¿Qué aspectos debes considerar en un proyecto de Internet of Things? Luis Lauro González, IoT Senior Lead de Gesta Labs, te da las claves para comenzar a digitalizar tus equipos.
Aquí estamos de nuevo, con esta segunda entrega de preguntas de industria 4.0 que (casi) todo mundo se hace.
En este artículo te ayudo a crear dos casos de uso con inteligencia artificial que prueban ser muy eficientes para evitar defectos de calidad en procesos y productos.
Un modelo de inteligencia artificial (IA) para predecir desviaciones de calidad, reducir costos, mejorar procesos y, desde luego, evitar muchos dolores de cabeza en el camino. Así es como funciona.
Por Jair Pérez, CEO de Gesta Labs
Mail: jair@gestalabs.com
El proceso de producción de la harina que sirve como materia prima para la industria forrajera ya no será el mismo después de la inteligencia artificial, pues algunas empresas del ramo agroindustrial ya la han incorporado para evitar defectos de calidad mediante la predicción de eventos, con resultados positivos en términos económicos —reducción de costos— , operativos —mejores prácticas— y estratégicos —habilitando una fábrica inteligente—.
Pero ¿cómo es que las empresas pueden predecir desviaciones de calidad en sus procesos? La solución ideal es a través de un gemelo digital, que es una representación virtual de un producto, una máquina, una línea de producción o, en casos más avanzados, una fábrica. Es muy útil porque permite simular ambientes productivos con un alto grado de exactitud. Por ejemplo, puedes saber si ‘X’ producto será resistente en ciertas condiciones o, en caso contrario, el modelo te hace saber cómo se comportará para que hagas los ajustes necesarios antes de llevarlo al mundo físico.
Reducir —o eliminar— los tortuosos paros no programados es el sueño de cualquier persona responsable de lo que sucede en una fábrica, pero también es algo con lo que conviven cotidianamente. Tanto, que quizá ya hasta lo normalizaron. ¿Qué tan comunes son para ti y cuánto le cuestan a tu empresa? ¿Se pueden eliminar o reducir significativamente? Eso es algo que vamos a abordar en este blog.
Normalizar malas prácticas es algo relativamente común en las empresas, y la industria manufacturera no es una excepción. Como ejemplo de esto está lo que sucede con la transformación digital. Pese a la necesidad de incorporar tecnologías emergentes, muchas empresas siguen asumiendo labores de forma manual, con los consecuentes errores o ineficiencias que esto puede suponer.
Este es el caso de éxito de Natgas, una red de estaciones de gas natural para quien desarrollamos un proyecto de IoT que se tradujo en una mejora en su OEE.
Pensar que la innovación no debe ser prioritaria en épocas de crisis es erróneo, pues si algo han demostrado las tecnologías emergentes es que son esenciales en la creación de soluciones para las personas y los negocios en tiempos complejos.
Suena futurista, pero no te imaginas la cantidad de casos de uso con esta tecnología. En este espacio abordaré tres de ellos: seguridad, manejo de inventarios e inspección de calidad.
Por: Jair Pérez, CEO de Gesta Labs, estudio de innovación en Industria 4.0
Mail: jair@gestalabs.com
Computer Vision (CV) es una de las tecnologías más emocionantes y determinantes hoy en día. Goza de mucha fama. Para darte una idea, basta con escribir "Computer Vision Covid 19" en el buscador de Google y tendrás unos 734,000,000 de resultados.
Es determinante porque juega un papel crucial en la pandemia que vivimos hoy en día. Es quizá la tecnología que está ganando la mayor confianza por parte de las empresas como la solución para regresar a las actividades de forma segura, pues sus avances permiten, por ejemplo, medir el distanciamiento social de los trabajadores sin necesidad de tener contacto físico y prevenir acumulaciones de personas, como medida preventiva de brotes de coronavirus. Y es emocionante porque hay mucha investigación en juego, en la que emprendedores y empresas tratan de desarrollar el caso de uso más disruptivo.
De acuerdo con Markets and Markets, CV alcanzará un valor de 25.3 mil millones de dólares para 2025, con una tasa de crecimiento anual de 47.5%, gracias a su adopción en industrias como cuidado de la salud, seguridad, robótica, deportes, movilidad y, por supuesto, la cadena de valor automotriz, un segmento donde, además, esta tecnología tendrá la mayor tasa de crecimiento (56.3%) y alcanzará 2.6 mil mdd de valor de mercado.
Por esta razón abordaré 3 casos de uso que las empresas automotrices y de autopartes pueden adoptar para resolver, por una parte, algunos de los problemas que históricamente han sido un dolor de cabeza para ellas y, por otra, las nuevas complicaciones que han surgido en el contexto de esta pandemia.
Estamos ante la tecnología más determinante de las últimas décadas, pese a lo cual todavía pocos se atreven a explotarla de manera definitiva. ¿Qué le espera entonces?