Beneficios y aplicaciones de la inteligencia artificial en la industria del aerosol

En plena era de la cuarta revolución industrial, la inteligencia artificial (IA) se ha convertido en una herramienta esencial para transformar la manera en que operan las industrias. Aunque ya convivimos diariamente con esta tecnología, aún no se ha adoptado plenamente como un recurso estratégico. En el pasado seminario técnico del IMAAC, Abraham Mendoza Martínez nos guía desde los orígenes de las revoluciones industriales hasta el impacto actual de la IA en la industria del aerosol, destacando sus beneficios, aplicaciones prácticas y el papel clave que juega en la mejora de procesos, productividad, calidad y toma de decisiones.

La inteligencia artificial es un tema que se ha estado abordando de estos años atrás en adelante. Todo el tiempo estamos en contacto con la inteligencia artificial, pero no la estamos adquiriendo como una herramienta clave. Solamente que está ahí disponible y que sola va a hacer sus funciones.

Partamos de dónde surge, cómo es y de qué nos va a servir y generalizar conceptos. Y para eso vamos a entender que, hace varios siglos, empezó la revolución industrial.

Revolución Industrial

La primera revolución industrial marca el tema del uso de vapor, las energías a base de carbón. La segunda aplica la electricidad, los procesos en masa, las cadenas de producción. La tercera se incluye tecnología y computadoras.

La cuarta revolución industrial es la que estamos viviendo hoy en día, que es la implementación de las tecnologías con esta parte de inteligencia artificial, la parte de la robótica, la parte de la impresión 3D.

Todo este tipo de tecnología que ha llegado hoy en día, a satisfacer y hacer más eficientes las actividades del ser humano y sobre todo, todas las revoluciones industriales, han marcado esos cambios de la sociedad y también de la economía. Todo a favor de los seres humanos.

Otros ejemplos de esta cuarta revolución industrial es la nanotecnología, el desarrollo de nuevos materiales, las bases de investigación, y hacemos más competencia, mayor productividad y optimizamos los procesos.

¿Cómo funciona la inteligencia artificial?

Inteligencia Artificial en la Industria Química: Transformando la Fabricación

La Inteligencia Artificial (IA) está revolucionando la industria de la fabricación, permitiendo mejoras significativas en eficiencia, precisión y calidad de los productos. En la industria química, donde los procesos son complejos y altamente regulados, la IA juega un papel clave en la optimización de operaciones y la toma de decisiones.

La inteligencia artificial es una herramienta poderosa que puede sugerirte soluciones o detallarte la información de manera precisa. Para obtener los resultados que deseas, es fundamental ingresar los datos correctos y completos. La IA razona, aprende y toma decisiones. También nos va a involucrar en ese resultado que buscamos y que el ser humano no le da la información. Entonces, al dar la información ya entramos a este tipo de proceso.

Lo que le estamos enseñando al sistema es llevar pasos. El 1, 2 y 3 para obtener un resultado. Son finitos. Se debe tener una estructura de inicio con la introducción de la información y el final para la obtención del resultado que queremos.

Un algoritmo en la vida cotidiana, nada de tecnología, un ejemplo puede ser una receta de cocina, dar la instrucción de cómo llegar a un lugar, eso es un algoritmo. Entonces, ¿quiénes somos los encargados de hacer el algoritmo para que la inteligencia artificial funcione con los seres humanos?

Hay que aprender a saber qué pedirle a la inteligencia artificial. Para eso, tenemos varias herramientas hoy en día más aplicativas para empezar a solucionar problemas generales y muy puntuales.

Por ejemplo, el chat GPT es una aplicación de la inteligencia artificial hecha por Open AI, que tiene todo y es un aplicativo lingüístico. El tema es bueno o malo el ChatGPT. Depende qué le estemos preguntando porque nos puede inventar una muy buena historia o nos puede decir un proyecto bien ejecutado. Entonces, hay que saber qué pedir. Eso es lo más importante para empezar el uso.

Abordando el tema para nuestra industria y transformando la fabricación, les digo que ha evolucionado la industria de la fabricación permitiendo mejoras significativas. Por ejemplo, desde que hay sistemas, las computadoras y que podemos llevar ciertos procesos, es como una calculadora. A lo mejor introducimos y nos da el resultado, y ya con el resultado nosotros tenemos toma de decisiones. Pero ahora la inteligencia artificial nos va a predecir, nos va a corregir, nos va a abrir otros universos para poder tomar esa decisión. Nos va a contemplar más factores.

Hay que estar preparados para empezar a interactuar con las tecnologías y es que hablando con un gran proveedor de la industria a nivel mundial me dice, «Apenas estamos arrancando con un RP porque antes era puro Excel. O sistemas de administrativos de hace 30 – 20 años. Es una oportunidad, tarde, pero lo están viendo, eso es lo importante”.

Los sistemas de administración en empresas o departamento de TI. Es área TI y desarrollo aplicativo. Ahora las empresas ya no hacen la inversión de la máquina que me va a fabricar las 1000 latas más, pero hay que invertir en estas personas capacitadas de desarrollo y saber cómo usar los aplicativos y hacer un traje a la medida. Los ejemplos que vamos a ver son propuestas de los que se normalmente la industria tenemos en común, como control de calidad, optimización de proceso, eficiencia administrativa, etcétera.

Ejemplos:

El monitoreo de los procesos.

La IA supervisa los procesos de producción en tiempo real y ajusta parámetros sin intervención humana, mejorando la eficiencia y reduciendo errores.

Ejemplo: Sensores inteligentes en reactores químicos que ajustan la temperatura y la presión en tiempo real para optimizar reacciones.

IA Aplicable: IBM Watson IoT, que permite el monitoreo en tiempo real de sensores industriales.

Este es un ejemplo en sensores inteligentes, en reactores químicos que ajustan la temperatura y la presión en tiempo para optimizar reacciones y estamos tomando la aplicación de IBM Watson. En este ejemplo podemos meterlo a una supervisión de procesos. Entonces nosotros al tener la información de qué está pasando en momento real del proceso de una entrada, de una fabricación, de una salida, ya no nos esperamos a resolver problemas, podemos prevenir. Entonces, este es un ejemplo de monitoreo de procesos.

Control de calidad

Mediante el análisis de datos, la IA detecta defectos en productos, identifica inconsistencias en las formulaciones y asegura el cumplimiento de normativas.

Ejemplo: Sistemas de visión artificial que analizan muestras de productos químicos en busca de impurezas o desviaciones en la composición.

IA Aplicable: Google Cloud Vision AI, que analiza imágenes para detectar defectos en productos

Normalmente el control de calidad lo vemos como toma de muestras, inspección de entrada, procesos, pero qué herramientas puedo utilizar y la inteligencia artificial. Una muy básica que está en Google Cloud, que es Vision API.

La inspección visual

Muchas veces eh tenemos al inspector de entrada y a lo mejor el color lo vio igual, el tema eh no vio imperfecciones, etcétera, pero ahora hay tecnología. Por ejemplo, Lenovo tiene ciertos procesos, ciertos equipos que detectan y podemos aplicar este tipo de aplicaciones con unas cámaras de alta velocidad en momento real. Tienes tu cámara y va la línea de producción y te dice, «Tren.» Aquí visual API te está diciendo que esta lata está abollada, que esta etiqueta está mal colocada, que no se lee el código de barras y todo, cosa que no te lo hace inmediatamente el inspector. Es un muestreo, es una parte que vas a tardar más tiempo en hacerlo de esta forma.

Por ejemplo, mediante el análisis de estas imágenes vamos a identificar estos defectos, inconsistencias, etcétera. Y son aplicaciones ya realizadas para esta función. Obviamente es una aplicación que hace mucho más, pero estamos aquí condensando a un problema de la industria.

Google Cloud es el API es la interfaz de programación de las aplicaciones. Si tenemos al experto en TI, nos va a poder desarrollar nuestra aplicación de control de calidad a través de API de Google, no de Google Cloud. Entonces, es muy entretenido también este tipo de versiones que ya están más a modo, para poder hacer los algoritmos.

Mantenimiento predictivo

Los algoritmos de IA analizan el estado de los equipos y predicen fallos antes de que ocurran, minimizando tiempos de inactividad y costos de reparación.

Ejemplo: Motores y bombas en plantas químicas equipados con sensores que detectan vibraciones anormales y activan alertas antes de una falla.

IA Aplicable: Microsoft Azure Machine Learning, que analiza patrones de mantenimiento y predice fallos.

Todos podemos tener ciertas agendas en lo preventivo, pero de qué difiere un predictivo y un preventivo.

Predictivo es un mantenimiento que en base al historial que está dando el comportamiento de un motor, puede este prever y determinar cuándo aplicar un mantenimiento.

Preventivo es un programa que se tiene definido en una máquina ciertas componentes, motores y válvulas.

Aquí nos metemos a que necesitamos entonces sistemas hardwares que nos manden señales y poder predecir.

El internet de las cosas, las IoT. ¿Cuándo habíamos pensado que tu lavadora te iba hablar a tu celular y decirte: «Ya necesito mantenimiento.» La costumbre era ver el Check Engine en el coche o saber desde que salías a los 5000 km me lo traes. Pero ahora ya el internet de las cosas hace que siempre esté conectado a algo que nosotros también todo el tiempo estamos conectados y así podernos mandar información en tiempo real.

La predicción es una acción para evitar y la prevención es un programa que ya sabemos que lo tenemos que hacer. La aplicación que estamos mencionando es de Microsoft Azure Machine Learning, que empieza a evaluar y a aprender cómo se comportan los equipos instalados. No tengo internet de las cosas, pero tengo un inspector donde sí puede llenar una bitácora y esa la digitalizo, o la ingreso en un sistema los parámetros y automáticamente estos aplicativos nos empiezan a decir qué fallas y obviamente en temas de mantenimiento predictivo es lo que nos va a evitar hacer gastos o pérdida de tiempo, que es invaluable. Un paro de máquina porque se calentó algo, porque tronó, etcétera.

Simulación y modelado

La IA crea réplicas virtuales de procesos químicos, líneas de producción y cadenas de suministro, permitiendo pruebas y optimizaciones sin interrumpir la producción.

Ejemplo: Modelado de la dinámica de fluidos en una torre de destilación para optimizar la separación de compuestos.

IA Aplicable: Siemens MindSphere, un sistema de IoT industrial con simulaciones digitales.

Normalmente luego en los procesos en laboratorio tenemos que hacerlo real. Un proceso ya dentro de las evaluaciones, estandarizaciones de las empresas y con estas aplicaciones podemos empezar a hacer pruebas sin saber qué va a pasar.

Este es un ejemplo de un modelado de la dinámica de fluidos en una torre de destilación para optimizar la separación de compuestos. Con toda la información que le estemos suministrando, nos va a dar una orientación de qué es lo que va a pasar, y con un margen de error mínimo, vamos a empezar a hacer real la simulación. Antes será prueba y error, ahora ya no contamos con el tiempo para cometer errores. Entonces, vamos a ir optimizando tiempos.

Toma de decisiones basada en datos

Los sistemas de IA analizan grandes volúmenes de información para optimizar la formulación de productos, la distribución de recursos y la eficiencia operativa.

Ejemplo: Algoritmos que ajustan las proporciones de ingredientes en la fabricación de pinturas para mejorar la resistencia y durabilidad según las condiciones climáticas.

IA Aplicable: SAP Predictive Analytics, que optimiza la toma de decisiones basada en datos empresariales.

Muchas veces tenemos que echarle la culpa a alguien cuando tomamos la decisión, pero si tenemos el respaldo de un análisis más profundo, más generalizado, va a ser más fácil tomar este tipo de decisiones.

Por ejemplo, ajustar proporciones de ingredientes en la fabricación de pinturas para mejorar la resistencia y durabilidad según las condiciones climáticas. Y aquí estamos poniendo SAP Predictive Analysis.

Cuando conocemos los factores externos y estas aplicaciones las interpretan que sí ocurre un cambio en el desempeño del producto final, te va a arrojar, ¿qué crees? el lote que estás fabricando para esta temporada debe de ir diferente por las condiciones en cómo se va a estar presentando.

En nuestra industria hay muchos productos que en época en calor presentan unas microfugas y ya tenemos que estar haciendo acá. Entonces, ¿cuándo lo estás fabricando? La maquinaria tiene un tema para que pase el propelente, una torre para que te lo caliente y pueda hacer puro vapor y etcétera. Ya podemos meter toda esta información y hacer estos cambios mínimos para asegurar la calidad y el desempeño del producto final. Son guías, pero si no le metemos estos factores externos que al final es reclamación del cliente, no vamos a poder saber cómo utilizar las quejas.

Automatización de procesos complejos

La IA permite automatizar tareas repetitivas y complejas, mejorando la velocidad y reduciendo la necesidad de intervención humana.

 Ejemplo: Sistemas robotizados en laboratorios químicos que preparan y analizan muestras con alta precisión.

IA Aplicable: UiPath AI Fabric, que automatiza procesos industriales mediante robots de software.

Un ejemplo es una automatización de procesos complejos. Sistemas robotizados en los laboratorios químicos que se preparan y analizan muestras con alta precisión. Esta parte de UiPath, son los famosos robots en software. Este es el alcance que se tiene para poder programar a lo físico, al robot físico. Entonces, le vamos a mandar acciones de, “tú robot uno vas a hacer tarea 1, 2, 3, 4. Robot 2, 5, 6, 7” y etcétera, pero aparte lo vamos a poder hacer repetitivo y tener un poquito más de flexibilidad y no una programación de robot. Aquí ya el tema es que le vamos a dar al robot que aprenda y pueda aterrizar ciertas acciones. Ahora, esta parte eh de automatización eh en robots, no crean que ese robot poniendo la tapita, etcétera, va desde también robot en sistemas logísticos.

Las ubicaciones: por ejemplo, Amazon, la ubicación de toda la mercancía, pues no va alguien y baja el producto, lo pone en el carrito, ya es un robot donde ya sabe dónde está la ubicación. Va, el robot monta cargas, va, llega al punto, agarra el producto y lo lleva a su lugar de picking y etc., pero si lo cambian de lugar ¿cómo vas a saber el robot si lo programaste? Aquí entra ya la inteligencia artificial y va a estar razonando para poder encontrar ese tipo de cosas.

Esta aplicación también nos ayuda a diseñar flujos de trabajo. Una vez más, la prueba y error. El flujo de trabajo en la industria.

En México estamos en el lugar número 70 y tantos de la conectividad. Vamos avanzando. De hecho ya en las conexiones 5G, etcétera, es para esto, para que el internet de las cosas tenga otra banda y puedan estar siempre latentes y mandando su información. No utilizando la 4G o G o LTE y mil cosas. Todavía estamos en desarrollo, tenemos una transferencia creo de 80 y tantos megabits por segundo a comparación de un Singapur que tiene en los 350 megabits por segundo. Por eso el tema del alojamiento y el proceso, si hay sistemas que se acomodan en el país para que se pueda tener esa comunicación interna. Hay que invertir en la tecnología para que te pueda dar ese sensor.

IA en Sistemas ERP como SAP

La IA también se integra con sistemas de planificación de recursos empresariales (ERP) como SAP, mejorando la gestión y automatización de procesos administrativos y operativos en la industria química. Algunas aplicaciones incluyen:

Optimización de Inventarios: Predicción de la demanda de materias primas y productos terminados para evitar escasez o exceso de stock. Automatización de Compras: Sugerencias automáticas para pedidos de insumos según históricos de consumo y tendencias del mercado.

Gestión de Producción: Ajuste dinámico de líneas de fabricación basado en la disponibilidad de recursos y cambios en la demanda.

Análisis de Costos y Rentabilidad: Identificación de oportunidades para reducir costos en la cadena de producción y mejorar la rentabilidad.

¿Qué sería de la inteligencia artificial en las empresas si no tiene la información o cómo le metemos la información?

Debemos tener estos sistemas administrativos que nos ayudan a ordenarla que el departamento de finanzas de calidad, de proceso, de producción, de ventas, de mercado, tenga todo, echen toda la información ahí en ese bote. Y obviamente, los RP más avanzados en las empresas. Esto hace ya un tema del que ya teniendo la información, hoy en día hay muchos desarrolladores de aplicaciones a los que les tienes que decir qué quieres. Mandan toda la información factores externos.

En estos sistemas, si queremos ser competitivos hoy en día, tenemos que estar volteando a ver la inversión en este tipo de sistemas, tenerla a la mano y confiable. Lo bueno de estos sistemas es que son rígidos. No vamos a poderle este hacer chanchullo.

Poniendo el ejemplo de SAP, tenemos aplicaciones con inteligencia artificial, que es Leonardo, Business y Joule, que nos ayudan a tomar las decisiones, por ejemplo, en cadena de suministro.

IA Aplicables:

• SAP Leonardo AI: Plataforma de IA integrada en SAP para optimizar procesos empresariales.
• SAP Business AI: Soluciones de IA para predicción de tendencias y automatización de operaciones.
• SAP Joule: Asistente basado en IA que facilita la gestión de procesos empresariales y análisis de datos.

Hoy en día las órdenes de compra ya las deben de hacer los sistemas. La inteligencia artificial te dice: «Hoy necesito poner la orden de compra tal» con todos los actores externos: la demora del proveedor, tema de financiero, toda la disponibilidad, etcétera. Pero esto hace que ya con toda esta información le preguntemos solamente, ¿hoy qué me toca comprar? Y te contesta

Integración de IA con Power BI

Power BI, la herramienta de análisis de datos de Microsoft, permite la integración de IA para generar reportes avanzados, detectar tendencias y optimizar la toma de decisiones en la industria química. Algunas aplicaciones clave incluyen:

Análisis Predictivo: Modelos de IA que analizan datos históricos para predecir fallos en maquinaria o cambios en la demanda de productos químicos.

Detección de Anomalías: Identificación de patrones irregulares en la producción o en el suministro de materias primas.

Automatización de Reportes: Creación de dashboards interactivos que muestran métricas clave en tiempo real.

En cuanto al tema visual, así como un chat GPT que nos gusta hablar con él, también necesitamos ver algo muy bonito y que nos ponga gráficas y modelos y todo, eso nos hace, por ejemplo, un Power BI, en Microsoft. Pero ¿qué información? ¿de dónde la voy a sacar? ¿Desde un Excel? Son bases para que esté bien ordenada hasta sistemas, hasta las aplicaciones de inteligencia artificial te van a dar un resultado. Te van a decir, «Pero vamos a traducirlo en algo visual que me guste ver, pues vamos a hacerlo en el Business Intelligent que ayuda mucho.

IA Aplicables:

• Azure Cognitive Services: Integración de análisis de lenguaje, visión y predicciones en Power BI.
• Power BI Copilot: Herramienta asistida por IA que ayuda a generar insights de datos mediante consultas en lenguaje natural.

Hay que saber qué pedir a la inteligencia artificial y que hagan un buen trabajo y toda la información que le estamos dando.

Beneficios de la IA en la Industria Química

• Maximizar la Productividad: Reducción de tiempos de producción y mayor rendimiento.
• Reducir el Desperdicio: Optimización de materias primas y menor generación de residuos.
• Mejorar la Precisión Operativa: Procesos más consistentes y predecibles. • Facilitar la Innovación en Modelos de Negocio: Nuevas oportunidades en personalización y optimización de la producción.
• Optimizar las Operaciones en Tiempo Real: Respuesta inmediata a variaciones en los procesos.
• Reducir los Inventarios: Mejor gestión de la cadena de suministro y previsión de demanda.
• Mejorar el Tiempo de Comercialización: Desarrollo más rápido de productos nuevos.

Cuando interactuamos con la inteligencia artificial abierta, un chat GPT, Alexa, etc., no hay que creerle. Hay también una parte de ética para las aplicaciones de inteligencia artificial. Esto ya fue definido por la UNESCO, donde hay ciertos puntos que hay que cumplir cuidando la privacidad, la seguridad, la propiedad intelectual. Les invito a que en el inicio de sus investigaciones sobre la implementación de la inteligencia artificial, se enfoquen en los fundamentos éticos de su uso.

Conclusiones

La IA no solo mejora la eficiencia en la fabricación química, sino que también impulsa la sostenibilidad y la competitividad en el mercado global. Su implementación representa una evolución estratégica hacia una producción más inteligente y adaptable a las demandas cambiantes del sector.

Dijimos que las revoluciones industriales cambian las maneras de consumo en la sociedad y la economía. Hay que adaptarnos a las herramientas que hay. Para los que todavía no tienen tanto acercamiento, pues hay que poner un poquito más el acelerador, para no quedarnos atrás.