Con la comparación de datos de imagen, hace algunos años comenzó la llegada de la inteligencia artificial a la producción. No solo, pero sobre todo para controles de calidad, desde entonces se han entrenado redes neuronales para detectar desviaciones (del objetivo) al comparar una pieza (real) con imágenes de referencia. Ahora, la IA generativa basada en grandes modelos de lenguaje apoya la solución gradual de preguntas generalmente muy específicas. En un proceso iterativo, el ser humano establece indicaciones a través de prompts hasta que se alcanza una solución. La IA Agente trabaja de manera completamente diferente: selecciona las herramientas de IA (agentes) necesarias para tareas altamente complejas y elabora soluciones de manera mayormente autónoma.
Los chatbots como ChatGPT ya marcan en la vida cotidiana la transición hacia la IA agente: los usuarios ven que su solicitud se descompone en varios pasos (buscar, evaluar, resumir), pero no ven la lógica según la cual el sistema selecciona y organiza las herramientas adecuadas. En diversas aplicaciones de desarrollo de software, servicio al cliente, operaciones de TI, gestión del conocimiento y procesos administrativos de empresas, la IA agente ya muestra sus fortalezas hoy en día, en todos aquellos lugares donde las tareas complejas consisten en varios pasos y deben ser coordinadas a través de diferentes sistemas.
- En el servicio al cliente, la IA agente puede procesar de manera autónoma grandes partes de las solicitudes de los clientes y no solo responder preguntas, sino también llevar a cabo procesos de servicio completos y tomar decisiones de manera autónoma dentro de reglas definidas.
- en el desarrollo de software: los agentes de codificación modernos analizan requisitos, escriben códigos, realizan pruebas, corrigen errores (de manera iterativa).
- En el comercio minorista, los agentes de IA bien orquestados pueden apoyar en la gestión de inventarios, pronósticos de demanda, logística y gestión de productos. Los agentes deben combinar de manera autónoma información de diferentes sistemas, preparar decisiones operativas y, en parte, también ejecutarlas.
Orcha-3: Transferencia a la producción industrial
La plataforma Orcha-3 desarrollada en Fraunhofer IWU traslada este enfoque a la tecnología de producción. Orcha-3 está diseñada para preguntas que hasta ahora son difíciles de abordar con modelos de IA individuales: preguntas abiertas a lo largo de una cadena de procesos, cuya respuesta no proviene de una medición, sino de muchos pasos interconectados, y donde el siguiente paso significativo solo se determina una vez que se ha evaluado el anterior.
Un ejemplo: en una cadena de procesos de operaciones de conformado y unión, al final aparecen desviaciones de medida, cuya causa es desconocida. Orcha-3 descompone esta pregunta de manera autónoma en pasos de trabajo individuales: recuperar datos de proceso del entorno de máquinas e instalaciones, combinar series temporales de varias estaciones, calcular correlaciones, simular variaciones de parámetros, evaluar resultados intermedios, y decide después de cada paso cómo proceder. Cada uno de estos pasos es ejecutado por un agente especializado con una tarea claramente definida.
Decisivo para el uso en la fabricación es la división de tareas entre el modelo de lenguaje y la ejecución: el modelo de lenguaje planifica, pero no accede a ningún sistema de producción. Las consultas a bases de datos, cálculos y simulaciones se realizan exclusivamente de manera local en los agentes. Los datos en bruto no abandonan la red de la empresa; al modelo solo se le proporciona una vista curada y completamente registrada de la situación de planificación. Esta vista se genera y almacena de manera determinista para cada paso de planificación. Por lo tanto, se puede verificar posteriormente qué información realmente se ha enviado al modelo. El know-how del proceso, que está contenido en los parámetros de fabricación, es a menudo la verdadera ventaja competitiva de una empresa; Orcha-3 está diseñado de tal manera que el uso de modelos de lenguaje potentes no requiere la divulgación de este conocimiento.
Por la misma razón, toda la ejecución está orquestada de manera determinista (ejecutada con base en reglas, cada decisión puede ser reconstruida posteriormente) y está completamente registrada: cada paso, cada resultado intermedio y cada decisión de la plataforma se mantiene almacenada y es rastreable incluso después de meses. Para una recomendación que ingresa a la producción en serie, esta capacidad de reconstrucción no es una función de comodidad, sino un requisito. Además, Orcha-3 puede ejecutar pasos de evaluación faltantes en forma de pequeños programas, incluso cuando el conjunto de herramientas disponible no es suficiente para una pregunta.
La plataforma está actualmente diseñada como un entorno de investigación y prueba. El objetivo a medio plazo es la expansión de la cadena de procesos individual al sistema de producción, hasta preguntas sobre el uso de máquinas y personal, la necesidad de espacio y el concepto logístico, que hoy solo pueden responderse mediante análisis manuales complejos.
Datos sintetizados para representar una variedad de problemas y casos de uso
Planificar u optimizar una producción compleja requiere una base de datos sólida. El dilema del huevo y la gallina al inicio se puede resolver elegantemente: mediante datos sintetizados generados específicamente, que se basan en cadenas de procesos virtuales y que, por ejemplo, reproducen procesos reales como pasos individuales de conformado. En esta cadena de procesos virtual, la IA puede ahora comenzar y mostrar potenciales de mejora. Los problemas y las tareas se pueden variar casi indefinidamente.
Complejidad que solo se puede dominar con IA agente
En producciones de múltiples etapas, hay preguntas que deberían aclararse, pero que generalmente permanecen sin respuesta porque su aclaración llevaría días de trabajo de datos:
- »Al final de la cadena de procesos, hay piezas fuera de tolerancia, cada estación individual informa 'en orden'.
- »¿De dónde proviene la desviación?«
- »El proveedor de material ha cambiado, la hoja de datos parece igual, pero el proceso ya no funciona como antes. ¿Qué parámetros deben ajustarse?«
- »La tasa de desecho varía entre las capas. Hay una sospecha, pero nadie que revise los datos del proceso durante dos semanas.«
Tales preguntas no se pueden responder con una evaluación, sino con muchas: combinar datos de varias estaciones, verificar relaciones, descartar una hipótesis, formular la siguiente. Precisamente este proceso lo asume Orcha-3 de manera autónoma y hace que cada paso sea rastreable.
La plataforma es funcional y ha sido probada en cadenas de procesos virtuales. El siguiente paso es la aplicación a preguntas de fabricación reales; para ello, buscamos dialogar con empresas que tengan una pregunta concreta ante sí. Evaluamos conjuntamente si esta tarea específica se puede abordar con el enfoque de Orcha-3, qué datos están disponibles y cómo podría ser un inicio.
IA Agente / IA Agentica
IA Agente se refiere a sistemas de IA que actúan como agentes autónomos para ejecutar de manera independiente tareas complejas y de múltiples etapas. A diferencia de los chatbots convencionales, que solo responden a comandos directos, estos sistemas pueden abordar tareas complejas y utilizar herramientas (otros agentes o herramientas) de manera autónoma, según sea necesario. Descomponen tareas más grandes en secciones lógicas, no dependen de pasos intermedios humanos frecuentes y responden de manera flexible a cambios a corto plazo o imprevistos.
La plataforma Orcha-3
Orcha-3 procesa tareas complejas llamadas 'Jobs' y las gestiona de manera estructurada en múltiples ciclos. En su núcleo, la plataforma se basa en una arquitectura claramente separada de API (interfaz de programación), orquestador, supervisor y agentes. De manera consistente basada en estados: toda la información se almacena de forma persistente en el sistema de archivos, lo que garantiza total transparencia, trazabilidad y reanudabilidad. El trabajo se lleva a cabo en un ciclo recurrente de planificación y ejecución:
- Un agente planificador analiza el estado actual y decide sobre los siguientes pasos.
- De esto surgen tareas que son ejecutadas por agentes especializados.
- Los resultados se almacenan e integran en el siguiente ciclo de planificación.
- El proceso se repite hasta que se alcanza una solución o se activa una condición de interrupción definida.
Contacto:
