El aspecto financiero es importante al momento de medir el retorno de inversión en un proyecto de inteligencia artificial, pero no es el único. ¿Estás captando el valor real que esta tecnología aporta en tu organización?

Este documento contiene el caso de uso de un proyecto de IoT para digitalizar las variables de equipos críticos en una empresa de alimentos y bebidas. El resultado es un mejor OEE, un aumento en la productividad y una reducción de los paros no programados.

En esta sesión abordamos los principales casos de uso que las empresas automotrices y de autopartes pueden implementar con el uso del IoT y la Inteligencia Artificial

Arturo Téllez, científico de datos senior en Gesta Labs, te explica de forma breve y concisa un error que cometen las empresas con sus datos digitales y cómo les afecta cuando intentan incorporar proyectos con tecnologías emergentes de Industria 4.0

Computer Vision es una de las tecnologías más sorprendentes de los últimos años, pues sus aplicaciones están revolucionando muchas esferas de nuestras vidas. Y, desde luego, en el ámbito de los negocios no podía ser distinto. 

¿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.

Esta solución es posible gracias a la tecnología conocida como Machine Learning, una subrama de la inteligencia artificial que le enseña a las máquinas a "aprender" de sus patrones. De este modo, el sistema detecta patrones y tendencias dentro de los datos históricos de una máquina, lo que la habilita para entender el pasado y desarrollar la capacidad de predecir cuando un evento de este tipo (un fallo de alguna pieza o una desviación de calidad) sucederá, de tal forma que es capaz de enviar alertas antes de que ocurra.

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.