Renesas pionero en IA continua en tiempo real para automatización de fábrica

TOKIO — En la era de la manufactura inteligente, la inteligencia artificial ya no es opcional; es una piedra angular. Sin embargo, muchas empresas luchan para traducir teoría de IA en realidad operativa, citando falta de experiencia interna e ROI incierto. Renesas Electronics está redefiniendo el camino adelante con su visión de «IA continua en tiempo real» para tecnología operacional (OT).

A diferencia de la «IA estadística» centrada en datos y cloud-centric popular en TI, el enfoque de Renesas embebe IA directamente en endpoints de fábrica. Esto permite a máquinas detectar anomalías y tomar decisiones instantáneamente, sin latencia de ida-vuelta a la nube.

clic para imagen mayor

IA estadística para TI vs IA continua para OT (Fuente: Renesas)

Yoshikazu Yokota, vicepresidente ejecutivo y gerente general de la unidad de soluciones industriales de Renesas, explicó a EE Times que la IA embebida es crítica para detección de fallos y mantenimiento predictivo. «Cuando surge una anomalía, la IA embebida puede responder localmente y en tiempo real», dijo. Hace tres años, Renesas primero propuso «IA en endpoints» y probó el concepto en su propia fab de semiconductores Naka.

«Nuestro objetivo es habilitar inferencia en tiempo real en OT mientras expandimos incrementalmente capacidades de IA en el edge», añadió Yokota.

Yoshikazu Yokota, vicepresidente ejecutivo en Renesas, planea enfocarse en ofrecer inferencia en tiempo real en OT. (Foto: EE Times)

Al introducir IA en pasos incrementales, Renesas apunta a ayudar a fabricantes a completar proyectos proof-of-concept más rápido y entender el verdadero ROI de sus inversiones en IA.

Cuándo Aplicar IA a OT

Mitsuo Baba, director senior de estrategia y planificación para la unidad de Solución Industrial de Renesas, enfatizó que IA entrega máximo valor cuando apunta a problemas bien definidos —como anomalías específicas de línea de producción. Ilustró el concepto con un escenario: un gerente de operaciones experimentado puede usar IA para señalar el momento exacto en que comienza un defecto, liberando al gerente para enfocarse en intervenciones críticas en lugar de inspecciones rutinarias.

En este modelo, la IA se entrena una vez en problemas identificados y luego realiza inferencia en dispositivos endpoint en tiempo real, eliminando la necesidad de enviar datos a la nube. Baba destacó que solo 30 KB de datos son suficientes para inferencia en edge, comparado a los 300 MB típicos de IA estadística basada en nube.

Renesas está por tanto defendiendo un enfoque de solo-inferencia que puede correr en unidades de microcontrolador (MCUs), permitiendo a equipos de producción existentes ser retrofiteados con un kit «AI Unit Solution» en lugar de reformar líneas enteras.

«No competimos con líderes de chips IA como Nvidia», aclaró Baba. «Nuestra misión es pionear un nuevo segmento de IA embebida donde la huella de datos es lo suficientemente pequeña para correr en hardware MCU/MPU convencional».