Blog

¿Realmente puedes predecir y evitar las costosas desviaciones de calidad?

Sep 12, 2020 12:32:23 AM / by Jair Pérez

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.

Por Jair Pérez, CEO de Gesta Labs

jair@gestalabs.com

Hay de errores a errores. Y en el sector automotriz vaya que suelen ser altamente costosos. Como ejemplo están los famosos recalls que hacen las automotrices para revisar cientos, miles o, en algunos casos, millones de vehículos que presentan cierta falla. Generalmente se originan por defectos de calidad en el proceso de ensamble o en alguno de los componentes, y originan problemas en el funcionamiento de la unidad.

La mayoría de las empresas automotrices los han sufrido y suelen ser altamente costosos. El mayor de ellos fue el que sufrió Toyota en 2009 debido a un fallo en el pedal del acelerador que provocaba, de repente, una aceleración inintencionada y terminó por implicar el llamado a revisión de unos 9 millones de unidades. ¿El costo total? 1,200 millones de dólares, además del impacto reputacional negativo que fue brutal.

¿Cuánto cuestan los defectos de calidad en las empresas? De acuerdo con la Asociación Americana para la Calidad (ASQ), llegan a representar entre 15 y 20% de los ingresos.

Diversas encuestas a áreas de Compras sitúan a la calidad como el aspecto más relevante para elegir o cambiar de proveedor, por lo que el costo es mayor al meramente económico.

La intención de toda empresa es cuidar este aspecto al máximo, pero, vamos, no siempre lo hacen de forma impecable. Por ello quiero abordar la importancia de la inteligencia artificial como la herramienta ideal para reducir el riesgo de cometer errores de calidad en los productos. Y quiero abordar dos casos de uso específicos para esto.

El primero es de Computer Vision, una tecnología cuyos alcances permiten construir casos de uso para procesos sumamente específicos, como lo hace BMW en su planta de Regensburg para detectar si el proceso de sellado de un tornillo se hace correctamente o, en caso contrario, el sistema envía alertas cuando detecta anomalías.

¿Qué parte de tu proceso es tan crítico y sensible para asegurarte que sucede de forma impecable y no quieres ni siquiera imaginar lo que podría ocasionar un error en él? ¿Cuánto dinero pierdes cada que corriges un problema de este tipo? Responder ambas preguntas puede llevarte a la definición inicial del problema y a animarte a probar esta tecnología emergente como una solución potencial.

¿Una App con la que puedes hacer inventario de tus productos tomando fotos  desde tu celular? En Gesta Labs lo hicimos posible. Da clic aquí para más  información

El segundo caso de uso tiene que ver con Machine Learning para predecir desviaciones de calidad mediante un gemelo digital. Una empresa industrial lo ha incorporado para el proceso de producción de harina, en el cual la herramienta digital predice potenciales desviaciones en la humedad y le permite al personal operativo ajustar las variables críticas en el proceso para evitar que esto suceda.

¿Cómo podrías aplicar algo similar en la manufactura discreta? Pensemos en una empresa de maquinados que debe dar mantenimiento a sus equipos para calibrarlos y evitar desviaciones milimétricas en la fabricación de las piezas. Un caso de uso podría ser una solución de mantenimiento predictivo que te permita eliminar los paros no programados y actuar de acuerdo con un programa anticipado, eficiente y con costos calculados.

¿Acaso no es el sueño de todo director de Operaciones eliminar los paros no programados y prolongados tiempos de inactividad de sus equipos?

Como lo ves, construir un caso de uso no es tan complicado y, por el contrario, puedes ver los beneficios de inmediato. ¿Te animas?

¿Quieres incursionar en Industria 4.0 con un caso de uso para ti? Da clic aquí

Este texto se publicó originalmente en Cluster Industrial

Tags: Blog, Calidad, Machine Learning, Computer Vision, Gemelo digital

Jair Pérez

Written by Jair Pérez

Suscríbete

Categorías

Ver todas