Una decisión oportuna en producción tiene una ventana de oportunidad. Cuando falta material o una estación comienza a acumular piezas, el equipo necesita evaluar un ajuste mientras aún puede influir en el resultado del turno, pues es bien sabido que cada minuto dedicado a calcular sus consecuencias consume parte de ese margen y aumenta la presión sobre quien debe autorizarlo.
El cómputo acelerado mediante unidades de procesamiento gráfico, conocidas como GPU, puede ampliar ese margen al reducir el tiempo que requieren ciertos cálculos. Su arquitectura permite distribuir operaciones entre numerosas unidades que trabajan simultáneamente, una capacidad aprovechable cuando el problema y el software lo permiten. En manufactura, esto abre la posibilidad de evaluar escenarios y aplicar inteligencia artificial con mayor oportunidad.
Ahí conviene situar la conversación industrial. La capacidad de cálculo adquiere valor cuando ayuda a entender qué ocurrirá al modificar un proceso y ofrece una respuesta lo suficientemente confiable como para actuar. Para conseguirlo, el conocimiento de la operación debe acompañar al desarrollo tecnológico desde el planteamiento del problema.
La potencia encuentra una aplicación
Las alianzas entre empresas tecnológicas permiten reunir las especialidades que una solución industrial requiere para funcionar. NVIDIA aporta plataformas de cómputo acelerado y herramientas de inteligencia artificial, mientras que sus socios incorporan conocimiento del equipo y del proceso en el que serán utilizadas. La colaboración con Siemens, por ejemplo, ofrece un caso concreto de cómo esa combinación puede llegar a producción.
En su planta de electrónica de Erlangen, Alemania, Siemens informó que un agente de IA genera escenarios de producción cuando llegan nuevos pedidos y muestra a los planificadores el efecto de cada alternativa sobre los indicadores definidos. Las propuestas se validan mediante un gemelo digital de la instalación antes de implementarlas, utilizando tecnologías desarrolladas en colaboración con NVIDIA.
El mismo trabajo conjunto aborda la preparación de inspecciones para ensambles de tarjetas electrónicas. Los modelos digitales permiten generar imágenes sintéticas para entrenar sistemas de visión sin tener que esperar a contar con todos los prototipos físicos. Siemens reporta un potencial de reducción de hasta 85 % en el esfuerzo de ingeniería de preparación virtual para ese flujo específico, una cifra que corresponde a las condiciones de la aplicación descrita.
Compartir experiencia para resolver tareas
La colaboración entre FANUC y NVIDIA ha trasladado esta misma lógica a la manipulación robótica. El fabricante de tecnología robótica, mediante la conexión de ROBOGUIDE con el líder en GPUs y el uso del motor físico PhysX, estudia virtualmente la extracción de piezas desordenadas de un contenedor, una aplicación conocida como bin picking. El objetivo es facilitar la evaluación de la viabilidad y reducir el trabajo de prueba en la instalación.
Yaskawa también participa en una iniciativa con Fujitsu que explora una plataforma de control colaborativo basada en tecnologías abiertas de IA física de NVIDIA. Fujitsu busca determinar, como requisito, la combinación del control robótico con datos de calidad obtenidos en sitio, una condición que devuelve la atención al conocimiento del proceso y al trabajo de integración.
Otro fabricante, el de maquinaria pesada, Caterpillar, ofrece una aplicación industrial adicional. La compañía está desarrollando gemelos digitales de sus fábricas con bibliotecas de Omniverse y OpenUSD para estudiar distribuciones y procesos de producción, además de utilizar infraestructura acelerada para apoyar las actividades de programación. El fabricante busca aportar contexto operativo para orientar esas herramientas hacia problemas propios de su negocio.
Otra área destacada de desarrollo es la movilidad, donde estas sinergias tienen alcances distintos. Toyota anunció el uso de DRIVE AGX Orin para asistencia avanzada al conductor, mientras que Hyundai amplió su colaboración hacia sistemas de conducción automatizada y el desarrollo de robotaxis mediante Motional. Los proyectos de Mercedes-Benz y Uber incluyen iniciativas de nivel 4, por lo que conviene precisar el objetivo de cada alianza en lugar de atribuirles la misma capacidad disponible.
Decidir con evidencia suficiente
Para una empresa de manufactura, estos casos llevan al análisis sobre las decisiones de producción que se requieren tomar con mayor rapidez y de qué evidencia se requiere para hacerlo. Las conclusiones sobre esto, sin duda, ayudarán a definir una aplicación cuyo desempeño pueda comprobarse bajo condiciones representativas de producción.
Un gemelo digital necesita validación y evaluación de su incertidumbre, como señala el Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST). Esa disciplina también debe acompañar la interpretación de sus resultados cuando estos sirven para proponer ajustes operativos.
El valor de los fabricantes de alta tecnología de procesamiento, como Nvidia, y de las alianzas que las rodean puede determinarse cuando, en una operación en el piso de producción, se obtiene una respuesta confiable que llega en el tiempo adecuado y permite al equipo realizar un ajuste fundamentado, ya que, en una planta, ganar velocidad para decidir exige saber también cuánto podemos confiar en lo calculado.