Aprender del pasado
Las lecciones aprendidas en la implementación de la automatización marcan la pauta para el éxito de la IA.
La implementación de las tecnologías de automatización presentó retos y oportunidades similares a los que enfrentan hoy las empresas que adoptan la IA. Sin embargo, a pesar de los retos iniciales, la automatización generó resultados claros muy similares a los que hoy intentan lograr las iniciativas de la IA: innovación, eficiencia y análisis de datos.
Al analizar los aspectos positivos y negativos de esa experiencia, los ingenieros y los ejecutivos coinciden en que los factores que llevaron al éxito la adopción de la automatización también marcan una pauta para la IA, como:
1. Establecer una visión clara y compartida del retorno de la inversión.
2. Utilizar programas piloto para demostrar el valor de nuevos conceptos antes de ampliar su implementación.
3. Capacitar al personal para maximizar el impacto de cada
iniciativa.
Al aplicar estas lecciones, las empresas pueden lograr un impacto aún mayor en la adopción de la IA: dos tercios de los ingenieros (66 %) y el 58 % de los ejecutivos consideran que la IA tiene el potencial de generar beneficios más amplios que la automatización.
Nuestras conclusiones
A medida que la manufactura se vuelve más rápida y compleja, una lección de la automatización tradicional destaca: los sistemas que generan valor real no solo realizan inspecciones, también llevan a cabo mediciones, toman decisiones y se ajustan en tiempo real. Este principio de circuito cerrado, consolidado desde hace tiempo en la automatización, ahora guía directamente el diseño de sistemas de visión con base en IA. En lugar de depender de inspecciones reactivas, los sistemas de visión con base en IA promueven el monitoreo durante los procesos para detectar de inmediato problemas como pines desalineados u otras fallas, y ajusta de forma proactiva los parámetros de la máquina para prevenirlos. Así como los equipos automatizados dependen de puntos de ajuste calibrados y módulos estandarizados, los sistemas de visión con base en IA utilizan modelos sólidos y reutilizables, así como límites definidos que estabilizan la calidad y se amplían con rapidez en distintas líneas de producción. Para mantener este cambio, las interfaces intuitivas y la capacitación continua brindan a supervisores de línea e ingenieros las herramientas para entrenar, perfeccionar e implementar modelos de visión con la misma confianza que ya tienen en la automatización.
Jim Tobojka
Vicepresidente sénior,
Operaciones globales