores y signos de desgaste y el reloj inteligente informa al operario de la máquina cómo solucionar las averías: un equipo de investigación del Fraunhofer IPA ha desarrollado junto con socios de la industria un método para integrar la inteligencia artificial en el mantenimiento.

Así funciona en la industria hasta hoy en día: de manera inadvertida, surge una avería en una máquina. Esta produce desechos hasta que un empleado atento detecta el fallo y detiene la máquina. Entonces comienza el gran misterio. ¿Por qué ocurre el error? ¿Cómo se puede solucionar? Se cambian de manera totalmente aleatoria los ajustes de la máquina y se fabrican productos de prueba, hasta que en algún momento la calidad vuelve a ser buena. Quien tiene la suerte de contar con una colega experimentada que conoce el problema y sabe de inmediato cómo solucionarlo, está en ventaja.

Pero lamentablemente, estos expertos son escasos. Pronto, la inteligencia artificial (IA) podría reemplazarlos. Un equipo de investigación dirigido por Jonas Krauß del grupo de innovación de procesos en el Instituto Fraunhofer para la Tecnología de Producción y Automatización IPA ha desarrollado, junto con las empresas Maincor Rohrsysteme y Maxsyma, un método para integrar la IA en el mantenimiento.

El algoritmo detecta soldaduras defectuosas

La empresa Maincor Rohrsysteme produce en Knetzgau, en Baviera, entre otros, tubos de aluminio recubiertos de plástico para calefacciones por suelo radiante. En este proceso, pueden ocurrir soldaduras defectuosas, así como desviaciones en el grosor del recubrimiento de plástico. Hasta ahora, ambos casos significaban desechos y provocaban que la máquina se detuviera hasta que se encontraba y corregía el error.

El equipo de investigación liderado por Krauß ha desarrollado un demostrador en el que la soldadura ultrasónica se supervisa mediante una cámara y IA. Un algoritmo inteligente analiza las imágenes de la cámara y detecta inmediatamente las soldaduras defectuosas cuando se producen. Para entrenar a la IA, los científicos del Fraunhofer IPA le mostraron fotos de soldaduras buenas y defectuosas hasta que reconoció un patrón. Sin embargo, dado que no había suficientes imágenes de soldaduras defectuosas, el equipo de investigación tuvo que generarlas artificialmente en algunos casos para mejorar el proceso de aprendizaje de su modelo de IA.

La sonotrode del equipo de soldadura ultrasónica es una pieza de desgaste. El desgaste aumenta la resistencia y, por tanto, el consumo de energía. Los investigadores colocaron pinzas amperimétricas en el cable para medir la corriente. Otro algoritmo analiza estos valores. El diámetro de los tubos terminados se mide con un equipo de rayos X. Las desviaciones hacia arriba indican, por ejemplo, que la presión en el extrusor, que aplica el recubrimiento de plástico, es demasiado alta. Un diámetro demasiado pequeño indica una presión insuficiente.

El reloj inteligente da recomendaciones de acción

"Tan pronto como la IA detecta una soldadura defectuosa, un aumento en el consumo de corriente de la sonotrode o desviaciones en el diámetro, aparece un mensaje correspondiente en el reloj inteligente del operador de la máquina", explica Krauß. "Este está conectado con una recomendación de acción para solucionar rápidamente la avería sin hacer pruebas aleatorias o, en su caso, para solicitar una nueva sonotrode a tiempo." Las recomendaciones de acción se basan en modelos de flujo de trabajo, que el equipo de investigación desarrolló previamente junto con expertos en procesos. Estos modelos representan los pasos de trabajo que la IA recomienda realizar. Este mantenimiento predictivo no solo mejora las tareas de mantenimiento concretas, sino también la planificación y gestión de la producción. Porque si se sabe con anticipación cuándo se debe cambiar una sonotrode, se puede organizar la gestión de pedidos y compras en consecuencia.

La empresa Maxsyma, una desarrolladora de software de Floß en la Alta Palatinate, integrará las funciones y bibliotecas de software recién desarrolladas en su aplicación existente "iot2flow" y las adaptará para que también sean útiles para empresas de otros sectores. En Maincor, por su parte, consideran que la herramienta final, tras su implementación, podría reducir en aproximadamente un 15 a 20 por ciento la duración de las paradas de máquinas y disminuir la tasa de desechos en alrededor de un 0,5 por ciento. Además, esperan una reducción en los costos de mantenimiento y reparación, así como ganancias de eficiencia mediante una planificación y gestión de producción optimizadas.