Por Jair
Pérez, CEO de Gesta Labs
Mail:
jair@gestalabs.com
Monterrey,
Nuevo León, 29 de noviembre del 2021.- Imagina que tu trabajo es inspeccionar
la forma y apariencia de los cigarrillos en una fábrica tabacalera que produce
millones de estos productos todos los días. Básicamente, tu labor es tomar
ciertas muestras cada tanto tiempo y revisar que la forma cilíndrica y el color
estén en los parámetros que te indicaron y enviar reportes cada tanto o, en su
defecto, dar aviso a otras áreas cuando detectas que los productos salen de
ciertos rangos.
Y debes hacer
esto todos los días, durante las ocho horas de tu turno laboral. Multiplica
estos por los seis días que trabajas a la semana. Proyéctalo durante un año de
trabajo. En términos simples, después de un tiempo esto puede llegar a ser
insoportable para la persona e insostenible para un negocio.
El ejemplo es
real, y no es la única industria donde las personas ejecutan tortuosas labores
de inspección de calidad. De acuerdo con datos de Landing AI, 40% de las
empresas industriales en Estados Unidos tiene un proceso de inspección de
calidad absoluta o mayoritariamente manual y solo 24% lo ha automatizado por
completo; el resto combina, en mayor o menor medida, sistemas automatizados con
inspecciones manuales.
Al tratarse de
tareas repetitivas y cansinas, las empresas industriales sufren por defectos de
calidad en dos sentidos: 1) cuando la persona pasa por alto algún error
existente y 2) identifica erróneamente un defecto.
Como resultado
de estas ineficiencias, 56% de los fabricantes reporta falsos positivos (incidentes
donde se marcan defectos en piezas correctas y viceversa) y 50% carece de
habilidades y herramientas para lidiar con superficies o inspecciones
complejas.
Pero los
costos van más allá. Los trabajadores que se someten a intensas cargas de
trabajo en tareas monótonas y repetitivas tienen un rendimiento reducido, están
propensos a cometer más errores y tienen mayor insatisfacción. A su vez, para
la empresa esto representa un riesgo de mayor absentismo laboral y rotación de
empleados.
Ciertamente,
las compañías lo habían hecho así porque no disponían de otras herramientas,
pero es un hecho que, como ha sucedido con otras tareas que se pueden
automatizar, la inspección de calidad puede reforzarse con una tecnología como
Computer Vision.
Un sistema de
IA bien entrenado puede ser muy funcional para resolver un problema de este
tipo debido a su exactitud, consistencia y, sobre todo, costo. Estos
sistemas generalmente pueden procesar 1,000 imágenes por $1. (La empresa) puede
replicar estos sistemas en la nube para que se ejecuten simultáneamente, lo que
significa que puede escalar el sistema para completar más trabajo en menos
tiempo, según sea necesario, asegura la empresa china de inteligencia
artificial Chooch.
No se trata de
reemplazar trabajadores, sino de potenciar habilidades humanas. Por ejemplo,
una automotriz alemana implementó un modelo para detectar microgrietas e
imperfecciones en ciertos procesos de estampado antes de que avancen a lo largo
del proceso. Identificar el caso de uso en esta parte del proceso ha sido clave
porque el sistema funciona en un área completamente automatizada (donde se
ubican las prensas), en la que no hay intervención humana debido al alto riesgo
que supone para la seguridad de los empleados. El modelo detecta las piezas con
defectos y envía alertas automáticas al personal a cargo mientras manda las
piezas con errores al conveyor de
rechazo. Esto evita su identificación tardía y protege de otros riesgos a los
trabajadores.
Una solución
de este tipo ahorra dinero y trae otro tipo de ventajas, como acelerar los
flujos de trabajo, dado que ejecuta un mayor número de tareas en el mismo
lapso, es más consistente en los procesos de inspección, alivia cargas
laborales y son fácilmente escalables.
Recibe las noticias más
importantes de la industria en tu email
