Seleccione tu localización:

País

Con KUKA hacia el futuro de la Industria 4.0

¿Qué ofrece el futuro de la Industria 4.0? Una cosa es segura: Ya ha comenzado. La inteligencia artificial entra en el mundo de la producción. Las máquinas empiezan a aprender de forma autónoma y a hacer por sí mismas que la producción sea más eficiente. Y el mundo físico y digital se mezclan cada vez más.


Industria 4.0: Una mirada hacia el futuro

El término Industria 4.0 existe ya desde hace varios años. Y también las tecnologías correspondientes, como por ejemplo, el Internet de las cosas, la computación en la nube o la inteligencia artificial (Artificial Intelligence, AI), no se inventaron ayer. No obstante, se logran avances técnicos importantes casi diariamente. En este sentido destacan tres tendencias.

La inteligencia artificial (IA) ya es actualmente una de las fuerzas impulsoras de la transformación digital y en el futuro lo será aún más. Gracias a la IA, las máquinas serán capaces, por ejemplo, de realizar mantenimientos preventivos. Y los robots utilizados en la Smart Factory se convertirán en asistentes autónomos que pueden aprender de forma autónoma, actuar de forma lógica y comunicarse entre sí.

Asimismo, el Machine Learning (aprendizaje automático), como uno de los sectores más importantes de la IA para KUKA, se abre camino hacia la fábrica y pronto será un componente fundamental de la Smart Factory. Las máquinas que aprenden pueden "entender" los patrones y las relaciones causa-efecto que han sido creados por ellas mismas. "Aprenden" y reaccionan a ello en tiempo real, perfeccionando automáticamente sus algoritmos.

No menos revolucionario es el principio de la realidad mixta. Combina las técnicas de realidad virtual (RV) y la realidad aumentada (RA). Realidad virtual significa que el usuario está completamente aislado del mundo real y se encuentra en un entorno virtual que es visible a través de unas gafas. En cambio, el entorno real sigue siendo visible en la realidad aumentada, pero se superpone mediante contenidos digitales (objetos virtuales, información). Con la tecnología de la realidad mixta, ahora se pueden conectar contenidos virtuales con el mundo real. A diferencia de la realidad aumentada, los contenidos de la realidad mixta no se proyectan de forma sencilla, sino que mediante el uso de terminales móviles o visores de realidad virtual, como por ejemplo el Microsoft Hololens, aparecen como un holograma que está integrado de forma realista en el mundo físico. Este puede moverse y modificarse como si fuera un objeto real.

Por lo tanto, el futuro ya ha comenzado. Pero, ¿qué utilidad práctica tienen estas tecnologías en la industria? Eche un vistazo a algunos de los proyectos de innovación de KUKA.

KUKA.Sim: Software de simulación inteligente para robots de KUKA

Con nuestro software de simulación KUKA.Sim se pueden programar los robots fuera del entorno de producción. El software permite a los usuarios interactuar con un gemelo digital, es decir, una imagen virtual exacta del proceso de producción posterior. Ya sea el diseño del proceso o la visualización de flujos de material y cuellos de botella o del código PLC: La simulación en 3D creada por Kuka.Sim cubre todos los procesos de planificación. La unidad de control virtual y real trabajan con datos idénticos: Lo que se planea de forma virtual, tiene lugar posteriormente de forma exacta en la realidad. Esto permite la máxima seguridad de planificación de los procesos de fabricación con un esfuerzo y unos costes reducidos.

Obtenga más información sobre KUKA.Sim.

KIVI: La inteligencia artificial reduce los costes de mantenimiento

Si se puede predecir la vida útil de los componentes individuales del robot, se puede evitar que se produzcan fallos e interrupciones de producción costosos. Precisamente de ello trata el proyecto de investigación financiado por el Ministerio bávaro de economía, energía y tecnología (StMWi) titulado "Inteligencia artificial para la predicción de la seguridad operativa y la vida útil de los robots industriales" (KIVI). El objetivo es supervisar el estado de los robots industriales de forma continua y permitir un mantenimiento preventivo (Condition Monitoring y Predictive Maintenance). Para ello, varios sensores transmiten primero el comportamiento de oscilación de servicio de cada uno de los componentes del robot. En la evaluación de los datos correspondientes se utiliza la inteligencia artificial: Detecta patrones cuando se producen estados de desgaste y a partir de ello aprende modelos de comportamiento. El resultado es una caja de herramientas de IA prototípica que actualmente ya se encuentra en la fase de evaluación. En cuanto se puedan utilizar de forma comercial, las empresas de producción estarán capacitadas para aumentar su disponibilidad de las instalaciones y hacer que el desarrollo de la producción sea más eficiente, lo que finalmente también contribuye al cuidado de los recursos.

Ventajas de la supervisión y el mantenimiento preventivo a través de la inteligencia artificial

  • Aumenta la disponibilidad de las instalaciones.
  • Hace que el proceso de producción sea más eficiente.
  • Protege los recursos.

Translearn: Los robots aprenden a aprender

El punto de partida de todos los procesos de optimización de robots industriales son los datos. Sin embargo, el proceso para generarlos y recopilarlos cuesta mucho tiempo y dinero. Para ahorrar, actualmente también se pueden recopilar datos mediante la simulación sencilla de interacciones del robot. El problema: Incluso las simulaciones más avanzadas aún no pueden reproducir la realidad a la perfección. Las líneas de actuación aprendidas en ellas no se pueden transferir fácilmente a los robots reales. Esta dificultad a menudo se denomina como "Reality Gap".

Es justo aquí donde comienza nuestro proyecto "TransLearn": Queremos superar el Reality Gap identificando los errores de la simulación. El objetivo es transferir los resultados simulados sin problemas a los robots reales.

Esto aporta muchas ventajas: En la simulación, los robots se pueden programar de un modo mejor y más rápido, lo que reduce los costes de programación. Además, los robots pueden aprender mejor y de forma más autónoma si se realiza tanto en la simulación como en la instalación real. Gracias a un proceso de aprendizaje optimizado de este tipo, los robots industriales ya no tendrán que ser programados de forma costosa en el futuro, sino que solo tendrán que ser instruidos. De esta manera, también aprenden de forma autónoma cómo reducir sus tiempos de ciclo o a consumir una cantidad menor de corriente.

OPERA: Controlar los robots con mayor precisión.

Con OPERA, los usuarios pueden ver las secuencias de movimiento probables de sus cobots. Los robots colaborativos, denominados CoBots, aprenden cuando el usuario realiza con ellos manualmente las secuencias de movimiento deseadas. Por ello, también se habla de programación dirigida manualmente. Sobre todo hace que todo sea mucho más fácil para las medianas empresas. Sin embargo, a pesar de la manipulación intuitiva, el procedimiento aún está relacionado con algunos detalles en cuanto a la precisión y a las tolerancias de errores, por lo que para la programación sigue siendo necesaria la intervención de un experto.

Es justo aquí donde comienza el proyecto OPERA: Debido a que en los cobots no se pueden definir todas las fuentes de error de manera determinística, hemos desarrollado modelos probabilísticos. Ahora los usuarios pueden ver de forma muy sencilla en un modelo 3D dónde aparecen imprecisiones en las secuencias de movimiento de sus cobots y pueden reaccionar ante ello de forma correspondiente. De esta forma se benefician de una mayor flexibilidad y precisión y una mayor seguridad frente a fallos.

Obtenga más información sobre el proyecto OPERA.

Con OPERA, los usuarios pueden ver las secuencias de movimiento probables de sus cobots.

VWS4LS: Un gemelo digital impulsa la automatización

El juego de cables (también denominado "mazo de cables" o "red de a bordo") es uno de los componentes individuales más costosos y complejos de un automóvil. Porque para una serie nueva hay tantos juegos de cables individuales como las variantes de equipamiento que existen: cientos de miles. Como fabricación individual de este tipo, los juegos de cables en consecuencia son costosos en la fabricación. Por ello, trabajamos junto con otros socios en la implementación de una "Capa de administración para el juego de cables" (VWS4LS). Sobre la base de la tecnología de "Capa de administración", en este proyecto se completan datos digitales para cada juego de cables de forma que se pueda crear un gemelo digital interoperable para el desarrollo, la producción y el montaje del juego de cables en el automóvil.

KUKA se centra en este caso en la creación de descripciones de productos y procesos y en la derivación de los movimientos del robot necesarios para la producción correspondiente, a partir de la información correspondiente de las capas de administración.

Obtenga más información sobre el proyecto VW4LS.

BaSys 4.2: Los procesos de fabricación se vuelven más flexibles

Las empresas con procesos de producción modernos deben poder reaccionar rápidamente a las demandas o a las condiciones cambiantes. Por lo tanto, el proceso de producción a menudo necesita adaptaciones, en el propio proceso, en los recursos de producción, pero también en el producto que se va a fabricar. Por ello, este tipo de "ingeniería continua" debería ser posible en cualquier momento. Con BaSys 4 ya se ha desarrollado un sistema de base para instalaciones de producción que hace que los procesos de producción se puedan transformar de forma eficiente. Con el proyecto BaSys 4.2, financiado por el Ministerio Federal de Educación e Investigación de Alemania (BMBF), estamos trabajando ahora en la implementación de otros elementos de infraestructura de la Industria 4.0 sobre la base de los conceptos y estándares de la plataforma Industria 4.0. Para ello, nos centramos en las tres áreas temáticas de "middleware", "capacidades" y "virtualización". Por lo tanto, queremos seguir desarrollando modelos de capacidad estandarizados y llevar a cabo su uso en comprobaciones de capacidad automatizadas.

El objetivo son las instalaciones de producción versátiles que pueden reaccionar de forma inteligente y comprensible ante requisitos cambiantes.