es.wedoany.com Noticia: Dave Evans, fundador y director ejecutivo de Fictiv, escribió recientemente un artículo en el que analiza el profundo impacto de la fusión de la inteligencia artificial, la robótica y la fabricación digital en la fabricación industrial. Evans sostiene que la fabricación de componentes personalizados está atravesando un punto de inflexión clave, donde convergen tres fuerzas: el diseño optimizado por IA, la fabricación digital y la integración de tecnologías de información y operación (TI/TO). Esto permite fabricar componentes personalizados a una escala y velocidad cercanas a las de la producción en serie, sin que los ingenieros tengan que comprometer la optimización debido a las limitaciones de la cadena de suministro.
Evans fundó Fictiv en 2013 junto con su hermano Nate, con el objetivo de resolver el cuello de botella industrial de los largos plazos de entrega en la fabricación de hardware. Señala que, en el pasado, los componentes personalizados solían conllevar un multiplicador de costos de 3 a 5 veces y ciclos de fabricación prolongados, pero esta situación está cambiando. Tecnologías como el CNC multieje, los procesos aditivos y la optimización de producción en tiempo real han reducido el costo de fabricación de componentes personalizados a entre 1.2 y 1.5 veces el de las piezas estándar, con plazos de entrega medidos en semanas, no en trimestres.
El modelo de cadena de suministro híbrido se está convirtiendo en una tendencia del sector. Evans utiliza el caso de la expansión de la fabricación de máquinas en la Giga fábrica de Tesla para ilustrar cómo esta empresa integra componentes personalizados de transmisión con actuadores estandarizados, logrando iterar sistemas robóticos a la velocidad del desarrollo de software. Este modelo mantiene los actuadores estándar como referencia de fiabilidad, mientras personaliza componentes de transmisión de potencia, como cajas de engranajes, acoplamientos y estructuras de montaje, sin aumentar significativamente los costos ni los tiempos.
Los algoritmos de aprendizaje automático se están convirtiendo en un middleware clave entre el diseño y la fabricación. Evans señala que, tras especificar parámetros como condiciones de carga, par motor y ciclo de trabajo, los sistemas de IA pueden realizar numerosas iteraciones de diseño en cuestión de minutos, explorando factores como la forma de los dientes y la selección de materiales que son difíciles de considerar manualmente, y conectándose directamente con los sistemas de ejecución de fabricación. Los datos anónimos de rendimiento de implementaciones reales retroalimentan el modelo de IA, optimizando continuamente los diseños posteriores. Empresas como Boston Dynamics, Universal Robots y ABB ya están utilizando la optimización de diseño impulsada por IA para crear actuadores y sistemas de transmisión de potencia adaptados a movimientos dinámicos complejos.
La integración de TI/TO es un eslabón clave para el avance del sector. En MISUMI Americas, los datos de diseño de los clientes fluyen sin problemas hacia la planificación de fabricación, la gestión de inventarios y la logística, todo en tiempo real. Siemens Digital Industries también está impulsando activamente esta agenda de integración. La aparición de estándares como MQTT y OPC UA está haciendo posible la interoperabilidad.
Un caso de aplicación concreto muestra que un integrador de sistemas robóticos de tamaño mediano redujo el ciclo de desarrollo de un sistema de paletización mediante una solución personalizada de caja de engranajes, logrando una eficiencia de diseño un 3 % superior a la solución manual, con un plazo de entrega de cuatro semanas. En el ámbito de los semiconductores, Nvidia comprimió un ciclo de desarrollo que normalmente requería 18 meses a solo 6 meses mediante la creación rápida de prototipos de soluciones personalizadas de cajas de engranajes. En el sector de dispositivos médicos, Stryker y Zimmer Biomet utilizaron cajas de engranajes personalizadas impulsadas por IA para reducir el juego de los mecanismos de muñeca de los robots quirúrgicos en un 40 % en comparación con la generación anterior, al tiempo que lograron una reducción de costos.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
