La inteligencia artificial (IA) es un término de moda que se escucha en todas partes en estos días, aunque la realidad detrás de ella todavía no está impactando en la práctica diaria. La razón es que los modelos de IA computarizados de manera compleja para procesos específicos son muy inflexibles. Si un proceso cambia, con el uso de diferentes materiales, por ejemplo, o debido al desgaste de la herramienta, el modelo no puede adaptarse. Esto es algo que los investigadores de Hannover ahora quieren cambiar, abriendo la IA para una amplia gama de aplicaciones.
Para ello, hacen uso de gemelos digitales, es decir, una imagen digital mapeada con precisión de un proceso. Hay un gran potencial técnico y económico en tales simulaciones, ya que pueden ser de ayuda en el reconocimiento temprano y compensación de desviaciones en la calidad. “Sin embargo, hasta ahora, los modelos de IA no han podido responder a las condiciones cambiantes del proceso. Tuvieron que volver a capacitarse y, por lo tanto, naturalmente supusieron una gran pérdida de tiempo, experiencia y dinero”, explica Marcel Wichmann, quien mostrará en el seminario en línea Let's Talk Science a las 8.30 h el 31 de agosto de 2022 cómo las pequeñas y medianas empresas podrán beneficiarse cada vez más de la IA en el futuro. Marcel Wichmann es jefe del Departamento de Sistemas de Producción del Instituto de Ingeniería de Producción y Máquinas-Herramienta de la Universidad Leibniz de Hannover.
Dichos modelos de IA de aprendizaje facilitan el llamado control de proceso adaptativo, en otras palabras, la adaptación continua de un proceso a condiciones cambiantes, como el desgaste de la herramienta o errores durante el procesamiento.
Marcel Wichmann demostrará el uso de gemelos digitales basándose en ejemplos concretos. En ingeniería aeroespacial destaca el ejemplo de una aplicación para la regeneración de álabes de turbina. Esta aplicación permite predecir el resultado de una pieza de trabajo en particular y modificar el proceso si es necesario. Esto, a su vez, mejora la calidad y la seguridad del componente.
Otro ejemplo demuestra la optimización en el rectificado de herramientas. Las previsiones de la herramienta gemela virtual se ajustan continuamente sobre la base de la retroalimentación de datos, y el proceso se optimiza constantemente. En la práctica, esto da como resultado menos piezas de trabajo defectuosas y procesos de preparación más breves. El equipo de Hannover también tiene la ambición de facilitar la creación de imágenes de procesos de producción completos, desde la fabricación y el uso de un componente hasta su control de calidad. “Por último, pero no menos importante, nuestras simulaciones mejorarán la productividad de los procesos”, enfatiza.
“Al margen de eso, en estos tiempos de escasez de personal cualificado, estamos dando a las empresas la oportunidad de crear un equipo con muchos asistentes virtualmente apoyados que tienen acceso a la experiencia de los más antiguos, y todo ello en un grupo con un empleado experimentado y varios asistentes”.
Para registrarse: https://emo-hannover.com/lets-talk-science