18 INTELIGENCIA ARTIFICIAL das con láser se enganchan, se atascan o se tuercen, interferencias que pueden provocar la paralización de cadenas de proceso totalmente automatizadas. La IA de Trumpf determina la estrategia de corte óptima para cada componente, teniendo en cuenta numerosos parámetros, desde el punto de partida y la posición óptima de la chapa hasta la distribución de la presión del gas en el proceso de corte por láser. En este caso, el conocimiento de la máquina se entrena con cientos de miles de ejemplos prácticos. Y también ayuda en el siguiente paso del proceso: la IA optimiza el reconocimiento y la clasificación totalmente automatizados de las piezas cortadas. De hecho, los algoritmos convencionales de visión artificial alcanzan sus límites en esta tarea dada la cantidad de datos, las planchas de hasta ocho metros cuadrados de tamaño hechas de diferentes materiales, las condiciones variables de iluminación, las geometrías de los componentes y la intervención humana aleatoria en el proceso. “Por eso utilizamos muchos millones de parámetros de una red neuronal profunda y dejamos que los datos trabajen por nosotros”, explica Rominger. La gran cantidad de datos de entrada hace que la solución sea cada vez más robusta. El número de errores de detección disminuye con cada nueva generación de redes neuronales y con cada conjunto de datos, ya que el sistema aprende y mejora. EXPERIENCIA DISPONIBLE EN TODO MOMENTO PARA GARANTIZAR LA CALIDAD Rominger informó sobre otras aplicaciones de la IA. Entre ellas, la soldadura láser de las llamadas horquillas en los bobinados de cobre de los motores eléctricos. “El proceso supervisado por cámara es muy robusto en sí mismo. Sin embargo, a menudo se producen cambios en el entorno de producción de nuestros clientes, ya sean condiciones de iluminación u horquillas mal emparejadas”, explicó. Esto se remedia con un filtro de IA que minimiza las interferencias en los datos de la cámara y clasifica el estado de los pares de horquillas en tiempo real. “Gracias a la IA, hemos podido aumentar significativamente la fiabilidad del control de calidad hasta el 99,8%”, afirma Rominger. La IA ayuda a Trumpf a interpretar la compleja información espacial de forma rápida y precisa y, en junto con la tecnología de medición real, allana el camino para sistemas de aprendizaje que acumulan conocimientos empíricos, aprenden rápidamente, no olvidan y no se ven afectados por el cansancio o por cómo se sientan en un día concreto. Rominger concluye: “El aprendizaje automático ya no es una visión, sino una realidad. Podemos utilizarlo para aumentar considerablemente la productividad, fiabilidad y calidad de los procesos láser y, además, esto es solo la punta del iceberg”. Aconsejó a las empresas que aún no están involucradas en este campo que dejen a un lado su escepticismo y exploren las posibilidades en proyectos piloto prácticos. Después de todo, la tecnología se está desarrollando rápidamente y ya está dando a los competidores que utilizan la IA una ventaja en productividad. HACER VISIBLE LO INVISIBLE No tuvo que convencer a los participantes en la conferencia. De las presentaciones y preguntas del público se desprendía claramente que llevaban mucho tiempo planteándose cómo utilizar la IA. Markus Kogel-Hollacher, del Grupo Precitec, por ejemplo, informó de que la IA está demostrando su valía para cada vez más aplicaciones. “Ya sea corte por láser, soldadura por láser o tecnología de medición 3D: dondequiera que generemos datos de proceso, hay ideas para obtener información valiosa de ellos utilizando IA”, dijo. Esto llega ahora tan lejos que se puede obtener información invisible sobre la resistencia a la tracción o la resistencia eléctrica de contacto de las uniones soldadas a partir de datos procedentes de sensores ópticos. La empresa sienta las bases para ello entrenando redes neuronales con datos de imágenes elaboradamente etiquetados y conclusiones de análisis destructivos de cordones de soldadura. “Si añadimos IA a nuestra tecnología de sensores en línea para procesos de soldadura, entonces ya no es solo una cuestión de bueno o malo. En su lugar, podemos utilizarla para obtener información sobre propiedades físicas invisibles, como la fuerza o la resistencia al contacto de un cordón de soldadura", Markus Kogel-Hollacher, responsable de proyectos de investigación y desarrollo del Grupo Precitec
RkJQdWJsaXNoZXIy Njg1MjYx