Franco Troncoso

Ingeniero químico Ph.
D.Universidad Nacional del Sur, Bahía Blanca, Argentina
[email protected]

Inteligencia artificial aplicada a procesos industriales: Ventajas y desafíos.

Artificial intelligence applied to industrial processes: Advantages and challenges.

El petróleo del siglo XXI son los datos, quien mejor los utilice y pueda explotar su potencial, tendrá una ventaja competitiva en el mercado. En este contexto, la industria de manufactura está en la búsqueda constante de estrategias que permitan aumentar la eficiencia y la productividad, al mismo tiempo que faciliten la reducción de los costos. Esto aplica especialmente en la producción de commodities en una economía globalizada. 

El internet de las cosas (IoT, Internet of Things), en combinación con la inteligencia artificial (IA), se ha consolidado como una solución a estos desafíos. La red de instrumentos y sensores que recopilan datos del proceso en tiempo real, en conjunto con su procesamiento y análisis en la nube, ayuda a los ingenieros a optimizar sus procesos y reducir el tiempo de inactividad. El registro continuo de datos proporciona una mayor visibilidad del proceso de producción, lo que facilita la identificación de fallas, permitiendo realizar ajustes antes de que se conviertan en problemas importantes. Otro atributo relevante consiste en la detección de anomalías en un registro temporal. Esto permite identificar ineficiencias y cuellos de botella en el proceso de fabricación, y sugerir formas de mejorarlos. Por ejemplo, un sistema de IA podría sugerir ajustes a la velocidad de una línea de producción, o bien indicar los pasos a seguir para reducir el desperdicio.

Los procesos de fabricación tradicionales, a menudo se basan en programas de producción fijos y ajustes manuales, lo que puede generar ineficiencias. Los sistemas de IA, por otro lado, pueden analizar datos del proceso de producción en forma eficiente y detectar patrones entre las diferentes variables. Citando un caso, una empresa de procesamiento de alimentos podría usar un sistema de IA para analizar datos sobre la producción de latas de sopa. El sistema puede identificar que el proceso se ralentiza por el tiempo que lleva etiquetar las latas. Al sugerir un cambio en el orden de los pasos de producción, como aplicar las etiquetas antes de llenar las latas, el sistema de IA podría ayudar a la empresa a aumentar su producción. 

Con relación a las plantas químicas, las principales variables monitoreadas en sistemas de reacción y procesos de separación son la presión, temperatura, caudales y composiciones, y propiedades de las materias primas. Con dichos registros, es posible correlacionar las variables operativas con los parámetros de calidad que hayan sido definidos. Esta estrategia es ampliamente utilizada por medianas y grandes plantas industriales para simular procesos cuando se dispone de parámetros de diseño poco precisos o falta de información específica del sistema, por ejemplo, coeficientes de transferencia de masa y calor, propiedades de mezcla o coeficientes de difusión, entre otros. De igual manera, si los algoritmos identifican una cierta anomalía en el proceso por ejemplo, un aumento repentino en la presión del reactor, pueden sugerir protocolos de seguridad al sistema de control para reducir el riesgo.