¿Cómo optimizar un control de calidad a través de la Inteligencia Artificial? - ITCL

En el sector industrial se aplican herramientas de control de calidad, que garantizan que el producto o servicio se desarrolla de forma óptima. El objetivo es evitar que ningún defecto o error alcance al consumidor final además de ayudar a que las empresas del sector sigan siendo competitivas, puesto que se trata de mejorar la calidad del servicio o producto de forma constante.

¿En qué puede ayudar la IA?

La optimización de los procesos permite que las empresas se mantengan competitivas en todo momento por ello siempre están en continuo desarrollo, alguno de los campos donde la Inteligencia Artificial (IA) puede ayudar es el control de la calidad de los productos mediante:

  • La detección e identificación de las materias primas óptimas. Muchos de los procesos industriales requieren de suministros de materias primas con unos estándares fijos, la identificación de las características óptimas para la producción de cada producto es crítico y clave, reduciendo problemas en la maquinaria de la línea, retrabajos, retraso en líneas, tiempos muertos, baja calidad del producto y multas por parte de cliente final por incumplimiento de entregas a tiempo. 
  • La inspección y detección autónoma de defectos. Este proceso se puede realizar mediante cámaras o dispositivos Lidar entre otros, dependiendo si solo requiere la clasificación de defecto o además hay que caracterizarlos mediante mediciones precisas. Para ello el uso de Redes convolucionales (CNN) y algoritmos Ad-hoc de medición son una combinación adecuada para abordar este tipo de soluciones.
  • La optimización de los parámetros de control de máquinas. Permite una reducción de los rechazos mediante la reducción de los defectos que produce el proceso productivo de la máquina teniendo en cuenta las piezas a realizar y la materia prima a utilizar en cada uno de los casos. Algunos de los algoritmos a utilizar serían la combinación de algoritmos de selección de características con metodologías de aprendizaje supervisado como las redes neuronales (NN). Mediante esta metodología se propone la extracción de información valiosa sin procesar del proceso de fabricación para su posterior uso en la predicción de la calidad del producto que permita optimizar las variables de control para obtener la calidad deseada.

¿Por qué ahora? 

Existen varias razones que han dado lugar al uso cada vez mayor de la IA en la industria. 

A nivel de computación y almacenamiento de los datos en los últimos años se ha tenido un aumento de la capacidad de computación tanto en el Edge como en el Cloud. Además de la existencia de algoritmos y herramientas pre-entrenadas que facilitan a las empresas realizar sus propios análisis. 

La reducción de costos a la hora de comprar el hardware (cámaras. sensores) ha permitido el uso generalizado de sistemas de monitorización y control, lo que ha llevado a la última de las razones del crecimiento en el uso y aplicación de la IA en distintos sectores, el aumento de los datos disponibles que se generaron de forma autónoma en los dispositivos instalados.

¿Qué ventajas aporta? 

Como principal valor añadido de la automatización del proceso de control de calidad mediante IA podríamos destacar que ofrece la posibilidad de tener un control total continuo no aleatorizado de muestras,es decir, permite analizar el 100% de la producción de forma rápida y eficiente, en lugar de solo algunas muestras escogidas de forma aleatoria. 

Así mismo, la IA aporta otra serie de ventajas en el proceso de calidad industrial:

  • permite repetibilidad de los procesos de control de calidad siguiendo unos parámetros y reglas preestablecidos, 
  • aporta consistencia en los resultados, evitando valoraciones subjetivas de los empleados, 
  • supone una reducción de costos mediante la identificación inmediata de posibles defectos y la actuación sobre los parámetros de control para la solventación de los mismos. 

En general, en el sector industrial apostar por optimizar sistemas de control de calidad añade valor tangible e intangible lo que permite competir con fuerza en un entorno global y en continua evolución. Desde el ITCL estamos investigando en este campo en varios sectores como el agroalimentario y el industrial en el ámbito de varios proyectos cabe destacar el de ALMATIC.

Artículos relacionados

ITCL Centro Tecnológico

¿Es necesario integrar Big Data en mi empresa?

ITCL Centro Tecnológico

Big data en la industria: cuando la información es poder

Bigdata

Cuando los datos transforman el rumbo de la industria