Blog >

¿Cómo optimizar un control de calidad a través de la IA?


Que las empresas se están lanzando a la transición tecnológica no es nada nuevo. La optimización de costes y procesos es uno de los factores más importantes para competir en el mercado, y las compañías se están sumando a esta tendencia. En esta situación, la IA (Inteligencia Artificial) se postula como la mejor opción para mejorar el sistema de control de calidad


¿Cómo identificar los fallos de tus procesos antes de que afecten a toda la cadena? La IA permite detectarlos de manera predictiva, es decir, antes de que ocurran. Gracias a esta tecnología, las empresas pueden anticiparse a los errores con un sistema de detección de calidad que monitoriza el proceso en tiempo real con un alto nivel de precisión. De esta forma, si el sistema identifica un elemento defectuoso, puede eliminarlo automáticamente, antes de que afecte a las etapas posteriores del proceso. Así, las empresas ahorran costes y tiempo.

La IA y el control de calidad en las empresas

La fase de calidad e inspección es una de las más importantes en todo proceso de fabricación, ya que es la que garantiza que el nivel de los productos sea óptimo. La Inteligencia Artificial puede jugar un papel clave en esta fase ya que, como ya se ha mencionado, permite automatizar procesos y predecir fallos.

Sin embargo, según un estudio de Mckinsey, muchas empresas no son capaces de implementar la IA en sus procesos de control de calidad. El 43% de los encuestados mantiene que se debe a una ausencia clara de estrategia de IA y el 42% a la falta de talento específico para implementarla. 


La IA no es algo novedoso, pero no todas las empresas logran acceder a ello. En España, solo el 7% de las empresas utiliza sistemas de IA para el control de calidad. Además, aquellas compañías que sí utilizan la IA se centran en 4 casos de uso: aprendizaje automático, Big Data, asistentes virtuales y procesamiento del lenguaje virtual. Sin embargo, sus posibilidades son enormes.

Ayudando a las empresas a optimizar sus controles de calidad a través de la IA

Ante las dificultades para iniciar esta transición tecnológica, existen empresas que buscan ayudar a sus clientes a lograrlo con éxito. Y, esto es lo que hacemos en Kabel. Gracias a nuestra experiencia, ayudamos a las compañías a implementar soluciones tecnológicas para avanzar hacia la digitalización. 

Además de la ayuda en cuanto a implementación, organizamos webinars para compartir nuestro conocimiento y experiencia a la hora de trabajar con los clientes. Y, este es el caso del webinar ¿Cómo la IA Aplicada puede ayudarte a optimizar tus controles de calidad?, en el que nuestro equipo de Inteligencia Artificial Aplicada explica cómo se incorpora la IA a los procesos industriales, así como el funcionamiento y las aplicaciones más relevantes de esta tecnología.


Dentro de las distintas ramas de la IA, este webinar se centra en la visión artificial y en su aplicación en el control de calidad de producción. No importa el nivel de conocimiento que se tenga sobre esta tecnología. “Normalmente la audiencia con la que contamos o entiende el concepto, pero no tiene experiencia en su implantación, o tiene un ligero conocimiento sobre el tema”, explica Francisco Rojo, Strategic Account Manager de Kabel. Pero, también asisten profesionales de la rama de la IA. Desde Kabel, transmitimos nuestro conocimiento a todos los públicos.

La visión artificial en el control de calidad

La visión artificial, aplicada al control de calidad, se centra en tres aspectos: la inspección de las piezas, la detección de los defectos y la trazabilidad de los procesos. Hasta hace unos años, las empresas que podían aplicar la visión artificial en su producción eran limitadas. Sin embargo, con la creciente monetización y democratización de la tecnología y las herramientas, cada vez son más compañías las que apuestan por implementarla. Aunque, muchas de ellas necesitan ayuda de un equipo experto. 


¿Por qué ahora? Por tres factores fundamentales:

  1. La reducción del coste del hardware y de la complejidad de la instalación. Actualmente, casi todas las empresas pueden acceder a la IA para aplicarla a sus controles de calidad. También las pymes.
  2. El aumento de los datos. La IA necesita datos para su funcionamiento. Cuantos más datos se tengan del objeto del negocio, más preciso será tu modelo.
  3. El aumento de la capacidad de computación y la creación de nuevos modelos. En los últimos 10 años, las mejoras en la parte algorítmica han sido notables. La nube va evolucionando y, con ella, su capacidad de computación. Además, existen modelos pre-entrenados que permiten alcanzar mejores resultados con una modalidad de pago por uso.

La IA aplicada al control de calidad del sector textil: caso de uso

Por su parte, José Alberto González, Data Scientist de Kabel, expone un caso de éxito de la compañía relacionado con el sector textil, concretamente con una empresa de calzado y fabricación de botas.

“En Kabel, estructuramos los proyectos de visión artificial en dos pasos: la recopilación de datos y la inferencia”, explica González. Nuestro equipo acompaña a los clientes en la selección e instalación del hardware, la recopilación de datos y con la implementación de un software complementario. Además, con respecto a la inferencia, se dedican a la formación de los operarios y a la monitorización del modelo para asegurar su correcto funcionamiento. 

Para implementar la visión artificial en el caso concreto sobre el que habla José Alberto, nuestro equipo debía atender a varios requisitos del cliente. Para empezar, en la primera fase de recopilación de datos, el cliente carecía de internet. “En Kabel, trabajamos siempre en la nube y nos tuvimos que adaptar a esta circunstancia”, cuenta González. Sin embargo, el punto más crítico era minimizar los tiempos de espera en inferencia para evitar que tuviera un impacto en la producción. “Teníamos que conseguir datos casi en tiempo real”. ¿Cómo sorteamos las barreras?

  • Para solucionar la falta de internet, se empleó una memoria externa para que el operario pudiera recoger la inspección visual del producto, primero en vídeo, frames y screenshots, y luego con una cámara endoscópica. Estas herramientas permitieron agilizar el proceso de recogida de datos.
  • Con respecto a la inferencia, y para evitar que el operario perdiera tiempo frente a la cámara, se recortaron los tiempos del procesado de imágenes. Además, el mismo operario podía ver en el ordenador, en tiempo real, si el remachado estaba correcto. En este punto del proceso, ya se contaba con internet, por lo que las imágenes se subieron a la nube para poder verificar que el proceso no perdía calidad con el tiempo.

La arquitectura del control de calidad

Siguiendo con el mismo ejemplo, para implementar la IA como ayuda para optimizar su sistema de control de calidad, trabajamos con una arquitectura basada en Azure. Con la aplicación de Custom Vision, “exportamos y encapsulamos el modelo en un contenedor”, explica José Alberto González. Esto nos permitió ganar en rapidez en la descarga de resultados y agilizar los tiempos lo máximo posible.  
Además, la compañía contaba con  talleres fuera de España por lo que, ante la dispersión geográfica, implementamos otras dos herramientas para mantener una conexión y comunicación constantes. Estas herramientas fueron Container Registry e IoT Edge Runtime, una aplicación instalada en cada ordenador para estar en permanente conexión con el contenedor. Conectada al IoT Edge a través de la nube, utilizamos la plataforma IoT Hub para mandar información y realizar la monitorización del proceso.

La IA en los controles de calidad de distintos sectores

Más allá del sector textil, los controles de calidad optimizados con la IA pueden desarrollarse en otras industrias. Neumáticos, torres de alta tensión, frutos secos. “Las aplicaciones son infinitas y la misión de este webinar es que se vayan con ideas para futuras aplicaciones en sus empresas”, explica Paloma Rubio, Data Scientist de Kabel. 

Por ejemplo, en el caso de los neumáticos, las empresas los analizan para ver si tienen defectos. El análisis es manual, no se realiza sobre el 100% de la producción, sino que se establece un control por sondeo. “El problema que surge es que puedes tener fugas de calidad, lo que conlleva un desperdicio de material y recursos”, cuenta Rubio. 

El proceso de control de calidad sin la aplicación de la IA es menos productivo y efectivo. Este tipo de tecnología ayuda a los operarios a trabajar de forma más rápida y eficiente, atendiendo al 100% de la producción y manteniendo unos estándares de calidad óptimos.

También te puede interesar

Suscríbete a nuestra newsletter para enterarte de las novedades más Geek

Newsletter Banner
RGPD

Contenido Relacionado