Ritmo en la era de la producción digital

La cubierta protectora patentada 2ndSCIN® hace que cualquier componente de automatización en movimiento sea apto para salas limpias. © Fraunhofer IPA/Foto: Rainer Bez

Un robot agrícola del Fraunhofer IPA se encarga del control de malas hierbas en un vivero de árboles. © Oficina Federal para Agricultura y Alimentación/Fraunhofer

Con el software pitasc, aplicaciones de ensamblaje como encajar o empujar componentes entre sí pueden ser automatizadas de manera que tengan sentido económico. © Fraunhofer IPA/Foto: Rainer Bez

El software »ARCaide Assembly Suite« apoya a los profesionales con, por ejemplo, planificación de montaje automatizada o asistencia en el montaje basada en realidad aumentada. © Fraunhofer IPA/Foto: Rainer Bez

El aprendizaje automático ayuda a hacer tecnologías como la recogida en caja más autónomas. © Fraunhofer IPA/Foto: Rainer Bez

En el proyecto de investigación rob-akademI, los robots aprenden a montar para que sea posible una programación más flexible. © Fraunhofer IPA/Foto: Rainer Bez / En el proyecto de investigación rob-aKademI, los robots aprenden a ensamblar para que una programación más flexible sea posible. © Fraunhofer IPA/Foto: Rainer Bez

Inteligencia Artificial Explicativa: En la feria automatica, Fraunhofer IPA presenta métodos que visualizan las decisiones de las redes neuronales y las hacen transparentes y comprensibles para el usuario. © Fraunhofer IPA/Foto: Marco Huber

Con la ayuda del análisis de datos de PLC y sensores, se pueden detectar automáticamente ineficiencias o pérdidas en las líneas de producción. © Fraunhofer IPA/Foto: Rainer Bez

Sostenible, autónomo, inteligente, puro: Desde robots autoaprendientes para el campo y la fábrica hasta tecnologías de salas limpias de última generación, procedimientos para la explicabilidad del aprendizaje automático y herramientas de software para una producción optimizada: el Fraunhofer IPA muestra en la automatica del 21 al 24 de junio de 2022 una gran variedad de aplicaciones y servicios para la producción automatizada.

Con cuatro clusters, la feria de presencia automatica regresa este verano tras una pausa debido a la pandemia: »Transformación digital«, »Inteligencia artificial«, »Hombre y máquina« y »Producción sostenible« – cuatro temas en los que también el Fraunhofer IPA de Stuttgart investiga intensamente y para los que implementa innovaciones. En la feria, los empleados del instituto mostrarán en 240 metros cuadrados lo que ya es posible hoy y hacia dónde irá el camino en la automatización.

Robots exteriores para una agricultura sostenible

Este camino no siempre tiene que realizarse en la fábrica, como demuestra la exposición sobre robótica agrícola. El robot agrícola »CURT«, desarrollado por el científico Kevin Bregler y su equipo, sirve para la regulación mecánica de malezas. Así, CURT busca reducir el uso de plaguicidas en la protección de cultivos, posibilitando incluso la total eliminación de herbicidas y creando una agricultura ecológica y económicamente viable.

La exposición muestra un sistema robótico cuya hardware y software han sido completamente desarrollados en el Fraunhofer IPA. Un componente hardware importante es, por ejemplo, el manipulador, que elimina las malezas de manera energéticamente eficiente y respetuosa con el medio ambiente. En cuanto al software, funciones clave son la navegación y el procesamiento de imágenes. De este modo, el robot puede encontrar su camino de forma autónoma y segura en condiciones dinámicas difíciles en los campos, además de reconocer plantas individuales, filas de plantas y malezas a eliminar. Los datos recopilados también pueden contribuir a que, mediante inteligencia artificial (IA), los procesos y decisiones sean más eficientes y autónomos. El robot simboliza muchas actividades del instituto relacionadas con una agricultura respetuosa con los recursos y sostenible.

Identificación sistemática de potenciales de automatización

De vuelta en la línea de producción: aquí, muchas empresas se preguntan si y cómo pueden automatizar sus tareas de montaje. Desde hace años, el Fraunhofer IPA ofrece el análisis de potencial de automatización (APA) para responder a esta pregunta. Inicialmente, la APA dependía del conocimiento de un experto en automatización. Ahora, una nueva app facilita el acceso a este conocimiento. Guía a los usuarios para analizar sus propios procesos de montaje, evalúa las respuestas y proporciona información sobre potenciales de automatización. »Con nuestra app, cualquiera puede convertirse en experto en evaluación de procesos de montaje«, explica Joshua Beck, investigador en el Fraunhofer IPA y co-desarrollador de la app. Al considerar aspectos técnicos y económicos, la app ofrece una base de datos amplia para decisiones de inversión. Se puede adquirir mediante un contrato de licencia simple para pruebas. Además, en el instituto hay un demostrador para fines formativos.

Montaje inteligente

Una software para la automatización del montaje es NeuroCAD. Analiza las propiedades de componentes mediante procedimientos de aprendizaje automático y estima en qué medida un componente es adecuado para la automatización del montaje. Los usuarios pueden subir gratuitamente sus archivos STEP en https://neurocad-dev.web.app/dashboard y en pocos segundos conocer qué tan fácil o difícil es separar un componente. Además, la herramienta evalúa las superficies de agarre y la alineación del componente. El red neuronal también indica la probabilidad de que su resultado sea correcto. NeuroCAD ayuda a evitar construcciones de componentes desfavorables y a acelerar los procesos de montaje.

El sistema modular pitasc para programar procesos de montaje controlados por fuerza muestra cómo procesos realizados manualmente, como clipado, remachado o atornillado, pueden automatizarse de manera rentable. »Hasta ahora, era necesario programar un sistema robótico para cada aplicación de forma casi desde cero. Con nuestro software, tareas modeladas una vez se pueden transferir rápidamente a nuevas variantes de productos, productos diferentes e incluso a robots de otros fabricantes, simplemente ajustando los parámetros«, explica Frank Nägele, jefe del grupo de programación y control de robots en el Fraunhofer IPA. El software, estructurado como un sistema de módulos, permite programar procesos de montaje de forma modular: contiene muchos bloques de programa predefinidos y reutilizables, que se pueden combinar de forma individual para configurar un sistema robótico. pitasc está listo para su uso en aplicaciones piloto, que los científicos desean implementar en colaboración con empresas.

La tecnología básica de todas las funciones del nuevo software »ARCaide Assembly Suite« es una IA que analiza y evalúa los archivos STEP, que contienen información detallada. Estos archivos, generados por cualquier sistema CAD, proporcionan toda la información necesaria para derivar datos de montaje estructurados con precisión. Otro componente de ARCaide es el »Assembly Composer«. Este lee la información de montaje extraída del archivo STEP y la introduce en una herramienta gráfica para la planificación del montaje. La herramienta presenta de forma sencilla y gráfica información relevante para los especialistas, facilitando la planificación del montaje sin errores. La asistencia de montaje basada en IA »KIM« completa el trío de componentes de software. Genera automáticamente y de forma económica asistentes de montaje que apoyan a los operarios de manera interactiva. La asistencia es variable y puede basarse en realidad aumentada o en ayudas 2D o 3D.

Robots que aprenden gracias a la IA

No solo el montaje, sino también la manipulación de objetos en cajas sigue siendo un desafío para la automatización. Con la exposición AI Picking, el Fraunhofer IPA muestra cómo los procedimientos de aprendizaje automático y las simulaciones mejoran significativamente la autonomía y el rendimiento de los robots.

Los científicos demuestran esto con un robot que recoge objetos de una caja o paleta en posiciones indefinidas. Una estimación de posición de objetos basada en IA proporciona posiciones robustas y precisas en pocos milisegundos. »Los nuevos objetos se pueden aprender rápidamente a partir de un modelo CAD«, explica el líder del proyecto Felix Spenrath. »El software también puede detectar y resolver enganches, y manejar de forma robusta materiales de embalaje.« El robot fue entrenado exhaustivamente en simulación y luego se transfirió ese conocimiento a la aplicación real. Las posiciones y estrategias de agarre se generan y evalúan automáticamente en base a ese conocimiento. Una interfaz intuitiva completa la aplicación.

Además de la manipulación, la automatización del montaje también se beneficia de robots que aprenden. Cómo lograrlo, se muestra en la exposición del proyecto de investigación conjunta rob-aKademI. El objetivo del proyecto es facilitar la programación flexible de robots para tareas de montaje con poco esfuerzo. Está dirigido principalmente a empresas que buscan una entrada sencilla y futura en la automatización robótica del montaje. Para ello, se ha creado un entorno de simulación en el que el robot aprende a montar a partir de datos CAD y mediante el método de »Reinforcement Learning«, es decir, aprendizaje por ensayo y error. También aprende a manejar tolerancias en las piezas o imprecisiones en el proceso. Así, se busca una automatización robusta del montaje basada en robots, incluso para lotes de hasta 1 metro de tamaño. Una celda robótica mostrará un escenario de aplicación concreto de estas tecnologías.

Producción sin contaminación gracias a la »segunda piel«

No solo una producción más autónoma, sino también ultralimpia, es cada vez más demandada. »Los entornos de producción limpios permiten las tecnologías de alta tecnología del futuro«, explica Udo Gommel, jefe del departamento de microproducción y salas limpias en el Fraunhofer IPA. »Las tecnologías clave del mañana solo avanzan con tecnología de pureza. Es fundamental: desde la producción de baterías hasta la biotecnología.«

En este contexto, la cubierta de protección patentada 2ndSCIN® hace que componentes dinámicos de automatización, como un robot para producción ultralimpia, estén listos para su uso. La cubierta está hecha de un textil multicapa, permeable y móvil, que imita la piel humana en su funcionamiento. Dependiendo de la aplicación, pueden superponerse dos o más capas, separadas por espaciadores. En cada espacio, se puede succionar o expulsar aire, eliminando partículas provenientes del entorno o del componente de automatización. La introducción de gases especiales en los espacios del sistema permite, por ejemplo, su esterilización. Además, la cubierta puede cambiarse en aproximadamente una hora y reutilizarse tras una descontaminación. Las capas textiles también están equipadas con sensores que miden continuamente parámetros como concentración de partículas, contaminación química, presión o humedad. Algoritmos basados en IA analizan estos datos y permiten, por ejemplo, mantenimiento predictivo. »2ndSCIN® es extremadamente variable en su estructura, lo que nos permite adaptar soluciones a necesidades específicas«, explica Gommel. »Así, abordamos muchos requisitos para cubiertas de protección aptas para entornos limpios, que productos existentes no cumplen.«

Explicar el aprendizaje automático

En robótica y en muchas otras áreas de producción y servicios, cada vez se utilizan más procedimientos de aprendizaje automático y redes neuronales artificiales. Dependiendo de la aplicación, es cada vez más importante y, en algunos casos, también legalmente obligatorio, entender cómo trabajan y por qué llegan a un resultado. Deben ser explicables. Hasta ahora, esto no siempre ha sido posible debido a su complejidad. »Cuanto más potente sea una red neuronal, más difícil será entenderla«, explica el profesor Marco Huber, director del Centro de Ciber-Inteligencia Cognitiva (CCI) y del departamento de procesamiento de imágenes y señales en el Fraunhofer IPA.

En la automatica, el Fraunhofer IPA presenta bajo el lema »Explainable AI« (xAI) procedimientos que visualizan las decisiones de las redes neuronales y las hacen transparentes y comprensibles para el usuario. »Esta trazabilidad fortalece la aceptación de la IA, genera confianza, mejora su funcionamiento correcto y aporta seguridad jurídica«, explica Huber. Los procedimientos de explicabilidad son adecuados para todas las aplicaciones que utilizan redes neuronales o aprendizaje automático, especialmente en ámbitos críticos de seguridad o altamente regulados.

Hacer los procesos de producción más transparentes y eficientes

Cuando la eficiencia global de un sistema de producción o »Overall Equipment Effectiveness (OEE)« no alcanza el nivel deseado, es necesario identificar la causa de la desviación. Para ello, se debe analizar el proceso de producción en la mayor medida posible. Los análisis a nivel MES o SCADA consideran el proceso de forma resumida y no proporcionan información sobre las causas internas. Sin embargo, la creciente conectividad en la producción abre nuevas vías para la optimización. Aquí entra en juego la optimización autónoma de la producción. Mediante el acceso a diversas fuentes de datos, se puede hacer transparente el proceso y, sobre esa base, optimizar automáticamente la OEE.

La realización de esta visión – Maximize Overall Equipment Effectiveness – se demuestra con la exposición »MOEE«, que simula una línea de producción automatizada. Esta línea se observa tanto mediante control como con sensores externos, como barreras ópticas o cámaras. Estas fuentes de observación se utilizan para crear un modelo de comportamiento de la línea. Esto permite analizarla continuamente en línea, detectar comportamientos normales y, en base a ello, identificar cuellos de botella o pérdidas de producción. »Con este enfoque, proporcionamos transparencia en los procesos a nuestros clientes y detectamos automáticamente sus potenciales de optimización«, explica Yannick Mayer, científico en el Fraunhofer IPA y co-desarrollador de MOEE.