Un brazo robótico se abalanza sobre una pieza en la línea de ensamblaje, la inspecciona con su cámara integrada y, si detecta una falla, la retira sin pedir permiso. Esa es la promesa que GFT Technologies SE acaba de poner sobre la mesa para los fabricantes automotrices: un sistema que cierra el bucle entre detectar un defecto y hacer algo al respecto, en tiempo real.

Hasta ahora, la mayoría de los sistemas de visión por computadora en fábricas se detienen en la detección de anomalías. Identifican que algo está mal, pero la corrección queda en manos de un operador humano. Eso introduce demoras y abre espacio al error. La integración que GFT lanzó esta semana propone que tres robots distintos cubran cada eslabón del proceso, sin pasos intermedios manuales.

"Los fabricantes automotrices llevan años haciéndose la misma pregunta: ¿cómo bajamos la IA de la pantalla al piso de planta? Con este lanzamiento, la pregunta tiene respuesta", dijo Brandon Speweik, head of manufacturing en GFT, según The Robot Report.

GFT Technologies, con sede en Stuttgart, Alemania, se presenta como integrador de soluciones de transformación digital con más de 12 mil expertos y operaciones en 20 países. Trabaja con bancos, aseguradoras, manufacturas y robótica, y suma una alianza estratégica con Google Cloud sobre la cual descansa este nuevo despliegue.

El costo de no actuar a tiempo

GFT puso una cifra concreta para justificar la inversión. "Un solo vehículo retirado del mercado puede costarle a los fabricantes más de 500 dólares por unidad para remediarlo, lo que termina costando decenas de millones", señaló la empresa en su anuncio. La distancia entre detectar un problema y actuar sobre él, a la velocidad de una línea moderna de ensamblaje, se volvió un cuello de botella crítico.

La compañía alemana ya viene trabajando con Ford Motor Co. para modernizar sistemas y aprovechar datos operacionales. Ese conocimiento del piso de planta es lo que ahora intenta llevar más allá de la pantalla. GFT trabaja además con múltiples proveedores de hardware, incluyendo a NEURA Robotics.

"Lo hicimos en alianza estratégica con Google Cloud para lo que llamamos Industry 4.0 o transformación de manufactura", explicó Speweik a The Robot Report. "Con IA, lo primero que hacemos es derribar silos de datos para crear un mejor contexto para que las máquinas entiendan el espacio de trabajo y cómo están ejecutando las acciones".

El sistema combina entradas heterogéneas. Datos no estructurados de cámaras de inspección visual, velocidad del transportador de la propia línea, lecturas de etiquetas RFID al pasar por puntos de control. Todo eso se sintetiza en simultáneo para reconstruir, con un alto grado de precisión, qué está ocurriendo realmente en esa línea.

Tres robots, una misma línea

GFT Technologies dispone tres robots distintos a lo largo del trayecto, cada uno con un rol específico para asegurar que componentes como parachoques, puertas, tuberías o piezas de carrocería estén correctamente fabricados.

El primer robot usa una cámara para verificar detalles de cada pieza. Confirma posicionamiento, detecta defectos visuales en tiempo real y valida que etiquetas y números de serie sean correctos y legibles. La cámara va montada directamente en el gripper del robot, lo que le permite mover el sensor para capturar distintos ángulos y revisar cada parte del componente.

Tras la inspección, un segundo brazo robótico marca las piezas que el primero identificó como defectuosas.

Finalmente, un tercer brazo, fabricado por GFT, interactúa físicamente con la línea y con las piezas defectuosas. Es el que reduce la necesidad de intervención humana. Sus tareas incluyen:

  • Reposicionar piezas: cuando detecta un componente desalineado, corrige su posición antes de que avance al siguiente paso de producción, previniendo el defecto en lugar de solo identificarlo.
  • Retirar piezas de la línea: cuando un defecto está marcado como detectado o sospechado, el brazo extrae la pieza y la deja para revisión humana. GFT sostiene que esto elimina el riesgo de error humano en la detección y reduce la posibilidad de que productos defectuosos salgan de la fábrica.

Cada foto que la cámara captura se sube automáticamente a la nube y queda almacenada. La planta puede revisarlas más tarde, llevar un registro de cada inspección y usarlas para mejorar el sistema con el tiempo.

GFT añadió un agente de IA al proceso de análisis de causa raíz. Ese agente cruza las imágenes con otros datasets para no solo detectar el defecto, sino encontrar su origen y permitir medidas preventivas proactivas.

Hacia la "democratización" del modelo

"Estamos trabajando hacia la democratización de la IA, y por eso encajamos bien con Google", afirmó Speweik. "Trabajamos con los modelos y con la gente que tiene la expertise específica para que alguien que no es científico de datos ni ingeniero de software pueda hacer consultas o escribir prompts en lenguaje natural".

El argumento técnico es que los modelos de IA están alcanzando un punto en que las personalizaciones son cada vez menores y los datasets de entrenamiento, mucho más pequeños. "Captan contexto más rápido, y necesitamos quizás solo unos cientos de imágenes en lugar de miles", explicó Speweik.

Un fabricante automotriz importante con base en Estados Unidos ya empezó a desplegar la tecnología en distintas operaciones, según GFT. La empresa no reveló su nombre.

Speweik cerró abriendo el horizonte de aplicaciones. "Visión por computadora, robótica y automatización tienen tantas aplicaciones como tu imaginación permita, ya que le dan a las máquinas un medio para identificar y sentir a través de datos visuales no estructurados", dijo. "Esa capacidad también sirve fuera de la manufactura, como Tesla la está usando para sus robots humanoides. Aplica también a drones para misiones de búsqueda y rescate, y el cielo es el límite de cómo puedes aplicar esta tecnología en el mundo real".