Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
El aprendizaje automático lleva los procesos industriales a un nuevo nivel
{{{sourceTextContent.subTitle}}}
Hoy en día, las tecnologías de aprendizaje automático y de inteligencia artificial están ayudando a resolver algunos de los mayores problemas a los que se enfrentan las empresas de todo el espectro industrial
{{{sourceTextContent.description}}}
Al aumentar la eficiencia y la producción en áreas como el mantenimiento predictivo y la reparación, la detección de defectos y la optimización de las cadenas de suministro, también están empezando a afectar a los sistemas automatizados.
En un mundo cada vez más digitalizado e hiperconectado, casi todas las empresas generan y recogen datos. Los algoritmos de aprendizaje de máquina (ML) cada vez más sofisticados pueden analizar estos datos para hacer predicciones y refinar los procesos. En combinación con otras tecnologías avanzadas como la IO, esto está ayudando a los fabricantes a afianzarse en la actual revolución de la Industria 4.0.
La IA es uno de los puntos culminantes de la Feria de Hannover de este año. Para Marc Siemering, Vicepresidente Senior - Industria, Energía, Logística para el organizador de la feria Deutsche Messe AG,
La conectividad es fundamental para los nuevos modelos de negocio, como el número cada vez mayor de personas que se benefician ahora de la aplicación del LD y la IA.
Sistemas inteligentes
Muchos de los algoritmos ML centrados en la industria que se están desarrollando actualmente son iterativos. "Aprendiendo" a velocidades superrápidas, pueden ajustar los sistemas y proporcionar soluciones óptimas en cuestión de segundos.
Mindsphere es un sistema operativo abierto de IO basado en la nube y habilitado para la IA, publicado a principios de este año por Siemens. Ofrece beneficios que van desde el mantenimiento predictivo mejorado hasta la optimización en tiempo real de sistemas e instalaciones. Para Paul Hingley, Director Comercial de Servicios de Datos de Siemens Digital Factory UK,
Mediante la conexión de productos, plantas, sistemas y máquinas, Mindsphere permite a los usuarios analizar la riqueza de datos generados por la IO con análisis inteligentes, aumentando así la eficacia general de los equipos.
Mindsphere se puede utilizar incluso en sistemas antiguos conectando sensores y nodos de comunicación a motores y sistemas de transmisión. Se ha empleado en industrias tan diversas como las redes eléctricas (para clasificar y localizar interrupciones) y los parques eólicos (para optimizar la posición de las turbinas en base a datos meteorológicos).
Avanzando en la Automatización
El ML y la IA ya se han aplicado en aplicaciones industriales que van desde el reconocimiento de voz hasta la gestión de la energía. En robótica, ML se emplea actualmente en dos áreas principales: optimizar el rendimiento y mejorar la fiabilidad, así como permitir a los robots detectar y responder a su entorno.
Un ejemplo de esto último es el sistema Ability Connected Services del fabricante de robots ABB. Utiliza análisis avanzados basados en la nube para analizar el rendimiento de robots individuales o de clústeres de robots completos e identificar aquellos que tienen un rendimiento inferior o requieren mantenimiento.
El Dr. Hui Zhang, jefe de gestión de productos de ABB Robotics, explica:
Esto ayuda a los clientes a evitar el alto costo de los tiempos de inactividad no planificados. A lo largo de la vida útil de un robot, esto puede suponer un ahorro significativo.
Hoy en día, muchos brazos robóticos están limitados a un rango de movimiento muy limitado. En el futuro, ML ayudará a desarrollar algoritmos de control de movimiento para tareas complejas y más variadas.
Cuando se combinan con el cloud computing, los algoritmos son capaces de realizar cálculos muy complejos. Sin embargo, todavía no tenemos un motor genérico de ML capaz de resolver problemas de la misma manera que el cerebro humano.
De la nube a Cobot
En su mayor parte, los sistemas ML y AI para la industria se basan en la nube. Sin embargo, Skymind, una empresa emergente con sede en San Francisco, está trabajando ahora para integrar ML directamente en los robots.
El año pasado la compañía lanzó SKIL Somatic, un conjunto de herramientas de software que permite a los robots reconocer visualmente su entorno utilizando un tipo de ML conocido como red neuronal convolucional, o CNN. Combina esto con una técnica llamada aprendizaje de refuerzo, que utiliza la Inteligencia Artificial para permitir que el robot realice tareas específicas a través de pruebas y errores en un entorno simulado.
SKIL Somatic opera primero en la nube, donde los datos recopilados por los robots se utilizan para generar algoritmos ML. A continuación, se vuelven a integrar automáticamente en los robots. Esto significa que los cobots más inteligentes (robots colaborativos) pueden trabajar junto a los humanos de forma más segura y eficaz.
Edward Junprung, jefe de marketing de Skymind:
Ahora estamos ayudando a un número creciente de empresas a producir IA.
El software de Skymind es de código abierto, lo que significa que los desarrolladores ya han comenzado a integrar las herramientas de ML de la compañía en dispositivos robóticos como los drones. La compañía también se ha asociado con el gigante tecnológico japonés SoftBank para aumentar la inteligencia de los robots industriales relativamente "tontos", como los que se utilizan para el picking en almacenes.
{{medias[114541].description}}