La inteligencia artificial ayuda a impulsar las capacidades de fabricación

people discuss deep learning in an industrial setting

Durante décadas, la automatización con visión artificial ha sido una de las formas más populares para que los fabricantes pudieran aumentar sus márgenes. En la actualidad, la automatización con tecnología de inteligencia artificial (IA) está transformando la capacidad de los fabricantes de mejorar sus operaciones comerciales y conseguir nuevos clientes.

En su versión más básica, la IA permite que los sistemas de máquinas y de computación aprendan a partir de datos y ejemplos para predecir resultados. De acuerdo a Forrester Research, un sorprendente 53 % de los responsables de las decisiones sobre tecnología están implementando o expandiendo el uso de IA, y otro 20 % adicional planea implementar la IA en un plazo de 12 meses. La fabricación es una de las industrias más grandes en aprovechar la IA, junto al cuidado de la salud y la venta minorista. Se espera que el gasto de la IA en fabricación aumente casi un 50 % por año, hasta alcanzar $17,2 mil millones en 2025.

La IA se puede aprovechar en áreas diversas como la gestión de la cadena de suministros, pruebas calidad e inspección, o el mantenimiento predictivo del equipamiento. La IA tiene un verdadero poder de transformación para reformular la forma en que los fabricantes piensan en todas sus operaciones. Sin embargo, a medida que esta tecnología innovadora avanza y se torna más amigable, muchos fabricantes siguen teniendo dificultades para aprovecharla al máximo, principalmente por los desafíos percibidos que involucran el costo, tiempo de inicio, experiencia necesaria y confiabilidad de los resultados.

Al redefinir sus expectativas de rendimiento, ya sea detectar defectos, evitar rechazos erróneos o ahorrar tiempo, los fabricantes que aprovechan la IA, en especial las aplicaciones basadas en Deep Learning, como parte de su estrategia de automatización de inspección pueden disfrutar de grandes ganancias económicas y materiales.

 

Un proyecto exitoso de Deep Learning tiene la capacidad de generar ahorros en los costos, además de mejorar el rendimiento y el entendimiento del proceso productivo. Si bien existen costos iniciales directos vinculados a implementar una solución de Deep Learning, que incluyen gastos de software y hardware, costos de desarrollo para el personal de ingeniería y el tiempo necesario para reunir datos, los beneficios directos e indirectos son significativos.

Aquí exploraramos tres de los beneficios esperados e inesperados de la IA, más allá del cálculo financiero directo de la tasa de retorno a la inversión (ROI).

Recorte de costos y reducción de gastos generales

Los fabricantes que están dispuestos a arriesgarse a reemplazar prácticas laborales obsoletas, en particular la inspección manual, donde es muy difícil implementar la visión artificial, serán recompensados con una disminución en los gastos generales. La inspección manual está dominada por los costos de mano de obra en los que se incurre anualmente e incluye la rotación de personal y gastos de reentrenamiento. Los inspectores humanos son frecuentemente superiores a las soluciones automatizadas cuando prestan atención exclusiva. Pero la mayoría de los operadores solo pueden enfocarse de 15 a 20 minutos, lo que produce inconsistencias durante un turno o entre las líneas de producción. Al calcular el retorno de inversión de un proyecto de IA, muchos fabricantes se sorprenden con lo rápido que mejoran su rendimiento y productvidad.

Acelerar la implementación

Esto puede sonar sorprendente, ya que muchas personas asumen que el tiempo de inicio involucrado en el alcance de una aplicación de IA es significativo. Sin embargo, el nuevo software de IA fácil de usar diseñado para la automatización industrial puede acelerar el plazo de comercialización. Tengamos en cuenta el tiempo y esfuerzo necesarios para programar y mantener con precisión aplicaciones de visión artificial que cuentan con un elemento de juicio humano: con el tiempo, las bibliotecas de errores, las excepciones a contabilizar y los filtros pueden ser inmensos. En lugar de escribir algoritmos o programar reglas complejas para una computadora, la IA le enseña al sistema a aprender en función de conjuntos de datos y a tomar decisiones derivadas de esos ejemplos. Con el respaldo de algunos ingenieros de calidad y entre algunos cientos y miles de imágenes de capacitación, una aplicación de IA puede implementarse, probarse y pulirse en cuestión de semanas.

Mejorar la analítica y el control del proceso ascendente

Una solución de IA que documenta los resultados de inspección da tranquilidad al usuario, además de permitir verificar retroactivamente imágenes de inspección y decisiones históricas en caso de fallas a futuro. Una vez automatizada con éxito una estación de inspección final, a menudo es posible migrar las etapas de inspección ascendente hacia la inspección en línea. Esto reduce los costos, al identificar defectos antes de dedicarles tiempo o agregarles valor a piezas defectuosas. Por último, la visión artificial basada en Deep Learning se puede vincular a las iniciativas de mejora general del proceso. Por ejemplo, se pueden correlacionar datos de visión específicos con otras métricas, como recetas del proceso, proveedores de componentes, diferencias de equipamiento, ubicación en la fábrica, entre otros.

La IA es la nueva tecnología de automatización que ahorra mano de obra para ayudar a los fabricantes a conseguir márgenes adicionales y disfrutar de beneficios indirectos en toda la cadena de suministro. Al tratar la IA como parte del plan y las operaciones de automatización estratégica general de una organización, esta tecnología puede ayudar a las empresas fabricantes a alcanzar mayores rendimientos, aumentar el valor para los accionistas y adelantarse a sus competidores.

Para más información, descargue el documento técnico gratuito de Cognex, Deep Learning para  la automatización industrial.

Más publicaciones en

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex