FESTO en JAI 2020 - AI on Edge and how the automated industry can Benefit from it
Resumen de la ponencia realizada por Leandra Bayer (Sales and Strategic Market Development, Festo) en las Jornadas JAI 2020
Autora de artículo: | Sofía Regalado Ruiz de Chávez
Festo es una empresa que se encarga de aumentar la productividad de sus clientes a través de la implementación de la inteligencia artificial (AI – Artificial intelligence) en la maquinaria de dichos clientes. En conjunto con Resolto, crearon una herramienta llamada Festo AX Toolkit que realiza un análisis de datos en tiempo real con ayuda de la AI. Este servicio ofrecido por Festo, no sólo se puede aplicar en el campo (AI on Edge), sino que también en la planta de producción (AI on premises).
Esta herramienta es usada por industrias químicas, de automoción, comida, y con empresas fabricantes de máquinas porque les interesa agregar AI para automatizar procesos.
La “magia” de Festo AX Toolkit es que el sistema, autónomamente, puede encontrar soluciones a problemas basados con los datos a su disposición. No sólo es capaz de encontrarlos, sino que incluso puede predecirlos gracias al “predictive maintenance”. Esto es que, con la base de datos que se le dio al sistema, detecta cuando algo está dañado o si algo se puede dañar.
También cuenta con el “predictivce quality”, es decir que puede ver la calidad de los procesos mientras se está en procesos de producción. Evitando pérdidas a las empresas porque no tiene esperar a que el producto esté terminado para observar si tiene fallos. Estas dos predicciones se pueden combinar para perfeccionar los procesos de producción de las industrias, ya que se complementan el uno al otro. Además, disponen de un “predictive optimization field”, que se basa en la optimización de las industrias y de las franquicias. Optimiza las simulaciones complejas de producción mediante AI.
El software trabaja con un loop, llamado Human in the loop system. El sistema funciona de tal forma que, el sistema sabe los rangos de normalidad y detecta cuando existen anomalías. Al detectar dichas anomalías, alerta al usuario y entrega un feedback que le muestra qué sensor falló (sensor analytics).
A continuación, se describe si la máquina está “saludable” o no. Si la máquina no está saludable, se categorizan las anomalías de la máquina en: conocidas y desconocidas. Las conocidas serían, si la máquina tiene fugas, falta de componentes, inestabilidades, etc. Si el sistema desconoce las anomalías, le avisa al usuario para que busque las causas, y así se pueda actualizar el software para que en futuras ocasiones la categorice como “conocida”.
La máquina es capaz de predecir rupturas 134 días antes de que ocurran gracias al monitoreo en tiempo real. Esto es de gran ayuda pues evita que la empresa tenga pérdidas, ya que puede reparar los daños previamente al acontecimiento. Además de que reduce las pérdidas por calidad; se evita rehacer los productos y el paro de producción para arreglar problemas.