Donde la IA se encuentra con la cinemática: lecciones desde el piso de producción

La fabricación de alta variedad, los plazos de producción ajustados y los frecuentes cambios de producto son algo común en las plantas de producción actuales. Para lograr esta flexibilidad, se requieren sistemas de movimiento que realicen operaciones mucho más complejas que nunca y así responder a la variabilidad y mantener la precisión. En combinación con la IA, los sistemas de control de movimiento pueden asumir estas complejas tareas con eficiencia y precisión.

Las soluciones de control de movimiento determinista tradicionales utilizan conjuntos de reglas fijas y parámetros operativos conocidos en entornos estrictamente controlados. Para procesos repetibles con baja variabilidad y modos de fallo bien comprendidos, estas soluciones tradicionales ofrecen un buen rendimiento. Sin embargo, cuando se introduce la variabilidad esperada del proceso o cuando cambios inesperados la incrementan, como el desgaste de las piezas, cambios en la producción previa o efectos secundarios de los ajustes de la velocidad de la línea, un sistema de control de movimiento tradicional puede fallar.

El control de movimiento mejorado con IA, en cambio, utiliza el aprendizaje automático para desarrollar conocimiento contextual y permitir la adaptabilidad, lo que resulta en procesos más ágiles. Annemarie Breu, directora sénior de Desarrollo e Incubación de Software de Automatización en Siemens, amplía: “La IA amplía el control clásico (p. ej., PID en cascada, feed-forward, perfiles limitados por jerk) con adaptación basada en datos. Esto aprende continuamente la dinámica cambiante de la planta (carga/fricción/temperatura/desgaste de la herramienta), optimiza los perfiles de movimiento sobre la marcha y detecta anomalías de forma temprana, lo que proporciona un control de trayectoria/fuerza más estricto a mayores velocidades y menores costos de energía”. Los modelos de aprendizaje automático se adaptan a variaciones que los sistemas de control de movimiento deterministas no pueden gestionar eficazmente. Al aprovechar la detección y optimización de anomalías en tiempo real, esta adaptabilidad agiliza los procesos, ya sea para mantener el tiempo de actividad o para adaptarse a una nueva gama de productos.

El control de movimiento mejorado con IA se puede aprovechar para la planificación de trayectorias de robots, la supresión de vibraciones, el autoajuste de servos, la optimización energética y aplicaciones críticas de seguridad mediante la predicción y prevención de colisiones. Los sistemas con IA suelen gestionar un mayor rendimiento y variabilidad, mejorando la eficiencia y adaptándose a situaciones que anteriormente podrían haber provocado paradas en las líneas.

Junto con el mantenimiento predictivo y prescriptivo basado en IA, la mejora del aprendizaje automático de los sistemas de control de movimiento puede minimizar las paradas imprevistas. Esto contrasta con los sistemas de control de movimiento tradicionales, que requieren tiempos de puesta en marcha más largos y ajustes precisos y programación específica para cada aplicación. Garrett Wagg, gerente de producto de Automatización y Electrificación en Bosch Rexroth, explica: “Algunas de estas tareas se pueden realizar, y se han realizado, con soluciones tradicionales; el tiempo y el esfuerzo manual que se invertirían en las aplicaciones serían significativamente mayores. Muchas de las funciones de movimiento basadas en robots implicarían puntos de aprendizaje, código G definido o lenguajes de programación robóticos propietarios. Las pinzas y los perfiles de movimiento personalizados requieren tiempo, dinero y esfuerzo para obtener los mismos resultados. Se utilizarían muchos más sensores, operaciones humanas y algoritmos basados ​​en reglas en lugar de soluciones de IA”.

Control de movimiento mejorado con IA en aplicaciones reales

Los modelos de IA pueden integrar diversas fuentes de datos para aprender, analizar y optimizar procesos. Los datos de posición, velocidad, corriente, temperatura, visión artificial y vibración se pueden analizar junto con datos de otras partes del proceso para permitir que los modelos se adapten dinámicamente a los cambios, aprovechando los dispositivos de borde para impulsar el análisis y la ejecución de baja latencia necesarios para el control de movimiento. Esto potencia los procesos y proporciona información a los responsables de la toma de decisiones en diferentes industrias y aplicaciones. Wagg describe: “Algunas de las aplicaciones de automatización industrial incluyen la fabricación y el ensamblaje, lo que permite a los robots ensamblar, soldar y pintar con mayor precisión y velocidad. Las operaciones de recogida y colocación se actualizan con control de movimiento avanzado para manipular productos más complejos de diversas formas y tamaños. La IA ha mejorado el control de movimiento con estabilización en los sistemas de control de aeronaves, posicionamiento satelital e incluso el guiado de misiles en la industria aeroespacial y de defensa. El sector salud también está logrando avances significativos con el control de movimiento mejorado por IA en la robótica quirúrgica para reducir la inestabilidad y mejorar la precisión”.

ROI de los sistemas avanzados de control de movimiento
Las aplicaciones reales de la IA en el control de movimiento están generando un retorno de la inversión (ROI) tanto en implementaciones nuevas como en instalaciones existentes. Estas soluciones ofrecen adaptabilidad, un diagnóstico más rápido de problemas, mantenimiento predictivo y preventivo, y sólidas capacidades de simulación. Breu explica: “Existen numerosos ejemplos de éxito en implementaciones existentes. Un fabricante europeo de equipos originales (OEM) de embalajes puso en marcha un controlador de desbobinador con gemelo digital en cuestión de horas, lo que aumentó el rendimiento de la línea en aproximadamente un 33 %, a la vez que redujo las variaciones de tensión de la película y el ruido acústico. Un fabricante de automóviles implementó análisis de borde en líneas de servoprensas y pórticos de BIW para detectar desalineaciones y desgaste de rodamientos de forma temprana debido a la corriente de accionamiento y las vibraciones, evitando paradas imprevistas”.

Seguridad mejorada con control de movimiento con IA
La seguridad es un componente clave de cualquier solución industrial. La IA de control de movimiento es flexible en entornos de trabajo cambiantes, ofrece velocidad y precisión, y proporciona un espacio de trabajo más seguro al colaborar con humanos. Wagg ofrece más ejemplos: “Hoy en día, los cobots en plantas utilizan IA para detectar la presencia humana y predecir movimientos, lo que les permite trabajar codo con codo con operadores humanos. Si un humano alcanza una pieza, el cobot puede detenerse o reducir la velocidad brevemente, y luego reanudar su tarea una vez que el humano se retira, lo que hace que las líneas de montaje sean más seguras y flexibles”.

La integración de IA también ha tenido éxito al adaptarse a cambios sutiles en la línea de montaje. “Otro ejemplo es el uso de robots con visión artificial por parte de los fabricantes de automóviles estadounidenses para localizar con precisión los puntos de soldadura en las carrocerías”, afirma Wagg, “incluso cuando los paneles presentan pequeñas variaciones o una alineación imperfecta. La IA ajusta la trayectoria del robot y los parámetros de soldadura en tiempo real, mejorando significativamente la calidad de la soldadura y reduciendo las repeticiones de trabajo en comparación con los robots de trayectoria fija”.

La IA puede aportar un valor significativo tanto en sistemas brownfield de alta mezcla, tanto como bajo volumen con desviaciones mecánicas y operaciones limitadas por energía, desgaste o pérdidas de calidad; en lugar del tiempo de ciclo puro, como en aplicaciones greenfield donde la IA y la automatización forman parte de las consideraciones de diseño desde el inicio del proyecto.

Implementación de IA para control de movimiento y medición del éxito

Los numerosos beneficios de la IA conllevan sus propios desafíos de implementación. Los sistemas de IA dependen de los datos que consumen y del entrenamiento que reciben. La IA para control de movimiento depende de datos de sensores de alta fidelidad y computación de borde de baja latencia. Los sensores deben tener frecuencias de muestreo suficientes para cumplir con los requisitos de entrada del modelo.

Comprensión de datos
Los requisitos de datos requieren una capa unificada de orquestación de datos que proporcione datos contextuales de distintos sistemas y sensores para que el modelo los utilice. Este suele ser el primer paso para las nuevas implementaciones de IA industrial. “La IA depende en gran medida de los datos para aprender. Obtener estos datos en escenarios reales de control de movimiento, como fallos de robots, eventos inusuales y condiciones ambientales específicas, puede ser difícil, costoso y lento. La mala calidad de los datos conlleva un rendimiento deficiente de la IA”, explicó Wagg. Los procesos industriales automatizados también suelen tener requisitos únicos y específicos de cada aplicación. La simulación es una herramienta fundamental para diseñar flujos de trabajo y sistemas basados ​​en IA y para tener en cuenta las variables ambientales y de proceso específicas de la aplicación antes de la puesta en marcha.

Las soluciones de IA industrial, incluida la IA de control de movimiento, ofrecen numerosos beneficios que pueden ser difíciles de cuantificar. Las reducciones en el tiempo de inactividad por mantenimiento o las paradas imprevistas pueden pasarse por alto en los enfoques estándar para medir el ROI. Breu aclara: “Calcular el ROI es una parte importante de cualquier proyecto industrial. Un modelo de antes y después que considere tanto los ahorros tangibles como el rendimiento de la capacidad puede ayudar a evaluar el impacto general de la implementación de la IA. El tiempo de inactividad evitado, las ganancias de rendimiento, la reducción de los costos de mantenimiento, las mejoras de calidad y el ahorro de energía deben compararse con el costo de implementación para obtener una medición precisa”.

Consideraciones de implementación
Para justificar la escalabilidad de las soluciones de IA a otros aspectos del proceso o la instalación, la medición es clave. Una visión integral de las operaciones, el mantenimiento, el tiempo de inactividad y los costos del proceso es una herramienta fundamental para desarrollar un plan que permita monitorear y medir la eficiencia de la implementación de la IA. La identificación temprana de objetivos e indicadores clave de rendimiento (KPI) contribuye al éxito a largo plazo. Otra herramienta para el éxito es implementar un equipo multifuncional que incluya operadores, especialistas en TI, ingenieros de automatización y responsables de la toma de decisiones para planificar, supervisar y monitorear la implementación de la IA. Cuando un equipo multifuncional participa desde el principio del proceso de planificación, puede anticipar posibles problemas o riesgos y alinear las capacidades de la solución con las necesidades operativas reales. Un equipo multifuncional puede potenciar el éxito de un proyecto y generar la aceptación de todos los niveles de la empresa.

El control de movimiento mejorado con IA forma parte de una mayor evolución en la automatización industrial. El control de movimiento determinista es el más eficiente para muchos procesos y seguirá siéndolo durante un tiempo. Sin embargo, para muchas aplicaciones, los procesos con alta variabilidad o las paradas frecuentes requieren operaciones mejoradas con IA que puedan considerar con flexibilidad las variaciones previstas o inesperadas del proceso y minimizar las paradas o el ajuste del proceso. Al aprender de datos en tiempo real, la IA puede optimizar activamente los procesos. El mayor valor de la IA para el control de movimiento reside en la resiliencia y la eficiencia del ciclo de vida que ofrece, no solo en su capacidad para operar a altas velocidades. Con objetivos claramente definidos y una planificación minuciosa, las mejoras de IA en los sistemas de control de movimiento ofrecen una ventaja estratégica al reducir costes, aumentar el rendimiento y agilizar los procesos.