Inteligencia artificial en la fabricación – Mejorando el resultado final



Inteligencia artificial y su aplicación práctica en el entorno de fabricación

A medida que la industria manufacturera se vuelve cada vez más competitiva, los fabricantes necesitan implementar tecnología sofisticada para mejorar la productividad. La inteligencia artificial, o AI, se puede aplicar a una variedad de sistemas en la fabricación. Puede reconocer patrones, además de realizar tareas que consumen mucho tiempo y son mentalmente desafiantes o humanamente imposibles. En la fabricación, a menudo se aplica en el área de programación de producción basada en restricciones y procesamiento de ciclo cerrado.

El software de IA utiliza algoritmos genéticos para organizar programáticamente los cronogramas de producción para obtener el mejor resultado posible en función de una serie de restricciones, que están predefinidas por el usuario. Estos programas basados ​​en reglas recorren miles de posibilidades, hasta que se llega al programa más óptimo que mejor cumple con todos los criterios.

Otra aplicación emergente de la IA en un entorno de fabricación es el control de procesos o procesamiento de circuito cerrado. En esta configuración, el software utiliza algoritmos que analizan qué ciclos de producción anteriores estuvieron más cerca de cumplir los objetivos del fabricante para el ciclo de producción pendiente actual. Luego, el software calcula la mejor configuración de proceso para el trabajo actual y ajusta automáticamente la configuración de producción o presenta una receta de configuración de la máquina al personal que pueden usar para crear la mejor ejecución posible.

Esto permite la ejecución de ejecuciones progresivamente más eficientes al aprovechar la información recopilada de ejecuciones de producción anteriores. Estos avances recientes en el modelado de restricciones, la lógica de programación y la usabilidad han permitido a los fabricantes ahorrar costos, reducir el inventario y aumentar las ganancias finales.



IA – Una breve historia



El concepto de inteligencia artificial ha existido desde la década de 1970. Originalmente, el objetivo principal era que las computadoras tomaran decisiones sin la participación de humanos. Pero nunca tuvo éxito, en parte porque los administradores del sistema no sabían cómo hacer uso de todos los datos. Incluso si algunos pudieran comprender el valor de los datos, era muy difícil de usar, incluso para los ingenieros.

Además de eso, el desafío de extraer datos de las bases de datos rudimentarias de hace tres décadas fue significativo. Las primeras implementaciones de IA arrojarían montones de datos, la mayoría de los cuales no se podían compartir ni se adaptaban a las diferentes necesidades comerciales.



el resurgimiento



La IA está resurgiendo gracias a un enfoque de diez años llamado redes neuronales. Las redes neuronales están modeladas en las asociaciones lógicas hechas por el cerebro humano. En el lenguaje informático, se basan en modelos matemáticos que acumulan datos en función de los parámetros establecidos por los administradores.

Una vez que la red está entrenada para reconocer estos parámetros, puede hacer una evaluación, llegar a una conclusión y tomar medidas. Una red neuronal puede reconocer relaciones y detectar tendencias en grandes cantidades de datos que no serían evidentes para los humanos. Esta tecnología ahora se está utilizando en sistemas expertos para tecnología de fabricación.



Aplicación práctica en el mundo real.



Algunas empresas automotrices están utilizando estos sistemas expertos para la gestión de procesos de trabajo, como el enrutamiento de órdenes de trabajo y la secuenciación de producción. Nissan y Toyota, por ejemplo, están modelando el flujo de materiales en toda la planta de producción al que un sistema de ejecución de fabricación aplica reglas para secuenciar y coordinar las operaciones de fabricación. Muchas plantas automotrices utilizan tecnologías basadas en reglas para optimizar el flujo de piezas a través de una celda de pintura según los colores y la secuencia, lo que minimiza los cambios de pintura en aerosol. Estos sistemas basados ​​en reglas pueden generar programas de producción realistas que tienen en cuenta los caprichos en la fabricación, los pedidos de los clientes, las materias primas, la logística y las estrategias comerciales.

Por lo general, a los proveedores no les gusta referirse a sus aplicaciones de programación basadas en IA como IA debido al hecho de que la frase tiene cierto estigma asociado. Los compradores tal vez sean reacios a gastar dinero en algo tan etéreo como la IA, pero se sienten más cómodos con el término «programación basada en restricciones».



La programación basada en restricciones necesita datos precisos



Un buen sistema de programación basado en restricciones requiere rutas correctas que reflejen los pasos en el orden correcto y buenos datos sobre si los pasos pueden ser paralelos o si deben ser secuenciales. La cantidad de planificación minuciosa que se requiere para lanzar un sistema exitoso es uno de los mayores inconvenientes.

Si un equipo de gestión no ha definido y bloqueado rutas precisas en términos de secuencia de operaciones y superposición de operaciones, y si no ha identificado correctamente las limitaciones de recursos con tiempos de ejecución y configuración precisos con una matriz de configuración correcta, ¿qué termina siendo? with es solo un programa finito muy malo que el taller no puede producir. Las herramientas como la IA no deben considerarse como una solución de caja negra, sino como una herramienta que necesita entradas precisas para producir un cronograma factible que los usuarios puedan entender.



Programación basada en restricciones dentro de un sistema ERP (planificación de recursos empresariales)



Al seleccionar una solución, hay una serie de requisitos previos del sistema que debe buscar. Cuanto mejor integre una aplicación empresarial varias disciplinas comerciales, más poderosa será en términos de entrega de programación basada en restricciones. Esto significa que si un conjunto de aplicaciones ofrece funcionalidad improvisada de diferentes productos que el fabricante ha comprado, puede ser más difícil usar ese conjunto para ofrecer una buena funcionalidad de programación. Esto se debe a que una serie de variables comerciales que residen en la funcionalidad que no es de fabricación pueden afectar la capacidad.

Cuando un paquete ERP se ha configurado para una programación finita o basada en restricciones, generalmente se enruta a un servidor de programación que calcula las horas de inicio y finalización de las operaciones teniendo en cuenta los pedidos y la capacidad existentes. Cuando se ejecuta la orden de compra, el sistema de programación actualiza la información sobre las operaciones y envía los resultados al servidor de la empresa.

La funcionalidad de programación dentro de una solución ERP debería funcionar en un entorno de múltiples sitios. Supongamos que necesita calcular una fecha de entrega en función de un análisis de materiales de múltiples sitios y niveles, así como de la capacidad a lo largo de toda su cadena de suministro. El sistema debería permitirle planificar todos los sitios de su cadena de suministro y el trabajo real programado para cada uno de esos centros de trabajo. De forma manual o automática, debería poder programar el trabajo e inmediatamente dar a su cliente una idea realista de cuándo se completará el pedido.



Más beneficios de la IA, aplicaciones basadas en restricciones



Aparte de los beneficios de gestión de capacidad inmediatamente aparentes de la programación basada en restricciones, hay una serie de capacidades analíticas menos obvias. La funcionalidad de programación generalmente le permite realizar análisis predictivos de lo que sucedería si se realizan ciertos cambios en un programa optimizado. Entonces, si un gerente de planta es presionado por un ejecutivo de cuentas en particular para priorizar un pedido en nombre de un cliente, ese gerente de planta puede producir datos excelentes sobre cuántos otros pedidos se retrasarían como resultado. Además, esta funcionalidad puede proporcionar análisis predictivos sobre el efecto de la capacidad adicional en la planta. Esto permite a los fabricantes ver si las compras de equipos realmente generarán un aumento en la capacidad, o si simplemente resultará en un cuello de botella más adelante en el proceso de fabricación.

¿Que te ha parecido?

Deja un comentario