Por Canuto  

Siemens y Nvidia están probando en Alemania un flujo de trabajo que usa gemelos digitales e imágenes sintéticas para preparar la inspección de placas electrónicas antes de fabricar la primera unidad. La iniciativa apunta a reducir el trabajo manual y las falsas alarmas, aunque sus cifras son objetivos del proyecto y no resultados ya alcanzados.
***

  • Teamcenter y Process Preparation X de Siemens se combinan con Nvidia Cosmos para crear imágenes virtuales de placas buenas y defectuosas.
  • La prueba se desarrolla en la Erlangen Electronics Factory de Siemens, que funciona como espacio de ensayo para la producción adaptable impulsada por IA.
  • El proyecto plantea reducir hasta 85% el trabajo manual de programación de AOI, recortar 40% las falsas llamadas y elevar más de 5% el rendimiento de primera pasada.

 

Siemens y Nvidia están desarrollando un sistema que permite preparar la inspección de placas de circuito impreso antes de que la primera unidad física llegue a producción. La propuesta combina software industrial, gemelos digitales e inteligencia artificial generativa para construir imágenes virtuales de placas correctas y de posibles defectos, con el propósito de acelerar la programación de los equipos de control de calidad.

La demostración se realiza en la Erlangen Electronics Factory de Siemens, Alemania. Según la información del proyecto, la planta sirve como espacio de ensayo para la producción adaptable impulsada por IA. Robotics and Automation News informó que la iniciativa aspira a facilitar cambios de producto más frecuentes sin detener la línea, y recoge metas de eficiencia que deben entenderse como objetivos, no como resultados comprobados en operación comercial.

Inspección virtual antes de la primera placa física

En la fabricación electrónica, la inspección óptica automatizada, conocida como AOI, utiliza cámaras y software para revisar las placas y buscar componentes mal colocados, defectos visibles u otras anomalías. Por lo general, la preparación de esos sistemas depende de disponer de muestras físicas con las que los equipos puedan definir qué aspecto tiene una placa aceptable y qué señales podrían justificar una revisión adicional.

La iniciativa de Siemens y Nvidia busca adelantar una parte de ese proceso al entorno digital. Teamcenter, el software de gestión del ciclo de vida del producto de Siemens, aporta el diseño de la placa, la lista de materiales y los datos de sus componentes; Process Preparation X valida, normaliza y organiza esa información para construir un gemelo digital del ensamblaje de la placa de circuito impreso, o PCBA.

Ese modelo digital proporciona el contexto de producto y de fabricación con el que se prepara la inspección antes de que la línea produzca una unidad. La propuesta se apoya en una representación virtual de la placa de referencia considerada perfecta, conocida en la industria como “placa dorada”, que sirve como punto de partida para generar imágenes fotorrealistas y comparar después las posibles variaciones.

Nvidia Cosmos se incorpora para crear muestras sintéticas de placas correctas y de condiciones de fallo que podrían aparecer durante la producción. Siemens también utiliza Nvidia Cosmos Data Factory para generar imágenes sintéticas de defectos y calibrar la máquina de inspección antes de fabricar placas físicas, una estrategia que pretende reducir la dependencia de prototipos y muestras reales en las primeras etapas de preparación.

Gemelo digital y asistencia de IA durante la producción

La generación de imágenes virtuales no es el único componente del flujo de trabajo. Una vez que comienza la producción y un sistema AOI señala una posible anomalía, una capacidad secundaria asistida por IA puede analizar el caso y ayudar a distinguir entre un defecto real y una falsa llamada, es decir, una alerta que requiere atención aunque no corresponda a una falla efectiva del producto.

Esta segunda revisión busca conectar la preparación virtual con las decisiones que se toman en la fábrica. En vez de limitar el gemelo digital a una representación visual del producto, el planteamiento lo usa como referencia para organizar tareas de ingeniería y apoyar procesos de inspección y calidad cuando la placa ya circula por la línea.

Mark Hindsbo, vicepresidente ejecutivo de software de operaciones de Siemens, afirmó que la conexión entre el gemelo digital, la planta y la IA puede mejorar la productividad de la línea y la calidad del producto. También describió la naturaleza determinista del gemelo digital de Siemens como la base para aplicar IA física en la preparación de producción, y señaló que una “placa dorada” virtual podría ayudar a cambiar la fabricación sin sacar la línea de operación.

Rev Lebaredian, vicepresidente de Simulación de IA Física en Nvidia, sostuvo que los fabricantes no deberían tener que esperar a fabricar la primera placa para empezar a preparar su inspección. Según su explicación, combinar el software industrial y la experiencia de manufactura de Siemens con Nvidia Cosmos permite generar imágenes sintéticas de placas buenas y defectuosas, con la intención de ayudar a acelerar la introducción de nuevos productos.

Erlangen como laboratorio de producción adaptable

La fábrica de Siemens en Erlangen cumple la función de “Customer Zero” para esta demostración y para el trabajo más amplio de Siemens y Nvidia en producción adaptable, autónoma e impulsada por IA. El sitio ofrece el entorno industrial y la experiencia de fabricación para probar el flujo en una operación de alta mezcla, donde los productos y procesos pueden cambiar con frecuencia.

El objetivo de largo alcance descrito para esa planta es poder introducir cambios de tres a cinco veces por semana sin interrumpir la producción. La frecuencia es una meta de la fábrica altamente adaptable que las compañías buscan desarrollar, no una afirmación de que el sistema de inspección ya haya demostrado por sí mismo ese ritmo en toda la operación.

Entre los objetivos cuantificados del proyecto figura reducir hasta 85% el esfuerzo de ingeniería manual asociado con la generación de programas AOI. Siemens y Nvidia también plantean 40% menos falsas llamadas y una mejora superior a 5% en el rendimiento de primera pasada, indicador que se refiere a la proporción de productos que superan el proceso en el primer intento.

Esas cifras describen beneficios previstos, de acuerdo con la información difundida sobre la colaboración, y no deben confundirse con mediciones ya verificadas en distintas fábricas. El desempeño real dependerá de la calidad de los datos, de cómo se representen las fallas posibles y de la capacidad de validar las imágenes sintéticas frente a las condiciones que aparecen en la producción física.

Qué podría cambiar para los fabricantes

Si la preparación virtual funciona como esperan las compañías, los fabricantes podrían comenzar a programar controles de calidad antes de contar con las primeras unidades físicas. Eso permitiría adelantar tareas de ingeniería, reducir la necesidad de muestras tempranas y llegar a la fase productiva con una inspección mejor calibrada, aunque el sistema aún deberá contrastar sus modelos con los resultados observados en la línea.

La propuesta también apunta a disminuir revisiones manuales derivadas de alertas incorrectas y a responder con mayor rapidez cuando cambia un diseño o aparece una variante del producto. Para una fábrica con procesos que se modifican con frecuencia, contar con datos de producto organizados y modelos virtuales podría acortar la preparación, pero no elimina la necesidad de supervisión ni convierte automáticamente cada alerta del sistema en un diagnóstico definitivo.

En términos más amplios, el caso muestra una aplicación industrial de la IA generativa distinta de la creación de texto o imágenes para consumidores: aquí se usa para producir ejemplos visuales de placas y defectos que alimenten la preparación de herramientas de inspección. La utilidad de ese material dependerá de que refleje de forma suficientemente fiel los componentes, los diseños y las variaciones que realmente pueden presentarse durante el ensamblaje.

La colaboración sitúa al gemelo digital como enlace entre la intención de ingeniería y el control de calidad en el mundo físico. Siemens aporta el software para gestionar el producto y preparar procesos, mientras Nvidia contribuye con Cosmos para generar datos sintéticos; el siguiente desafío será demostrar que esa combinación puede mejorar los indicadores propuestos sin sacrificar la precisión de la inspección en condiciones reales.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados