Más recientemente, el “Center for Intelligent Machines (CIM)” de la Universidad McGill ofrece una definición concisa de este concepto: “Las máquinas inteligentes son capaces de adaptar su comportamiento orientado al objetivo gracias a su capacidad de sentir e interpretar su entorno, tomando decisiones y realizando planes, que llevan a cabo mediante acciones físicas”. Evidentemente, el concepto de máquina inteligente es objeto de amplia discusión, aunque prácticamente todos los implicados en la misma aceptan que la máquina debería poseer algunas de las características habitualmente reconocidas a la inteligencia humana, como son la capacidad de aprender de la experiencia, utilizando esta capacidad para mejorar trabajos futuros; el ser capaz de integrar modelos almacenados con diferentes fuentes de información procedente de sensores propios; una amplia capacidad de procesar la información disponible en cada momento; y el disponer de sistemas eficientes de gestión y almacenamiento del conocimiento.
Sin duda, un observador externo podría pensar que aún nos encontramos muy lejos de disponer de una máquina que incluya semejantes potencialidades. Sin embargo, los avances de los últimos años en lo referente al uso de plataformas abiertas y basadas en estándares, interfaces de usuario avanzados, instrumentación, sensores, Inteligencia Artificial (AI), etc. han colocado a las máquinas-herramienta ante una nueva perspectiva, que permite ser muy optimistas con respecto a los avances de los próximos años.
Son numerosos los esfuerzos investigadores a nivel mundial, tanto desde la iniciativa pública como la privada, que se encaminan hacia una nueva generación de máquinas inteligentes. Cada proyecto tiene sus propias peculiaridades, encaminando sus objetivos hacia diferentes aspectos dentro del concepto de máquina inteligente, pero de forma general estos objetivos abarcan una serie de aspectos comunes que se tratarán a continuación.
Capacidades que se piden a una máquina inteligente
La incorporación a la máquina de servicios destinados al usuario final que incrementen el valor añadido del equipo es, hoy por hoy, una exigencia del mercado. Estos servicios, que incluyen aspectos como la asistencia remota, los sistemas de simulación para la mejora del proceso mediante la realización de ensayos virtuales, el auto y el telediagnóstico (entre otros) deben integrarse en plataformas basadas en estándares y que permitan la interoperabilidad con otros sistemas. La tecnología de Servicios Web juega y jugará un papel fundamental en este sentido, facilitando nuevos entornos no solo a la comunicación entre usuario y fabricante, sino también en el acceso a la información de un modo distribuido. El desarrollo de herramientas que permitan a los sistemas utilizar el conocimiento generado y almacenado en situaciones anteriores debe completar esta oferta de servicios en máquina.
La capacidad de una máquina para adaptarse a las condiciones del proceso en cada momento forma parte intrínseca del concepto de máquina inteligente. El concepto de control adaptativo, que permita optimizar en cada momento un cierto proceso a partir tanto de los datos recibidos de sensores dispuestos en la propia máquina, como de modelos implementados en la misma, ha sido en sí mismo un objetivo desde la aparición del Control Numérico en el último cuarto del siglo XX. Sin embargo, es ahora, con el desarrollo de la sensórica y los avances en hardware y software cuando el objetivo se antoja realista. Es desde este realismo que se aceptan como necesarios tanto los sistemas de optimización on-line en tiempo real como los sistemas off-line de optimización de parámetros antes de llevar a cabo el proceso. En otras palabras, la combinación de modelos eficientes del proceso que reduzcan el empirismo de una puesta a punto basada únicamente en esquemas de prueba-error, junto con sistemas de monitorización, diagnóstico y actuación en tiempo real disponibles durante el proceso supone la solución más adecuada a la optimización de procesos con una importante componente estocástica como son los procesos de fabricación. Algo más lejos quedan aún los sistemas que aprendan de sí mismos, aunque se sigue avanzando a paso firme en esa línea.
Paralelamente a la capacidad de adaptación se encuentra la capacidad de autodiagnóstico y autoreparación de la máquina. En otras palabras, se busca que la propia máquina sea capaz de detectar fallos, diagnosticar sus causas y tomar las medidas correctoras necesarias que le permitan seguir operando dentro de unos umbrales de fiabilidad incluso en condiciones de trabajo degradadas. Dos son los componentes principales que configuran la máquina autónoma: por un lado, la puesta a punto y la gestión de históricos sobre las condiciones de operación, de la máquina y de sus componentes; por el otro, la sistematización de la realización de tests periódicos de diagnóstico por parte de la propia máquina, cuyas entradas provengan también de sensores instalados en la misma, y que permitan llevar a cabo estrategias óptimas de mantenimiento predictivo que minimicen el número de paradas.
La implementación de interfaces de usuario avanzados ahonda en la mejora de la comunicación hombre-máquina que debe caracterizar a una máquina inteligente. En este apartado se encuentran los mecanismos de interacción natural y multimodal, incluyendo sistemas de reconocimiento de voz y gestos o la visión artificial, entre otros. Los interfaces hápticos han abierto una nueva puerta de desarrollo. La diferencia entre un sistema teleoperado real y un sistema háptico se encuentra en la señal que recibe el operador. En el primero de los casos, esta señal existe realmente, es decir, existen una máquina, un proceso y un entorno reales de ejecución. En el caso de los sistemas hápticos, el entorno remoto es simulado vía software, y el sistema debe encargarse de mantener la sensación de interacción con ese entorno que físicamente no existe. Los interfaces de la familia “data gloves” llevan al extremo esa sensación para el operario. Se trata de un guante equipado con sensores que recogen los movimientos de la mano, intercambiando información sobre los mismos con un ordenador. Los “data gloves” son muy frecuentes en entornos de realidad virtual, en los que el usuario puede interactuar con el entorno virtual e incluso manipular los objetos que en él se encuentran. La comunicación máquina-usuario se adentra también en el mundo de los dispositivos portables (“wearable computing”). A día de hoy el acceso del operador al estado de la máquina través de dispositivos como el teléfono móvil, la PDA u otros similares es una realidad que ya ofrecen muchos de nuestros fabricantes.
El desarrollo de nuevos algoritmos de control del proceso es otra de las columnas sobre las que se soporta el concepto de máquina inteligente. En este sentido, el poder disponer de hardware y software con más capacidad y rapidez de procesamiento de datos, a la vez de a un coste considerablemente más económico, se convierte en una herramienta indispensable para obtener mayores precisiones de pieza y velocidades de trabajo que hagan más competitiva una cierta aplicación. En el caso de la máquina-herramienta, estas afirmaciones se convierten en realidad cuando se tratan aspectos como el suavizado de trayectorias (“path smoothing”), el look-ahead, las transformaciones cinemáticas (críticas, por ejemplo, en el control de máquinas de 5 ejes) o las interpolaciones entre ejes.
La interpolación de trayectorias complejas a alta velocidad y con precisión supone todavía una de las principales fuentes de problemas en el control de máquinas – herramienta. La fuente principal de estos problemas se debe a la lectura y ejecución de las trayectorias calculadas por un sistema CAM. Este hecho se debe a que los sistemas de CAM calculan las trayectorias de superficies complejas como una sucesión de pequeñas interpolaciones lineales que siguen el perfil de la superficie diseñada. Este cálculo se realiza con una determinada tolerancia que puede ser del orden de 0,5 mm (lo que es perfectamente viable para un cálculo matemático). El “path smoothing” o suavizado de trayectorias, permite la interpolación de los ejes de una máquina de forma continua y sin ningún tipo de saltos. Este algoritmo permite corregir los posibles errores de redondeo que introduce el control numérico y que pueden originar saltos en la interpolación de trayectorias. Este tipo de algoritmos deben interpolar trayectorias con una resolución de nanómetros, por lo que es necesaria una velocidad de cálculo muy superior a la que utilizan la mayoría de los controles actuales.
El suavizado de trayectorias parte de un cálculo previo a partir de los puntos de partida que provienen del CAM. La antelación con la que se realiza este cálculo depende del algoritmo de look-ahead que utilice la máquina. En la actualidad, los controles numéricos incorporan algoritmos de look-ahead que calculan con antelación la velocidad óptima para limitar las aceleraciones que van a darse a lo largo de la trayectoria. A medida que se introducen nuevos cálculos, como el citado path smoothing, el look-ahead del control necesitará incorporar nuevos algoritmos y poder leer una cantidad de bloques con antelación muy superior a los que se pueden gestionar en la actualidad.
Finalmente debe citarse el aumento del grado de confiabilidad de las máquinas como aspecto indispensable de una máquina inteligente. El concepto de confiabilidad incluye parámetros diversos, tales como el tiempo medio entre fallos (fiabilidad), el tiempo medio de reparación (mantenibilidad), o la propia definición de disponibilidad, que integra a los dos anteriores. Los niveles de seguridad (“Safety Integrated Level”) se encuentran también dentro del concepto de confiabilidad, estando definidos por normas de aceptación internacional.
Para poder ver el contenido completo tienes que estar suscrito. El contenido completo para suscriptores incluye informes y artículos en profundidad
