¿Estaciones de líneas de producción en comunicación?
Durante muchos años las líneas de producción, ya sean fijas o flexibles, han dominado muchas industrias. El fabricar un producto en estaciones continuas, muchas veces con todas las estaciones trabajando simultáneamente da pie a procesos muy eficientes y productivos. Además, gracias a los avances tecnológicos de los últimos años es posible tener líneas completamente autónomas que requieren mínima supervisión.
En las líneas continuas de producción se busca que exista el menor backlog posible, sin embargo, esto ocasiona que un problema en una estación afecta a los pasos sucesivos. Además, dependiendo el producto y los pasos que se siguen en cada estación, es posible que los errores no sean identificados inmediatamente por la siguiente, haciendo más grandes y costosos los errores. Este problema se ve incrementado en líneas autónomas, ya que, si los sensores o métodos de medición no están funcionando correctamente, pueden pasar fallas desapercibidas en el proceso por tiempos productivos muy largos.
Para solucionar este problema se han propuesto métodos y tecnologías que permiten a diferentes estaciones autónomas comunicarse entre ellas y con el usuario. Tener una estación específicamente dedicada a medición después de procesos críticos es muy importante, sin embargo, si este proceso es llevado a cabo por usuarios, esta etapa puede llegar a consumir demasiado tiempo y ser afectados por el error humano. Por último, surgen preguntas como ¿Cuál es el proceso o medida más crítica? ¿Qué pasa si hay más de una? Entre otras.
Incluso, si esta estación de medición de procesos críticos funciona correctamente, es común que el medir una sola variable deje un gran margen para otros errores que pueden afectar a la producción o la calidad del producto más adelante. Por esta razón, investigadores como E.V. Dudukalov han propuesto métodos que utilizan una serie de sensores e inteligencia artificial para establecer criterios de “pasa-no pasa” antes de cada estación.
Una forma de llevar a cabo correctamente estos procesos es utilizando tecnología de visión. Esta tecnología permite medir lo que la estación pasada hizo en una fracción del tiempo que le tomaría a un usuario. Si la pieza no es buena, las estaciones la dejarán pasar sin invertir tiempo o recursos en continuar maquinándola y sin necesidad de parar la línea para sacarla. Además, se pueden establecer tolerancias para saber cuando un error es parte normal de la producción y cuando es resultado de un proceso descalibrado o dañado. De esta forma, se puede determinar si es necesario detener automáticamente la línea para poder solucionar el problema o se puede continuar con la producción.
El siguiente paso en esta propuesta es utilizar inteligencia artificial. Un modelo que aprende de las estaciones los errores más comunes su frecuencia y las razones por la que ocurrió. También puede alertar cuando es probable que una máquina o un sensor necesite mantenimiento antes de que sea crítico. Además, puede identificar las razones detrás de los errores más comunes o costosos y proponer soluciones o cambios. Este tipo de metodologías pueden ahorrarle a una compañía muchísimo dinero y dolores de cabeza. Alcance Corporación y Asociados puede desarrollar e implementar sistemas de este tipo que se ajusten a sus necesidades y las de su empresa.
E.V Dudukalov et al 2021 J. Phys.: Conf. Ser. 1889 052011
