IA para la Gestión de Manufactura

• ¿Qué es IA y qué no lo es? Las principales diferencias con automatización tradicional.
• Machine Learning, Visión por Computadora, NLP, Gemelos Digitales, Optimización.
• Ecosistema de herramientas (ejemplos):
  • Plataformas: Azure AI, AWS Sagemaker, Google Vertex AI.
  • Aplicaciones industriales: Siemens MindSphere, GE Predix, Tulip, AspenTech.
  • Tendencias: IA Generativa en diseño de procesos y documentación técnica.

Caso práctico:

Implementación de IA en una empresa industrial del sector

• Introducción a Knime: crear un nuevo workflow, lectura de datos, nodos básicos de manipulación (Filter, Join, Group By, Sort).
• Modelado predictivo en Knime: nodos de predicción, definición de variable objetivo, conjuntos de entrenamiento y validación, cálculo de métricas.
• Introducción a Python/Anaconda: instalación de entornos, apertura de Jupyter Notebook, lectura de datos en pandas.
• Modelado predictivo en Python: entrenamiento de un modelo de predicción simple (ejemplo: Prophet para series temporales), validación y métricas de error.
• Comparativa: flujo visual (Knime) vs código (Python) como dos formas complementarias de experimentar con IA en manufactura.
• Discusión sobre la escalabilidad: de la experimentación en local a la adopción de plataformas industriales en producción.

Caso práctico:

• Predicción de demanda estacional con dataset de fechas y ventas:
  • En Python (Prophet en Jupyter).
  • En Knime (workflow de series temporales con métricas de predicción).

• Planificación de demanda con modelos de series temporales
• IA para control de inventarios: detección de exceso o rotura de stock
• Programación y secuenciación de producción con algoritmos de optimización
• Aplicaciones de Digital Twins en simulación de planta
• Caso de estudio en Python (SimPy): simulación de una línea de producción con estaciones y colas para identificar cuellos de botella
• Comparativa entre la experimentación en local y el escalado a plataformas industriales (Siemens, GE, AspenTech)
• Otras opciones open-source en el escalado a plataformas industriales: AnyLogic Personal Learning Edition como ejemplo de simulación industrial avanzada

Caso práctico: se ajustará con base en las necesidades de la empresa

• Predicción de demanda estacional Simulación simplificada de un gemelo digital de línea de producción en Python (SimPy).
• Optimización de inventarios
• Secuenciación de órdenes para reducir setups.

• Visión computacional para inspección de defectos (ej. TensorFlow, PyTorch, OpenCV, Landing AI).
  • Caso de estudio 1: OpenCV Haar Cascade para ilustrar técnicas clásicas de detección.
  • Caso de estudio 2: CNN ligera pre-entrenada (MobileNet/ResNet) aplicada sobre un dataset simulado de piezas con/sin defectos.
• Detección de anomalías en parámetros de producción (temperatura, humedad, presión). Ejemplo práctico: notebooks con scikit-learn, librería open-source de Python para modelos de predicción y detección de anomalías.
• Mantenimiento predictivo: análisis de vibraciones, consumo energético, sensores IoT.
• Herramientas aplicadas: UptimeAI, Augury, IBM Maximo

Caso práctico: se ajustará con base en las necesidades de la empresa

• Detección y clasificación de defectos en piezas con Python (visión artificial).
• Análisis de anomalías en datos de sensores como ejemplo de mantenimiento predictivo.
• Predicción de fallas mediante sensores.
• Modelos de ML para estimar vida útil de productos.

• Técnicas de optimización de la operación:
  • Reducción de desperdicio (yield optimization)
  • Optimización energética (IA para consumo de hornos/secadores)
  • Automatización de la toma de decisiones con IA
  • Ética, ciberseguridad y gobernanza de datos industriales
  • Ruta de implementación en planta: desde piloto a escalamiento

Caso práctico: se ajustará con base en las necesidades de la empresa

• • Optimización de consumo energético en hornos de secado de moldes.
  • Balanceo de línea para reducir cuellos de botella en prensas.
  • Ejemplo de ruta de implementación para la empresa: de piloto de visión artificial a plataforma integral de IA