Las nuevas tecnologías basadas en inteligencia artificial están cambiando la arquitectura del control de las máquinas con una mayor capacidad de procesamiento de datos, de aprendizaje y toma de decisiones. Ofrecen la posibilidad de aumentar la disponibilidad, la eficiencia y la fiabilidad mediante el mantenimiento predictivo y prescriptivo, así como de mejorar la productividad con la capacidad de tomar decisiones autónomas. En este artículo analizamos cómo la incorporación de estas tecnologías inteligentes en los controladores puede proporcionar un nuevo paradigma de funcionamiento de las máquinas. No hace tanto tiempo que el potencial de tecnologías como el modelo de control predictivo, el control PID, el control orientado al campo magnético y la lógica difusa era meramente hipotético. Hoy en día, están tan profundamente arraigadas en las arquitecturas de los controladores que ya ni siquiera pensamos en ellas. En ese contexto, consideremos las posibilidades de desarrollo de las tecnologías de análisis avanzado (AA) y de inteligencia artificial (IA) para el control de máquinas.
Pueden ser un motor para aumentar la disponibilidad de la máquina, proporcionando un mantenimiento predictivo más eficaz. Esto nos lleva al ámbito del análisis de Big Data, donde las tecnologías de AA e IA permiten registrar y analizar diferentes estados de la máquina en tiempo real. Reconociendo el estado actual de la máquina, detectando futuros fallos posibles, y ofreciendo recomendaciones sobre las medidas a tomar de forma inmediata. El operador de máquina o el servicio de mantenimiento pueden responder en cuanto se produce el error. De hecho, el mismo sistema puede tomar medidas correctivas de forma totalmente autónoma. Por ejemplo, al usar esta misma tecnología de Inteligencia Artificial a la cadena logística, el sistema de control podría incluso reducir las demoras en la entrega de las piezas de repuesto. Este sistema podría ralentizar ligeramente la máquina para aumentar du durabilidad en lugar de detener la línea de producción por completo. Yendo más allá, la IA puede comenzar a tomar decisiones autónomas para optimizar la productividad.
Considérese, por ejemplo, cómo se construye típicamente una máquina para trabajar dentro de márgenes definidos de capacidad – quizás para permitir diferentes cargas, velocidades o niveles de seguridad. La tecnología de IA que utiliza algoritmos de Deep Learning dentro del controlador podría permitir que las máquinas se manejen incluso más allá de los márgenes actuales, aumentando significativamente la productividad sin comprometer la fiabilidad o la seguridad. Ya estamos viendo cómo la aplicación de los principios de la IA a los procesos de las máquinas individuales puede ser un factor de mejora de las operaciones.
Por ejemplo, Mitsubishi Electric ha desarrollado una tecnología de diagnóstico basada en su tecnología de IA llamada Maisart. Incorporada en productos como la solución informática de vanguardia MELIPC de Mitsubishi Electric, ésta utiliza el Machine Learning para analizar los datos de producción y generar un modelo de los estados operativos de la máquina. Este modelo puede detectar fallos en el funcionamiento de la máquina en tiempo real, lo que le permite proporcionar una alerta de problemas inminentes para que el personal de mantenimiento pueda actuar a tiempo. Otro ejemplo del uso de la IA es la función inteligente de mantenimiento predictivo de los robots MELFA. La función Smart Plus puede aplicarse a los robots de Mitsubishi Electric para analizar con precisión los componentes primarios de la unidad de acuerdo con las condiciones de funcionamiento reales y advierte sobre las piezas que fallan o se deterioran de forma anticipada.
Por lo tanto, reduce el tiempo de inactividad y permite planificar un programa de mantenimiento eficiente. Además, durante la fase de diseño de las aplicaciones, la tecnología ofrece capacidades de simulación para predecir la vida útil del robot y estimar los costes anuales de mantenimiento, dando a los ingenieros la oportunidad de modificar el funcionamiento del robot para ampliar el ciclo de vida. Estos dos ejemplos ya podrían impulsar mejoras significativas en la disponibilidad de la máquina y reducir los costos de mantenimiento, pero es una primera aproximación del verdadero potencial de la AA y la IA.
