Inteligencia Artificial resistente

2ndSCIN® es una cubierta protectora para robots y otros componentes de automatización, que imita la piel humana. © Fraunhofer IPA, foto: Rainer Bez

Un equipo de investigación dirigido por Brandon Sai (a la derecha en la imagen) ha desarrollado una herramienta que identifica las causas de las pérdidas de productividad en instalaciones conectadas y permite una rápida resolución de fallos. © Fraunhofer IPA, Foto: Rainer Bez

El Future Work Lab en Stuttgart alberga la mayor colección de demostradores de Alemania, que muestran cómo probablemente será el trabajo de producción del futuro. © Fraunhofer IPA, foto: Rainer Bez

La inteligencia artificial (IA) optimiza procesos y hace que toda la producción sea más confiable, flexible y resistente. Cómo funciona exactamente, muestran investigadores del Fraunhofer IPA del 12 al 16 de abril en la Hannover Messe, que este año se realiza de forma virtual.

Desde la crisis del coronavirus, el término «resiliencia» ha estado en auge. Originalmente proviene de la ciencia de materiales y describe la propiedad de un cuerpo de volver a su forma original después de una deformación. Aplicado a sociedades enteras, la economía, empresas individuales o también a sus líneas y plantas de producción, la resiliencia se refiere a la capacidad de afrontar tiempos de crisis y perturbaciones sin afectar de forma duradera.

Cómo la IA puede hacer que la producción industrial sea más resiliente y optimizar procesos, lo muestran algunas exhibiciones que investigadores del Instituto Fraunhofer para Tecnología de Producción y Automatización IPA presentan del 12 al 16 de abril de 2021 en la Hannover Messe, que este año se realiza de forma virtual.

El nombre lo dice todo: Maximize Overall Equipment Effectiveness

Un equipo de investigación dirigido por Brandon Sai del departamento de Planificación de Fábricas y Gestión de Producción ha desarrollado una herramienta que detecta las causas de pérdidas de productividad en instalaciones en cadena y permite una rápida eliminación de fallos. Con «Maximize Overall Equipment Effectiveness» (MOEE), los algoritmos implementados analizan automáticamente el comportamiento de una instalación y crean un modelo de proceso individual. Se visualizan y evalúan las diferentes etapas de un ciclo de producción.

«Los algoritmos calculan, por ejemplo, qué procesos ocurren en qué momento y en qué orden, y cuánto tiempo duran. Si los pasos del proceso no se realizan a la velocidad deseada y no están optimamente coordinados, esto indica algo sobre el rendimiento», explica Sai. Además, los algoritmos de autoaprendizaje proporcionan información sobre la calidad lograda. «Mediante una combinación de creación automática de modelos de proceso y técnicas de aprendizaje automático, detectamos pérdidas de productividad en el momento en que ocurren y contribuimos a una rápida resolución del problema», aclara Sai.

Una mirada al futuro: el Future Work Lab

En una línea similar, los instrumentos de recopilación de datos flexibles que ha desarrollado un equipo de investigación del departamento de Planificación de Fábricas y Gestión de Producción. Los científicos combinan un sistema modular de sensores con algoritmos de IA para reconocimiento de procesos, con el fin de identificar automáticamente potenciales de optimización en la producción. Esto es solo uno de los aproximadamente 50 demostradores que investigadores del Fraunhofer IPA y del cercano Instituto Fraunhofer para Economía del Trabajo y Organización (IAO) han construido en el Future Work Lab, que funciona en conjunto.

«En el Future Work Lab mostramos el potencial de los sistemas de asistencia cognitiva y los métodos participativos de implementación para su uso en sistemas de producción empresariales», dice Simon Schumacher, director del proyecto Future Work Lab en el Fraunhofer IPA. Ahora, la mayor colección de demostradores de Alemania, que muestran cómo probablemente será el trabajo de producción del futuro, puede experimentarse en la Hannover Messe.

Juntos somos fuertes: red AI4DT

Un gemelo digital es una representación virtual de máquinas, productos o sistemas reales, como fábricas u organizaciones, con sus propiedades, estado y comportamiento. Sirve como un modelo de datos que una inteligencia artificial evalúa, de la cual extrae conclusiones y recomendaciones de acción. Sin embargo, las pequeñas y medianas empresas (PYME) enfrentan desafíos considerables en la conceptualización, aplicación y uso de gemelos digitales e IA.

Para poder enfrentarlos juntos, el estado de Baden-Württemberg y la provincia de Noord-Brabant se unieron en enero de 2021 en el campo de laboratorio neerlandés-alemán «Artificial Intelligence for Digital Twins (AI4DT)». Esta red de empresas, expertos en la materia y proveedores de tecnología tiene como objetivo desarrollar, probar e implementar soluciones industriales inteligentes. El director del proyecto AI4DT es el profesor Daniel Palm del Fraunhofer IPA, quien lo presenta en la Hannover Messe.

Un traje a medida para robots: 2ndSCIN®

No solo una producción más autónoma y resiliente, sino también una producción ultralimpia, se vuelve cada vez más importante: «Desde la producción de baterías hasta la biotecnología, solo entornos de producción limpios permiten la alta tecnología del futuro», dice Udo Gommel, director del departamento de Reinst y Microproducción en el Fraunhofer IPA. Pero para muchos fabricantes, la certificación de salas limpias para robots y otros componentes de automatización es un proceso complicado, que requiere mucho tiempo y dinero.

Por ello, Gommel y sus colegas han desarrollado 2ndSCIN®, que en cierto modo es un traje a medida para robots. Este recubrimiento de protección está hecho de un textil permeable, móvil y multicapa, que imita la piel humana en su funcionamiento. Según la aplicación, pueden superponerse dos o más capas, separadas por espaciadores. En los espacios intermedios, se puede succionar o expulsar aire. Así, se pueden eliminar partículas provenientes del entorno o del propio componente de automatización. Las capas textiles también están equipadas con sensores que miden continuamente parámetros como cantidad de partículas, presión o humedad. Mediante algoritmos de IA, estos datos pueden analizarse y facilitar una estrategia de mantenimiento predictivo.