¿Qué estás buscando?

Fagor Ederlan es una cooperativa industrial, especializada en la fabricación de componentes de Chasis y Powertrain para el sector de automoción. Nuestro grupo está presente en Europa, Asia, Norteamérica y Sudamérica con 16 plantas productivas y un equipo comprometido de más de 3.500 profesionales. Nuestro compromiso con la innovación y el desarrollo tecnológico nos ha situado a la vanguardia en las cuatro tecnologías clave: fundición de hierro y aluminio, mecanizado y montaje.

Con ventas anuales que superan los 600 millones de euros, nuestras piezas están presentes en uno de cada dos coches del planeta. A través de nuestro enfoque de negocio cooperativo, hacemos una apuesta firme por la sostenibilidad, aportando al mercado  productos  más  ligeros  y tecnologías avanzadas que contribuyen significativamente a la reducción de la huella de carbono.

En el dinámico sector de la automoción, los estándares de calidad cada vez son más exigentes, especialmente en proyectos de alta complejidad técnica. Por lo tanto, es crucial para nosotros optimizar la calidad de los productos que fabricamos y minimizar los defectos, mejorando nuestra competitividad. Para abordar esta exigencia, nació DELICADA.

Dentro de nuestro proceso productivo, los sistemas de inspección basados en visión artificial juegan un papel fundamental para garantizar la calidad de nuestros productos. A pesar de que la visión artificial es una tecnología sumamente fiable, los entornos de inspección de calidad industrial afrontan retos como los falsos positivos -productos que no teniendo problemas de calidad son erróneamente rechazados por el medio de control-. La detección de esta casuística identificó una nueva área de trabajo a la que dar una solución.

Analizamos la situación y con un objetivo claro en mente -eliminar los falsos positivos en los controles de calidad- nos embarcamos en un proyecto para resolver este desafío. Inicialmente, consideramos enfoques tradicionales, pero rápidamente nos dimos cuenta de la complejidad del problema y la necesidad de sumergirnos en las últimas innovaciones de la Industria 4.0, enfocándonos particularmente en la inteligencia artificial.

La solución que hemos implementado es un avanzado algoritmo basado en redes neuronales convolucionales. Para ello, hemos utilizado técnicas de aprendizaje automático supervisado, utilizando un conjunto de datos de entrenamiento etiquetados para enseñar a los modelos a generar la salida deseada.

Este algoritmo procesa y analiza sistemáticamente todas las imágenes que el sistema de inspección basado en visión artificial inicialmente rechaza, distinguiendo con precisión entre defectos reales y falsos defectos. Actualmente, es este algoritmo el que determina con certeza la calidad de cada componente de automoción, representando un hito significativo en el ámbito de la calidad.

Para facilitar la interacción con este algoritmo, hemos desarrollado internamente una aplicación específica que permite a las personas comunicarse efectivamente con el sistema.

A su vez y para su puesta en producción, hemos utilizado Kubernetes como plataforma de orquestación para automatizar el despliegue, la gestión y el escalado de las diferentes aplicaciones que conforman la solución.

Desde la implementación de esta solución en nuestro entorno industrial, hemos logrado reducir el defectivo a casi la mitad, lo cual es un logro sustancial.

Fagor Ederlan es una cooperativa industrial líder en la fabricación de componentes de Chassis y Powertrain para el sector automoción. Nuestra actividad productiva responde a los más altos estándares de calidad y competitividad y  es ahí donde nace el desafío de eliminar el falso defectivo de nuestros controles de calidad, para incrementar la efectividad de nuestros procesos

Sin embargo, el proyecto no está finalizado. Seguimos enfocándonos en dos áreas clave:

1. Actualmente, nuestros modelos algorítmicos funcionan como “cajas negras”, es decir, no proporcionan una explicación clara de cómo se llega a una predicción. La interpretabilidad es crucial, ya que brinda un valor incalculable en el proceso de toma de decisiones y en la comprensión profunda del problema que estamos abordando. Estamos dedicados a la investigación y desarrollo de técnicas de explicabilidad de IA que puedan revelar claves que clarifiquen cómo los algoritmos llegan a sus conclusiones.
2. Dada la naturaleza de nuestros procesos industriales, los datos generados sufren variaciones en su distribución a lo largo del tiempo, algo que también afecta a las imágenes utilizadas en los controles de calidad. Para contrarrestar esta variabilidad y prevenir la obsolescencia de los modelos, adaptamos de manera automática nuestros modelos a cada nueva circunstancia, asegurando así su efectividad y precisión a largo Para ello, estamos utilizando técnicas de MLOps orientadas a automatizar el ciclo de vida de las soluciones de Machine Learning.

En conclusión, la inteligencia artificial no solo representa una revolución tecnológica, sino que es una herramienta poderosa para mejorar la eficiencia y competitividad en los procesos industriales. El éxito de nuestro proyecto demuestra que la tecnología, lejos de ser una meta, debe ser un medio para alcanzar objetivos de negocio específicos, optimizando la rentabilidad y reforzando la posición competitiva de nuestras empresas. Este enfoque pragmático hacia la IA nos permite no solo mantenernos a la vanguardia de la innovación, sino también asegurar que cada avance contribuye significativamente a nuestra misión corporativa y al éxito sostenido en el mercado.