ALUMNO (A):
Nombre:
INSTITUTO TECNOLÓGICO SUPERIOR DE
AGUEDA GPE. CARREÓN PÉREZ
GERMAN HERNANDEZ LUCAS
EMMA GREGORIO ORTIZ
Número de control:
22TE0014M
Noveno semestre
20TE0398M
20TE0228M
TEZIUTLÁN
Licenciatura en:
Ingeniería industrial
Especialidad:
Sistemas integrados de producción
Actividad:
Investigación
ASESOR (A):
I.I DANIEL AGUILAR SALGADO
Teziutlán, Puebla; NOVIEMBRE, 2024
“La juventud de hoy, Tecnología del Mañana”
Sistema de Manufactura Inteligente que emplea Inteligencia Artificial,
Machine Learning y Big Data
1. Introducción
Sistema de Manufactura Inteligente (Smart Manufacturing)
La manufactura inteligente se refiere al uso de tecnologías avanzadas como la
Inteligencia Artificial (IA), Machine Learning (ML), y Big Data para optimizar los
procesos de producción, mejorar la calidad de los productos, reducir costos y
mejorar la eficiencia. Estos sistemas están diseñados para ser autónomos,
adaptativos, y capaces de aprender y mejorar a lo largo del tiempo.
Componentes Clave del Sistema de Manufactura Inteligente
Los componentes clave de un sistema de manufactura inteligente incluyen:
Sensores IoT (Internet de las Cosas): Permiten la recopilación de datos en tiempo
real de la maquinaria, los procesos de producción y las condiciones ambientales.
Estos datos incluyen temperatura, presión, velocidad de las máquinas, calidad del
producto, etc.
Plataforma de Big Data: Recibe, almacena y procesa grandes volúmenes de datos
generados por los sensores IoT. Este sistema se encarga de almacenar y gestionar
la información de manera eficiente, utilizando bases de datos distribuidas como
Hadoop o plataformas como Apache Spark.
Inteligencia Artificial (IA) y Machine Learning (ML): Se utilizan para analizar los datos
recopilados y tomar decisiones autónomas. Los algoritmos de ML ayudan a predecir
fallos de equipos, optimizar procesos, mejorar la calidad de los productos y ajustar
los parámetros de producción en tiempo real.
Sistemas de Control Automatizado (PLC y SCADA): Se encargan de gestionar y
controlar los procesos de manufactura de manera automatizada, utilizando los
resultados de la IA y ML para ajustar las condiciones de producción en tiempo real.
Interfaces de Usuario (UI): Permiten a los operadores supervisar y gestionar los
sistemas de manufactura. Estas interfaces proporcionan visualizaciones en tiempo
real, alertas y recomendaciones basadas en los análisis realizados por los
algoritmos.
Redes de Comunicación: Son responsables de asegurar que los dispositivos y
sistemas involucrados estén interconectados. Esto incluye redes industriales como
el Protocolo de Comunicación Industrial (OPC), Ethernet industrial, o 5G para
sistemas de alta velocidad.
Funcionamiento del Sistema de Manufactura Inteligente
Entrada de Información (Datos de Sensores)
El sistema comienza con la recolección de datos en tiempo real. Los sensores IoT
distribuidos a lo largo de las líneas de producción recogen información sobre el
estado de las máquinas, el progreso de la producción, la calidad del producto, el
consumo de energía, las condiciones ambientales, entre otros factores.
Ejemplo de datos de entrada: Sensores de temperatura que miden la temperatura
de una máquina o el entorno, cámaras que capturan imágenes de la calidad del
producto, sensores de vibración que detectan fallos mecánicos en las máquinas,
etc.
Procesamiento de Información con Big Data
Los datos de los sensores se envían a una plataforma de Big Data, donde son
almacenados y organizados para su posterior procesamiento. Esta plataforma es
capaz de manejar grandes volúmenes de datos generados en tiempo real por cada
máquina y proceso. Los sistemas de almacenamiento distribuidos permiten que los
datos sean accesibles a través de múltiples puntos sin comprometer la velocidad y
capacidad de procesamiento.
Ejemplo de procesamiento: Los datos de temperatura y vibración de las máquinas
pueden ser procesados para predecir fallos de equipos (mantenimiento predictivo).
Análisis con Inteligencia Artificial y Machine Learning
Una vez que los datos son almacenados, se utilizan algoritmos de IA y Machine
Learning para extraer patrones, realizar predicciones y tomar decisiones
automáticas sobre cómo mejorar los procesos de manufactura.
Análisis Predictivo: El sistema puede predecir la vida útil de los componentes de las
máquinas, anticipando fallos antes de que ocurran. Por ejemplo, a través del análisis
de patrones de vibración y temperatura, el sistema puede identificar signos de
desgaste en una pieza y programar su reemplazo antes de que cause un paro en la
producción.
Optimización de Procesos: Los algoritmos de optimización ayudan a ajustar
parámetros como la velocidad de las máquinas, la temperatura de los hornos, o el
uso de materiales, para mejorar la eficiencia y reducir los residuos.
Control de Calidad: Los algoritmos de visión artificial pueden identificar defectos en
los productos en tiempo real y ajustar los parámetros de producción para corregir
estos defectos antes de que los productos lleguen al final de la línea.
Salida de Información (Toma de Decisiones y Actuación)
Una vez procesados los datos y realizadas las predicciones, el sistema puede tomar
decisiones de manera autónoma o recomendar ajustes a los operadores. Estas
decisiones pueden incluir:
Mantenimiento Predictivo: El sistema puede alertar a los operadores sobre la
necesidad de realizar mantenimiento en una máquina antes de que se produzca
una avería, evitando tiempos de inactividad no planificados.
Ajuste de Parámetros de Producción: Con base en el análisis en tiempo real, el
sistema puede ajustar automáticamente parámetros de producción como la
velocidad de la línea de ensamblaje o la temperatura del horno, optimizando la
eficiencia y calidad del proceso.
Alertas de Calidad: Si se detectan defectos en la producción, el sistema puede
alertar a los operarios para que ajusten el proceso y eviten la producción de más
unidades defectuosas.
Flujo de Información en el Sistema
El flujo de información en un sistema de manufactura inteligente se puede describir
de la siguiente manera:
Captura de Datos: Los sensores IoT recogen información en tiempo real sobre las
máquinas y los productos.
Envío a la Plataforma de Big Data: Los datos son enviados y almacenados en una
plataforma de Big Data para su procesamiento.
Análisis con IA y Machine Learning: Los datos son procesados utilizando algoritmos
de IA y ML para identificar patrones, predecir fallos y optimizar procesos.
Toma de Decisiones: El sistema utiliza los resultados del análisis para tomar
decisiones de manera autónoma o proporcionar recomendaciones a los operadores.
Implementación de Acciones: Los ajustes y recomendaciones se implementan en
tiempo real para optimizar la producción.
Beneficios del Sistema de Manufactura Inteligente
Reducción de Costos: La optimización de procesos y el mantenimiento predictivo
permiten reducir costos operativos y tiempos de inactividad.
Mejora en la Calidad: La detección temprana de defectos y la mejora continua de
los procesos garantizan productos de alta calidad.
Flexibilidad y Adaptabilidad: El sistema puede adaptarse rápidamente a cambios en
la demanda o en las condiciones de producción.
Sostenibilidad: Los sistemas inteligentes permiten un uso más eficiente de los
recursos y energía, reduciendo los residuos y el consumo energético.
Conclusión
Un sistema de manufactura inteligente que emplea IA, Machine Learning y Big Data
transforma la industria al hacerla más eficiente, autónoma y capaz de adaptarse a
cambios rápidamente. A través de la recolección y el procesamiento de grandes
volúmenes de datos en tiempo real, estos sistemas pueden prever fallos, optimizar
los procesos de producción y mejorar la calidad del producto final, lo que los
convierte en una parte integral de la industria 4.0.
