La Inteligencia Artificial está en todas partes y el metal no es una excepción. Sin embargo, si bien el sector ha adoptado rápidamente este tipo de soluciones, no se puede considerar como  pionero en este ámbito, puesto que varios sectores como la automoción, la electrónica, la salud o la logística han sido líderes avanzados en la adopción de soluciones similares. En este punto, la industria metalúrgica puede mejorar en aspectos como la integración de tecnologías emergentes, la capacitación de empleados en el uso de estas herramientas o en la inversión en investigación y desarrollo. Hablamos de todo ello a continuación. 

PREGUNTAS

 1. ¿En qué está influyendo la inteligencia artificial y el Machine Learning en los procesos de fabricación de la industria del metal? ¿Cuáles son las principales ventajas de su uso?

    2. ¿Cuáles son los principales ámbitos de aplicación de la IA en este sector?

    3. ¿Es el metal una industria pionera en el uso de este tipo de soluciones o, en cambio, hay otros sectores más avanzados? ¿En qué se puede mejorar?

    4. Lo último en IA, y que está ahora mismo en boca de todos, es la IA Generativa, ¿tiene ya o tendrá un hueco en el ámbito industrial?

    5. ¿Qué soluciones de Inteligencia Artificial ofrece o utiliza su compañía que se puedan aplicar a los procesos de producción de la metalurgia?

1. La inteligencia artificial (IA) y el aprendizaje automático (Machine Learning) están influyendo significativamente en los procesos de fabricación de la industria del metal. Estas tecnologías se están utilizando para optimizar procesos mediante el análisis de grandes volúmenes de datos provenientes de sensores y sistemas de monitoreo en tiempo real. Esto permite identificar patrones y tendencias que mejoran la eficiencia energética, reducen desperdicios y optimizan el rendimiento de las máquinas. Además, la IA y el Machine Learning facilitan el mantenimiento predictivo al prever fallos en las máquinas y equipos de fabricación antes de que ocurran. Esto permite a los fabricantes realizar mantenimiento preventivo en lugar de correctivo, lo que reduce tiempos de inactividad y costos asociados. Otra área en la que la IA y el Machine Learning están impactando en la industria del metal es en la personalización de productos. Estas tecnologías permiten adaptar la producción a las necesidades específicas de los clientes de manera más eficiente y precisa, lo que aumenta la satisfacción del cliente y la competitividad de la empresa.

2. En la industria del metal, la inteligencia artificial (IA) encuentra aplicaciones en varios ámbitos clave. En primer lugar, se utiliza para optimizar los procesos de fabricación, desde el diseño y la planificación hasta el control de calidad. Los algoritmos de IA pueden analizar grandes conjuntos de datos para identificar patrones y tendencias que permitan mejorar la eficiencia y la calidad de los productos. Además, la IA se emplea en el mantenimiento predictivo, ayudando a predecir posibles fallos en maquinaria y equipos. Esto permite a las empresas realizar mantenimiento preventivo en lugar de correctivo, reduciendo los tiempos de inactividad y los costos asociados con la reparación de equipos. Otro ámbito importante es la automatización de tareas repetitivas en la línea de producción. La IA puede encargarse de estas tareas monótonas, liberando a los trabajadores para que se centren en actividades más estratégicas y creativas. Finalmente, la IA también puede optimizar la cadena de suministro al predecir la demanda, optimizar rutas de distribución y gestionar inventarios de manera más eficiente.

3. Si bien la industria del metal ha adoptado rápidamente soluciones avanzadas como la inteligencia artificial, la robótica y la digitalización no se puede considerar como la pionera en el uso de estas tecnologías. Varios sectores, como la automoción, la electrónica, la salud y la logística, también han sido líderes avanzados en la adopción de soluciones similares.

Así, a pesar de los avances significativos en la industria del metal, hay áreas específicas en las que se puede mejorar:
 

• Mayor Integración de Sistemas: Aunque la integración de sistemas ha mejorado, aún hay oportunidades para una mayor sinergia entre los diferentes componentes tecnológicos. Una integración más estrecha podría mejorar la eficiencia y la comunicación entre robótica, simulación, gemelos digitales y sistemas de IA.
• Educación y Capacitación: Para aprovechar al máximo estas tecnologías, es esencial invertir en programas educativos y de capacitación para los trabajadores de la industria del metal. La formación continua garantizará que los profesionales estén equipados para aprovechar plenamente las capacidades de estas soluciones avanzadas.
• Estándares y Normativas: La creación de estándares y normativas específicas para la implementación de tecnologías avanzadas en la industria del metal puede ayudar a garantizar la interoperabilidad y la seguridad, facilitando una adopción más amplia y eficiente.
• Sostenibilidad: A medida que avanzamos hacia un futuro más sostenible, la industria del metal puede explorar aún más cómo la IA y la robótica pueden contribuir a prácticas de fabricación más ecológicas y eficientes en términos de recursos.

4. Sí, la IA Generativa (IA-G) tiene y seguirá teniendo un papel significativo en el ámbito industrial, incluyendo la industria del metal. La IA-G es una forma avanzada de inteligencia artificial que tiene la capacidad de generar contenido nuevo y original, ya sea en forma de texto, imágenes, o incluso diseños y prototipos. En el contexto industrial, la IA-G ofrece varias oportunidades y aplicaciones valiosas. En la vorágine de la Revolución Industrial 4.0, la industria del metal ha sido testigo de avances significativos impulsados por la robótica, la digitalización y, ahora, la fascinante irrupción de la Inteligencia Artificial Generativa (IA-G). A medida que estas tecnologías convergen, ABB Robotics se encarga de desencadenar un impacto transformador que redefine los límites de la innovación en la fabricación de metal.

Con la IA Generativa desbloqueando nuevas posibilidades, el futuro de la fabricación de metal se vislumbra más eficiente, creativo y adaptable que nunca. ABB Robotics no solo lidera este cambio, sino que también señala un camino hacia un horizonte donde la inteligencia artificial se convierte en un aliado indispensable para la innovación y la competitividad en la industria del metal y la robótica. La colaboración entre humanos y tecnología está dando forma a un mañana donde la creatividad y la eficiencia se fusionan, impulsadas por la visión audaz de ABB Robotics.

5. ABB Robotics ofrece un conjunto integral de soluciones basadas en Inteligencia Artificial que transforman los procesos de producción en la metalurgia. Estas soluciones, que incluyen tecnologías avanzadas como RobotStudio, VSlam, DEPAL, y células 3DQI, se centran en la optimización, la eficiencia y la toma de decisiones inteligente en la fabricación de metal.

En conjunto, estas soluciones de ABB Robotics no solo mejoran la eficiencia en los procesos de producción de la metalurgia, sino que también elevan la calidad, la seguridad y la flexibilidad en la fabricación de metal. La integración de estas tecnologías de IA fortalece la posición de ABB Robotics como líder en la transformación digital de la industria del metal.

1. La IA y el aprendizaje automático han revolucionado las industrias, incluida la metalúrgica. En mi opinión, la IA generativa ha demostrado que mejora la productividad, la calidad y la colaboración entre humanos y máquinas dentro de las empresas. Como resultado, se reducen los errores, mejoran los tiempos de ejecución, disminuyen los costes en cada fase operativa y se evitan fallos en los equipos. En las organizaciones actuales, impulsadas por los datos, la IA y el ML potencian los procesos de toma de decisiones. Ya no se limita a los equipos de expertos o científicos de datos; muchas empresas pueden adoptar estas tecnologías para obtener una ventaja. Por ejemplo, combinando el aprendizaje automático con la analítica, las empresas pueden prever con precisión las tendencias de ventas, identificar las oportunidades de crecimiento, obtener información sobre los productos y lograr un mayor rendimiento de la inversión. Un estudio reciente realizado por IDC destaca cómo las organizaciones aprovechan la IA para obtener resultados. Descubrieron que por cada euro invertido en tecnología de IA por empresas de sectores como el metalúrgico, el rendimiento medio es de 3,5 euros. Estas inversiones se recuperan en 14 meses. Esto demuestra el potencial de la inteligencia y el ML, en la transformación no sólo de la industria metalúrgica, sino también de otros sectores en todo el mundo. Las empresas pueden mejorar significativamente sus procesos. Obtener ventajas en el mercado global.

2. La Inteligencia Artificial (IA) ha encontrado aplicaciones en los sectores industriales mejorando eficazmente la eficiencia del trabajo y mejorando la calidad. Un ámbito significativo en el que se utiliza ampliamente es el del diseño y la optimización de productos. Analizando datos de productos existentes, la IA generativa puede generar diseños o mejoras. Por ejemplo, puede crear piezas metálicas más resistentes que no sólo reduzcan los costes de producción, sino que también mejoren el rendimiento general del producto final. Además, la IA generativa desempeña un papel en el control de calidad analizando imágenes y datos de sensores. Detecta eficazmente defectos o anomalías durante el proceso de fabricación, lo que permite a las empresas identificar y rectificar los problemas de calidad antes de que sus productos lleguen al mercado. Este enfoque proactivo ayuda a evitar productos y costosas devoluciones.

Otra valiosa aplicación de la IA reside en la predicción y el mantenimiento de máquinas. Analizando los datos de los sensores junto con los registros, puede predecir con exactitud cuándo las máquinas o los componentes necesitarán mantenimiento o reparación. Esta capacidad predictiva permite a las empresas planificar eficazmente sus programas de mantenimiento, minimizando el tiempo de inactividad y evitando interrupciones en la producción. La optimización de la cadena de suministro también obtiene ventajas del uso de la IA. Esta avanzada tecnología analiza los datos de la cadena de suministro, incluida la demanda, los niveles de inventario y los plazos de entrega. Al hacerlo puede Optimizar el movimiento de materiales y productos. Como resultado, las empresas pueden minimizar eficazmente los gastos de almacenamiento y transporte, garantizando al mismo tiempo que los productos estén disponibles, en el momento y el lugar adecuados. Además, la IA generativa desempeña un papel en la automatización de los procesos de producción. Ayuda en tareas como la clasificación de materiales, el ensamblaje de componentes y la inspección visual de productos. Esta automatización mejora enormemente la eficiencia al reducir la dependencia de la intervención. En consecuencia, se reducen los costes de mano de obra y se mitigan los riesgos asociados a los errores.

3. A pesar de que la industria del metal ha adoptado la IA y el ML en cierta medida, existen otros sectores más avanzados, como, el financiero, médico o marketing aprovechando el poder de estas tecnologías para mejorar sus estrategias de inversión, prevención de fraude, detección temprana de enfermedades o sistemas de personalización al usuario respectivamente. La industria metalúrgica puede mejorar en aspectos como la integración de tecnologías emergentes, la capacitación de empleados en el uso de estas herramientas y la inversión en investigación y desarrollo. 

Un ejemplo de avance en la colaboración entre empresas es el caso de éxito de Microsoft y Siemens, que están llevando la IA generativa a diversas industrias, incluida la metalúrgica para impulsar la productividad de los empleados mejorando la comunicación entre humanos y máquinas.

4. La IA Generativa, principalmente conocida por ChatGPT, pero también con muchos otros actores que comienzan a estar cerca de lo que OpenAI está ofreciendo, está ganando terreno en la industria en general y tiene un gran potencial para encontrar aplicaciones en el ámbito industrial. Las soluciones basadas en IA generativa pueden liberar el potencial de individuos y equipos en una organización al mejorar la colaboración y la eficiencia en procesos de innovación y formación continua. A medida que la IA Generativa madure, su adopción en la industria del metal y maquinaria será más evidente.

5. En Intelequia, somos conscientes de que cada empresa tiene necesidades específicas y únicas. Por ello, nuestro enfoque se basa en aprovechar nuestra experiencia en servicios cloud y soluciones de inteligencia artificial para ofrecer soluciones personalizadas que se ajusten a las necesidades particulares de cada organización en el ámbito de la metalurgia. Trabajamos con tecnologías como Azure OpenAI, que nos permiten mejorar la productividad y la colaboración entre humanos y máquinas en diversas áreas, como el análisis predictivo para el mantenimiento de equipos, la automatización de procesos de fabricación y la optimización de la cadena de suministro.

1. Es un hecho que la inteligencia artificial y el machine learning están transformando los procesos de fabricación en la industria del metal, ya que impulsan la eficiencia de la producción y aceleran la transformación industrial, consiguiendo mejores resultados para las compañías derivados de una mayor agilidad en su operativa. Entre las principales ventajas, y según corrobora un estudio del World Economic Forum, destacamos:  

• La IA puede incrementar la productividad hasta un 20% gracias a las denominadas ‘fábricas inteligentes’.
• La IA facilita el mantenimiento preventivo para prever posibles fallos de los productos o equipos industriales, reduciendo así los tiempos de inactividad.
• En el área de evaluación de la calidad, la IA puede identificar pequeños defectos en la maquinaria o los productos, permitiendo solucionarlos antes de que se conviertan en un defecto importante.

2. La aplicación de IA en la industria del metal avanza de forma paulatina, afianzando aquellos ámbitos en los que ya estaba presente a la vez que se desarrollan nuevos aplicativos que se apoyan en las nuevas funcionalidades que ofrece la tecnología. Así, por ejemplo, la IA es clave en la optimización de proceso, ya que permite el análisis de datos en tiempo real, lo que ayuda a mejorar la eficiencia de la producción. Otras áreas en las que esta tecnología resulta determinante es el control de calidad y el mantenimiento predictivo, así como la gestión automatizada del suministro industrial al ser capaz de gestionar de forma ágil el flujo de existencias en almacén, así como de controlar y gestionar los costes en términos de logística y almacenaje. La industria es absolutamente consciente de que la inteligencia artificial (IA) es clave para su éxito y de que, aplicada al uso de herramientas analíticas, esta tecnología permite aprovechar toda la información que emana de plantas y negocios, transformándola en una herramienta realmente útil para la toma de decisiones. 

De hecho, el empleo de soluciones inteligentes permite a las empresas estar mejor preparadas ante situaciones de sobrecarga, alteraciones de stock, indisponibilidad de las máquinas o cualquier otra incidencia que pueda darse y que altere su capacidad productiva. No hay que olvidar que el hecho de llevar a cabo una planificación de las plantas de forma dinámica y desatendida es algo que hace apenas unos años era imposible.

3. Pese a que la industria del metal está adoptando la IA, no podemos decir que sea pionera en ello, hay otros sectores que llevan mucha ventaja en sus casos de uso, tales como la medicina, la agricultura, la movilidad o el transporte. En la industria del metal, destacaría la IA como un elemento de mejora de la eficiencia que puede permitir nuevas oportunidades de negocio. No en vano ya está presente en procesos de optimización de la producción, de patrones o reconociendo y corrigiendo errores.

4. Efectivamente, desde el pasado año, la IA generativa ocupa la atención de los medios, pero debemos tener en cuenta que una tecnología, por si sola, no cambia un sector. De hecho, si nos fijamos en el mundo industrial, los avances tecnológicos de los últimos tiempos, tales como Internet, 3G/4G, cloud computing, IIoT, IA, Big Data etc., no han supuesto una verdadera disrupción de forma transversal, más que por la combinación de ellos con otros que venían de años atrás y ya estaban establecidos, como la automatización y la robótica. Algo similar ocurre con la IA generativa, de momento se habla de ello, pero todavía estamos a la espera de nuevos catalizadores que hagan visibles sus ventajas en la cuenta de resultados de forma evidente. Es fundamental, para no perder la oportunidad cuando llegue este momento, que las empresas dispongan de estructuras tecnológicas adecuadas y sistemas preparados para una rápida implantación de aquella aplicación que mejor aplique a ese efecto o catalizador.

5. Lantek está colaborando en el proyecto aiXia en el que participan no solo empresas del mundo del metal, sino también del sector viajes, salud, software, etc. Este proyecto de tres años se orienta a diseñar una infraestructura impulsada por la IA que permita que diferentes entidades puedan compartir los datos que deseen de una manera confiable, siguiendo los requerimientos legales y las más estrictas normativas de protección de datos vigentes. aiXia responde al hecho de que, aunque las empresas generan infinidad de datos, en muchas ocasiones, estos no están compartidos entre diferentes entidades o resulta difícil hacerlo debido a requisitos legales. La arquitectura descentralizada, escalable y de nueva generación de aiXia ofrecerá acceso a datos críticos y permitirá optimizar la toma de decisiones sacando el máximo partido a la información, con los consiguientes ahorros de tiempo y esfuerzo para los diferentes equipos.

1. La aplicación de inteligencia artificial (IA) y el Machine Learning en la industria del metal está generando una transformación sustancial en los procesos de fabricación. Estas tecnologías avanzadas ofrecen herramientas para optimizar y controlar diversos aspectos de la producción, permitiendo a las empresas metalúrgicas recopilar, analizar y aprovechar grandes volúmenes de datos en tiempo real. Esto, a su vez, les brinda la capacidad de tomar decisiones más informadas y eficientes. Una de las principales ventajas de la IA en la metalurgia radica en su capacidad para optimizar los procesos de producción con precisión y eficiencia. Mediante el análisis de datos históricos y en tiempo real, las empresas pueden identificar patrones y tendencias en el rendimiento de los equipos y procesos. Esto les permite ajustar las variables operativas para maximizar la eficiencia y minimizar los costos, lo que conlleva una mejora significativa en la calidad del producto final al prevenir defectos y reducir la variabilidad en los procesos de fabricación. Otra ventaja crucial es la capacidad de adaptación rápida a los cambios en las condiciones del mercado y en los requisitos del cliente. Con sistemas que incorporan IA, las empresas pueden ajustar dinámicamente sus procesos de fabricación para satisfacer la demanda fluctuante, optimizar la producción según la disponibilidad de materias primas y responder ágilmente a las nuevas tendencias y regulaciones del mercado. En resumen, la inteligencia artificial está revolucionando la industria del metal al proporcionar herramientas para la optimización, el control y la adaptación de los procesos de fabricación. Al aprovechar estas tecnologías, las empresas pueden mejorar la eficiencia operativa, aumentar la calidad del producto y mantenerse competitivas en un mercado global en constante cambio.

2. La industria metalúrgica ha liderado la adopción de soluciones de inteligencia artificial para optimizar sus procesos de fabricación. Esta posición de vanguardia se debe a su capacidad para procesar grandes volúmenes de datos y su disposición para adoptar tecnologías emergentes. A través de técnicas como el Machine Learning y la Lógica Difusa, la IA se ha aplicado con éxito para mejorar la calidad del producto, aumentar la eficiencia operativa y reducir los costos en áreas clave como la producción de materias primas, el laminado en caliente y en frío, y la galvanización. Sin embargo, aunque la industria metalúrgica ha sido pionera en la implementación de soluciones de IA, otros sectores también han avanzado significativamente en su aplicación. Por ejemplo, industrias como la energía y la automoción han adoptado sistemas de IA en áreas como la robótica autónoma o el mantenimiento predictivo avanzado. Esto indica que, a pesar del liderazgo inicial, aún hay margen para mejorar y mantener la posición de vanguardia en la adopción de tecnología.

Para mantener su liderazgo en la adopción de tecnología, la industria metalúrgica debe buscar constantemente formas de mejorar y optimizar sus procesos. Un área prometedora es la implementación de sistemas de IA más sofisticados que puedan adaptarse dinámicamente a las condiciones cambiantes del entorno de fabricación. Esto podría incluir la integración del Deep Learning para el análisis de imágenes y la detección de defectos en productos metálicos. Por ejemplo, mediante el entrenamiento de algoritmos con grandes conjuntos de datos de imágenes de productos defectuosos y no defectuosos, se puede desarrollar un sistema robusto capaz de identificar automáticamente defectos como grietas, porosidades o irregularidades en la superficie del metal. Además, el uso de sistemas de optimización basados en algoritmos genéticos podría mejorar aún más el rendimiento de los procesos de fabricación al encontrar configuraciones óptimas de parámetros que maximicen la eficiencia y la calidad del producto final.

Por último, y en pro de una escalabilidad y modularidad en el despliegue de IA en la industria metalúrgica, el reto pendiente consiste en la implementación de MLOps (DevOps para Machine Learning). Esta metodología combina prácticas ágiles de desarrollo de software con procesos específicos para el despliegue y mantenimiento de modelos de Machine Learning. En este contexto, las empresas metalúrgicas pueden aprovechar MLOps para gestionar de manera eficiente el ciclo de vida completo de los modelos de IA, desde su desarrollo y entrenamiento hasta su implementación en entornos de producción. Esto implica la automatización de tareas de entrenamiento, validación y despliegue de modelos, así como la monitorización continua de su rendimiento y la gestión de su evolución a lo largo del tiempo. Al adoptar MLOps, las empresas metalúrgicas pueden mejorar la agilidad, la calidad y la fiabilidad de sus sistemas de IA, lo que les permitirá tomar decisiones más informadas y optimizar sus procesos de fabricación de manera continua.

3. La IA Generativa, que ha ganado prominencia recientemente, tiene el potencial de tener un impacto significativo en el ámbito industrial. Esta tecnología se destaca por su capacidad para generar nuevos datos o contenido, como imágenes, texto o sonido, que son indistinguibles de los datos reales. En el contexto de la industria metalúrgica, la IA Generativa podría tener múltiples aplicaciones, como la creación de modelos virtuales de productos metálicos para pruebas de diseño, la generación de prototipos virtuales para optimizar los procesos de fabricación y la simulación de condiciones extremas para evaluar la resistencia y durabilidad de los productos.

En un entorno de coexistencia con IA, donde la colaboración entre humanos y sistemas automatizados es cada vez más común, la IA explicativa se convierte en un componente esencial para garantizar una interacción fluida y efectiva. Además, promueve una mayor aceptación y adopción de la IA en la industria metalúrgica al abordar preocupaciones sobre la opacidad y la falta de comprensión de los sistemas de IA por parte de los humanos. Por lo tanto, el desarrollo de sistemas de IA explicables es una prioridad para garantizar el éxito y la efectividad de la integración de la IA en la industria metalúrgica.

4. Como empresa líder en soluciones de Inteligencia Artificial, en Sisteplant ofrecemos una amplia gama de herramientas y tecnologías diseñadas específicamente para mejorar los procesos de producción en la industria metalúrgica. En resumen, nuestras soluciones de IA están diseñadas para ayudar a la industria metalúrgica a mejorar la calidad del producto, aumentar la eficiencia operativa y reducir los costos, a través de una combinación de monitorizado en tiempo real, optimización de procesos, diagnóstico de fallos, modelado y simulación, y automatización inteligente.

1. Las tecnologías basadas en Inteligencia Artificial están siendo disruptivas en su aplicación en la industria y, en particular, en la fabricación del metal. Al contrario que en el modelado físico, que precisa de unos conocimientos muy detallados del proceso que tienden a adquirirse y validarse en laboratorio y no necesariamente extrapolan bien a un entorno de producción real, la IA aprende de los datos extraídos del proceso. Por tanto, ese aprendizaje es intrínseco al comportamiento del proceso real lo que lo hace más efectivo. Otra gran ventaja de los modelos de IA es la transferencia de conocimiento (del inglés transfer learning), así, algunos modelos se entrenan en volúmenes de datos masivos ajenos a nuestro caso de uso y, tan solo con someterlos a un ajuste, podemos aprovechar todo su potencial para nuestra tarea en cuestión. Esta tecnología está siendo especialmente transformadora en el campo de la visión por computador y el procesamiento del lenguaje natural.

2. Existen varios ámbitos donde la IA se está aplicando en el sector de la fabricación de la industria del metal. El control de calidad es una herramienta fundamental en los procesos de fabricación de metal. Los recientes avances en los algoritmos de visión permiten una identificación de elementos con mayor facilidad que nunca. Así, es posible identificar impurezas entre los materiales de entrada en el proceso y, también, detectar defectos superficiales en los componentes fabricados. Además, la penetración de la sensorización en la industria hace que sea más sencillo monitorizar los procesos para garantizar la consecución de productos de calidad. No solo eso, sino que empleando modelos de IA se puede establecer correlaciones entre las condiciones del proceso y los resultados finales, adquiriendo un conocimiento mayor de los parámetros que afectan al proceso y pudiendo controlarlos y optimizarlos con mayor precisión.

Otras aplicaciones de IA menos específicas de la metalurgia son el mantenimiento predictivo, en el que a través de los sensores y los algoritmos de IA se puede diagnosticar y pronosticar el estado de algunos activos, y la logística interna, donde diferentes robots o AGVs (Automated Guided Vehicles) pueden hacerse cargo de la distribución y gestión de las materias primas y/o productos finales.

3. La industria del metal es una industria particularmente exigente, puesto que los procesos son agresivos con condiciones térmicas extremas. Sin embargo, poco a poco se va dotando a los procesos de fabricación de sensórica y sistemas de inspección necesarios para adquirir datos y poder emplear IA. A medida que se comiencen a adquirir datos se podrá aprender de ellos y explotarlos mediante algoritmos. Cuanto antes se comience a adquirir, antes se podrá comenzar a explotar los datos. Eso sí, es preciso involucrar tanto a personal con conocimiento del proceso como personal versado en el desarrollo de modelos que se encargue de revisar que los datos adquiridos son apropiados. Si no se garantiza que los datos adquiridos son válidos, todo esfuerzo habrá sido en vano. Pero, desde luego, es preciso invertir hoy en una sensorización y digitalización de procesos si se quiere tener alguna ventaja competitiva respecto a otros rivales comerciales en el futuro.

4. En un campo en constante evolución, es complicado hacer pronóstico sobre cómo evolucionará una tecnología. Sin embargo, la inteligencia artificial generativa comienza a emplearse con mayor o menor éxito en distintos ámbitos industriales. Por ejemplo, debido a la escasez de imágenes de piezas con defectos superficiales (necesarias para entrenar algoritmos de visión para el control de calidad) se comienza a emplear algoritmos generativos para generar imágenes artificiales o sintéticas con defectos realistas que pueden usarse para entrenar algoritmos. La aplicación de nuevas aproximaciones para la generación de imágenes sintéticas como las redes adversariales generativas (GANs) y los modelos de difusión nos permiten aumentar la calidad y aproximarnos cada vez a imágenes semejantes a las imágenes originales con defectos. Otro ejemplo de uso de IA generativa es el soporte de decisión a operarios. Con los nuevos modelos de lenguaje (LLM o Large Language Models en inglés) es posible generar ‘agentes conversacionales’ que conocen los protocolos internos y pueden asistir a los operarios en ciertas tareas. Por último, las investigaciones más recientes apuntan a la posibilidad de emplear inteligencia artificial generativa para el diseño y descubrimiento de nuevos materiales y aleaciones que atiendan a ciertos requerimientos. Esta es quizá una de las aproximaciones más recientes y menos maduras, pero es sin duda prometedora por el impacto que pudiera tener en el futuro.

5. Tekniker cuenta con una amplia experiencia en el empleo de Inteligencia Artificial y modelos basados en datos en la fabricación. En particular, hemos trabajado en el desarrollo de modelos de visión sobre imágenes 2D para la detección y segmentación de defectos superficiales usando redes neuronales convolucionales (CNN). A su vez, para la detección de materiales indeseados (por ejemplo, insertos indeseados en piezas metálicas) se ha trabajado en el tratamiento de la imagen hiperespectral utilizando redes convolucionales de dos y tres dimensiones (2D3D-CNNs). En ambos casos se han empleado las técnicas de transferencia de conocimiento, aprovechando modelos previamente entrenados en conjuntos de datos masivos que se han reajustado para las tareas específicas con una cantidad de datos menor. La generación sintética de imágenes en estos casos ha sido critica, debido a la poca variabilidad y número de imágenes del dataset generado. 

También se han desarrollado modelos subrogados de procesos complejos. Estos modelos aprenden de los datos históricos e imitan el comportamiento del proceso. De esta forma se puede experimentar y estimar el comportamiento del proceso ante diferentes condiciones o inputs sin necesidad de alterar el curso natural del proceso. Esto permite optimizar diferentes parámetros de los procesos y dar un soporte a la toma de decisiones. Tekniker cuenta también con experiencia en la monitorización de maquinaría giratoria mediante acelerómetros y modelos de datos, diseñando algoritmos para detectar potenciales roturas en máquinas giratorias. Más recientemente, estamos probando a utilizar grandes modelos de lenguaje que procesan los documentos (códigos técnicos de edificación) de forma que los profesionales del sector puedan realizar consultas sobre los mismos utilizando lenguaje natural. Este tipo de tecnología se podría adaptar para ser empleada en otros ámbitos como la metalurgia.

1. En Tomra, estamos convencidos de que la IA tiene el poder de transformar el sector de reciclaje tal como lo conocemos hoy. Evidentemente, las ventajas de AI también se harán aplicables a las plantas de clasificación y reciclaje de metales. Una de esas ventajas es la cantidad ingente de datos que genera y trata, que permite a las plantas de proceso obtener información muy valiosa sobre el rendimiento de la clasificadora y mejorar el mantenimiento preventivo. Esto contribuirá a incrementar la transparencia del proceso, pudiendo evaluar no sólo el rendimiento de máquinas individuales, sino también de todo el proceso de clasificación y el flujo de materiales. Además, como sabemos, la IA engloba dos subcampos que han evolucionado mucho en los últimos años: el Aprendizaje Automático o Machine Learning, que reconoce patrones, aprende de los datos y mejora sin necesidad de programación, y el Aprendizaje Profundo o Deep Learning, que emplea redes neuronales artificiales para analizar datos y resolver problemas complejos. Ambas tecnologías procesan enormes cantidades de datos de forma muy rápida y los utilizan para tomar decisiones sin intervención humana. El uso del Deep Learning, impulsará en gran medida la circularidad de los materiales y automatizará los procesos de clasificación que aún no se realizan.

2. En este momento, vemos un tremendo potencial en agregar Deep Learning a nuestros sistemas de clasificación tradicionales, debido a las ventajas que aporta. Como decíamos, basándose en redes neuronales y siendo capaces de identificar miles de objetos por material y forma en milisegundos, los sistemas de aprendizaje profundo combinados con potentes sensores pueden resolver las tareas de clasificación más complejas. El material que antes era difícil de clasificar ahora puede clasificarse. Imagínense el impacto que esto tendrá en las tasas de recuperación y en los ingresos.

3. El uso de soluciones de Deep Learning es beneficioso para todas las áreas del reciclaje. La clasificación de envases, por ejemplo, va un poco más adelantado que el segmento de metales y ya cuenta con más de estos sistemas innovadores. Por el contrario, el mercado de metales está ahora empezando a ver algunas de estas innovaciones. La primera buena noticia es que la industria está muy comprometida a reducir sus emisiones de carbono y a optimizar los procesos de recuperación de recursos. Por eso estoy convencida de que en poco tiempo las plantas de recuperación de metal se darán cuenta de los beneficios que conlleva combinar sus actuales sistemas de clasificación con la tecnología de Deep Learning. La segunda buena noticia es que algunas máquinas se pueden adaptar fácilmente, lo que puede simplificar la toma de decisiones.

4. La IA generativa y la IA discriminativa son dos caras de la misma moneda. Cada uno tiene sus casos de uso predefinidos. Así, la IA generativa, que todos conocemos como herramienta para la creación de contenidos y medios, sin duda tendrá un lugar en la industria. Sin embargo, la IA discriminativa, que evalúa o clasifica contenido, es la opción correcta para detectar objetos y resolver tareas de clasificación complejas que nos ayuden a avanzar hacia una economía circular.

5. La IA no es nada nuevo para nosotros. En Tomra, siempre hemos estado a la vanguardia de la industria. Nuestros primeros sistemas de clasificación ya utilizaban IA para clasificar objetos, por lo que hoy tenemos miles de máquinas Tomra instaladas en todo el mundo formando parte de ese espectro. Asimismo, hemos estado invirtiendo continuamente en nuestra tecnología de Deep Learning en los últimos años. Nuestra última innovación en este sentido es nuestro AUTOSORT GAIN, que se lanzó por primera vez en 2019 para separar del mismo los problemáticos cartuchos de PE de silicona del flujo de polietileno (PE). Desde entonces, hemos estado aprendiendo, desarrollando y haciendo pruebas. En 2022 desarrollamos una aplicación para la clasificación de astillas de madera, y estamos orgullosos de decir que este año llevaremos esta solución inteligente al mercado de los metales. ¡De momento no puedo desvelar más, pero os contaremos más al respecto de nuestro nuevo lanzamiento este mismo año 2024!

---

Este artículo aparece publicado en el nº 06 de Metales&Máquinas págs. 46 a 55.