BMW revela innovaciones de IA que impulsan la eficiencia en producción

La inteligencia artificial (IA) está en auge en la producción automotriz. Desde 2018, el Grupo BMW ha estado utilizando diversas aplicaciones de IA en producción en serie.

Reconocimiento de imagen automatizado

Un enfoque es el reconocimiento de imagen automatizado: en estos procesos, la inteligencia artificial evalúa imágenes de componentes en producción en curso y las compara en milisegundos con cientos de otras imágenes de la misma secuencia.

De esta manera, la aplicación de IA determina desviaciones del estándar en tiempo real y verifica, por ejemplo, si todas las piezas requeridas han sido montadas y si están montadas en el lugar correcto.

La tecnología innovadora es rápida, fiable y, lo más importante, fácil de usar.

Christian Patron, Jefe de Innovación, Digitalización y Análisis de Datos en Producción del Grupo BMW: «La inteligencia artificial ofrece un gran potencial. Nos ayuda a mantener nuestros altos estándares de calidad y al mismo tiempo libera a nuestra gente de tareas repetitivas».

Sustitución de portales de cámara fijos por soluciones flexibles

En el Grupo BMW, aplicaciones flexibles, rentables y basadas en IA están reemplazando gradualmente los portales de cámara permanentemente instalados. La implementación es bastante simple.

Una cámara estándar móvil es todo lo que se necesita para tomar las imágenes relevantes en producción. La solución de IA se puede configurar rápidamente también: los empleados toman fotos del componente desde diferentes ángulos y marcan desviaciones potenciales en las imágenes.

De esta manera, crean una base de datos de imágenes para construir una llamada red neuronal, que luego puede evaluar las imágenes sin intervención humana.

Los empleados no tienen que escribir código; el algoritmo lo hace virtualmente por sí solo. En la etapa de entrenamiento, que puede significar durante la noche, un servidor de alto rendimiento calcula la red neuronal a partir de unas 100 imágenes, y la red comienza a optimizarse inmediatamente.

Después de una prueba y posiblemente algunos ajustes, la fiabilidad alcanza el 100%. El proceso de aprendizaje se completa y la red neuronal puede determinar ahora por sí misma si un componente cumple con las especificaciones o no.

Incluso objetos en movimiento son identificados de forma fiable, en gran medida independientes de factores como la iluminación en el área de producción o la posición exacta de la cámara. Esto abre una amplia gama de aplicaciones potenciales a lo largo de toda la cadena de procesos automotriz, incluyendo la logística.

Alivio de tareas repetitivas

En muchos casos, la tecnología de IA libera a los empleados de tareas repetitivas y monótonas como verificar si el triángulo de advertencia está en el lugar correcto en el maletero o si se ha puesto la tapa del limpiaparabrisas.

La inteligencia artificial también puede realizar tareas de inspección más exigentes

En el área de inspección final en la planta de Dingolfing del Grupo BMW, una aplicación de IA compara los datos del pedido del vehículo con una imagen en vivo de la designación del modelo del coche recién producido.

Las designaciones de modelo y otras placas de identificación como «xDrive» para vehículos de tracción a las cuatro ruedas, así como todas las combinaciones generalmente aprobadas, se almacenan en la base de datos de imágenes.

Si la imagen en vivo y los datos del pedido no corresponden, por ejemplo si falta una designación, el equipo de inspección final recibe una notificación.

Christian Patron: «Confiamos completamente en la experiencia y pericia de nuestros empleados en estos esfuerzos. Ellos pueden juzgar mejor en qué pasos de producción una aplicación de IA puede mejorar la calidad y la eficiencia. Mantenemos deliberadamente simple la configuración e implementación de tales aplicaciones. Su operación no requiere conocimientos avanzados de TI».

La IA elimina los pseudo-defectos

En la prensa, las piezas de chapa plana se convierten en componentes de alta precisión para la carrocería. Partículas de polvo o residuos de aceite que permanecen en los componentes después del conformado pueden confundirse fácilmente con grietas muy finas, que ocurren en casos raros durante el proceso.

Los sistemas previos de control de calidad basados en cámara en la planta de Dingolfing, Alemania, ocasionalmente también marcaban estos pseudo-defectos: desviaciones del objetivo, aunque no hubiera fallo real.

Con la nueva aplicación de IA, estos pseudo-defectos ya no ocurren porque la red neuronal puede acceder a unas 100 imágenes reales por característica —es decir, unas 100 imágenes del componente perfecto, 100 imágenes con partículas de polvo, otras 100 imágenes con gotas de aceite en el componente, etc.

Esto es particularmente relevante en el caso de decisiones visuales cercanas que anteriormente habían llevado a pseudo-defectos.

La planta de Steyr del Grupo BMW y el Equipo de Análisis de Datos del Grupo BMW también están trabajando exitosamente en la eliminación de pseudo-defectos. Irregularidades presuntas en la medición de par en la prueba en frío del motor a menudo resultan ser insignificantes.

Antes de introducir la solución de IA, sin embargo, tales resultados llevaban a inspecciones manuales complejas y más pruebas, hasta incluyendo pruebas en caliente con combustible.

El software de análisis fue entrenado basado en muchas ejecuciones de prueba grabadas y así aprendió a distinguir entre errores reales y presuntos.

IA 'en control': Integrando inteligencia artificial con sistemas de control de instalaciones y robots

La primera aplicación de control inteligente de IA en el Grupo BMW celebró su estreno en la planta de Steyr. Esta aplicación acelera los procesos logísticos al evitar transportes innecesarios de contenedores vacíos en cintas transportadoras. Para ello, los contenedores pasan por una estación de cámara.

Usando datos de imagen almacenados marcados por empleados, la aplicación de IA reconoce si el contenedor necesita ser amarrado a un palet o si —en el caso de cajas grandes y estables— no se requiere aseguramiento adicional.

Si no se requiere amarre, la aplicación de IA dirige un contenedor por la ruta más corta a la estación de retirada para la carretilla elevadora.

Los contenedores que deben asegurarse adicionalmente, por otro lado, son guiados directamente a la sección del transportador con el sistema de amarre y solo entonces a la estación de retirada ubicada detrás. Anteriormente, todos los contenedores tenían que ser transportados a la estación de retirada para contenedores grandes.

Desde allí, los contenedores que requerían aseguramiento adicional tenían que ser reenviados —y solo alcanzarían la instalación de amarre y finalmente la estación de retirada correcta después de este desvío.

Además de la aplicación en Steyr, la IA está detrás de numerosas otras innovaciones logísticas en el Grupo BMW. También apoya la planificación virtual de layout, que crea escaneos 3D de alta resolución de edificios y fábricas.

La inteligencia artificial contribuye finalmente al reconocimiento de objetos individuales en el escaneo 3D, como contenedores, estructuras de edificios o máquinas.

Esto permite a los ingenieros eliminar objetos individuales del escaneo 3D en el software de planificación 3D y modificarlos individualmente, lo que facilita simular y comprender adaptaciones en la planta.

Ya existe una tendencia distinta hacia el uso de aplicaciones de IA en las plantas del Grupo BMW. La creciente integración de análisis de datos inteligentes, tecnología de medición de vanguardia e IA abre nuevas oportunidades en la gestión de producción.

En la carrocería, por ejemplo, las imágenes de la inspección final pueden mostrar que el metal de soldadura ha salpicado en el mismo punto de soldadura en varias carrocerías.

Usando IA, el bucle de control puede cerrarse así y el control del sistema o los ciclos de mantenimiento pueden ajustarse aún más rápido y eficientemente.

En las tiendas de pintura, la IA y las aplicaciones analíticas ofrecen el potencial de detectar fuentes de error en una etapa tan temprana que los errores difícilmente pueden ocurrir: si no se adhiere polvo a la carrocería antes de pintar en primer lugar, no hay que pulirlo después.