En Industrias Alegre estamos participando en un proyecto europeo llamado Teaming AI con el que queremos mejorar nuestros procesos productivos reduciendo los errores y el desperdicio en los procesos de inyección con ayuda de una Inteligencia Artificial predictiva. El objetivo es que todo ese conocimiento se traduzca en una mejora de la sostenibilidad.

Sumando inteligencia artificial e intervención humana

El proyecto de innovación utiliza lo mejor de dos mundos: trabaja con técnicas de IA predictiva apoyadas por la experiencia de personas expertas, es decir, una plantilla como la nuestra que incorpora muchas horas de experiencia y un valioso know how. El resultado que buscamos es dar un gran paso hacia la fabricación inteligente.

Alejandro Espert, el coordinador de este proyecto en nuestra empresa, nos explica cómo se está desarrollando:

“Como en todos los procesos de IA partimos de la captura digital de datos durante la inyección de piezas. Para iniciar este proceso fue necesario discutir previamente en el grupo de trabajo y con mucho detalle cuales parecían los parámetros realmente significativos en la fabricación”. Seleccionar bien los datos de partida resulta fundamental puesto que a partir de ellos el software tiene que ser capaz de predecir las desviaciones que se producen habitualmente en la inyección.

Sembrando datos para poder recoger predicciones

Ahora bien, el sistema solo puede realizar esa predicción cuando ha acumulado un volumen considerable de información y ha aprendido a discriminar las piezas defectuosas de aquellas que son ok. Y ese es el momento en el que se encuentra el proyecto. Nuestro colega lo resume así:

“Desde hace más de medio año estamos reportando a diario todos los datos de inyección y los que nos aportan sensores externos instalados en tiempo real. Y hace ya más de dos meses pusimos en marcha el labellling de las piezas, o sea, mostramos al sistema las que son ok y nok para que el sistema pueda ir fichando las condiciones de inyección que dieron como resultados piezas correctas o errores. De modo que el próximo paso será que el consorcio en el que trabajamos nos envíe el programa de IA que debe ser capaz de anticiparse y avisarnos antes de llegar a inyectar una pieza nok”.

Y es que ese es el objetivo: que la inteligencia artificial, alimentada con nuestros datos, pueda sugerir al operario de forma anticipada algunos ajustes de máquina y que nunca lleguemos a fabricar piezas defectuosas.

¿Conseguirá nuestro software ayudarnos a limitar la pérdida de materiales y de energía? Estamos seguros de que lo logrará y, como suele ser habitual en este tipo de tecnología, cada vez será mejor en sus predicciones. Pero eso solo lo sabremos según avancemos en el trabajo.  

Industria, academia y software unidos en el proyecto

Para hacer realidad esta fabricación inteligente, el proyecto de innovación integra diferentes técnicas de Knowledge Graph sobre una base de Machine Learning. Son mecanismos de conocimiento relacional ya habituales en la IA pero, cuando se les incorpora la colaboración de personas, estas herramientas mejoran su rendimiento y precisión y resuelven mejor posibles ambigüedades. Y así es como contribuyen a una producción industrial más eficiente.

Detrás de todo el esfuerzo se encuentran 15 socios: empresas, institutos tecnológicos y universidades de 8 países diferentes empeñados en esta mejora productiva. La austríaca Scch (software competence center Hagenberg), es la entidad que coordina el proyecto en el que estamos tres fabricantes: Industrias Alegre, la turca Farplas (orientada al sector de la automoción) y la vasca Goimek, experta en mecanizados.

Forman también parte de este consorcio la universidad de Mannheim y la tecnológica de Dublín así como la Vienna University of Economics and Business. Están también los institutos tecnológicos Ideko e Itünova y diversas empresas especializadas, además de las antes citadas: Idea, Tyris, CORE, SD Partners, Timelex y Profactor.