La inteligencia artificial y la detección autónoma han irrumpido en nuestras vidas y en la industria con una fuerza imparable. Estas tecnologías avanzadas prometen revolucionar la forma en que evaluamos y garantizamos la calidad en sectores cruciales como la aeroespacial, ferrocarril y energía eólica. Para arrojar luz sobre el presente y el futuro de estas innovaciones, hemos hablado con Iñaki Aguirre nuestro Project Manager y Especialista en NDT.

En esta entrevista, exploraremos cómo los algoritmos de detección basados en IA están transformando industrias críticas, los desafíos técnicos y éticos que enfrentan y las perspectivas de evolución a corto y largo plazo.

/ ¿Cuál es el papel de los algoritmos de detección basados en IA en el desarrollo de sistemas inteligentes?

Los algoritmos basados en IA desempeñan un papel fundamental en el desarrollo de sistemas inteligentes. Se presentan como la piedra angular para la creación de sistemas de inspección verdaderamente autónomos que puedan evaluar componentes y tomar decisiones.

/ ¿Cómo se comparan estos avances con la situación actual en la inspección automatizada?

A día de hoy, a pesar de los notables avances en sistemas de inspección automatizada, la fase de evaluación a menudo requiere la intervención de un inspector humano para determinar si un componente es bueno o malo. Esto se debe a la complejidad en la toma de decisiones y a la falta de herramientas objetivas, rápidas y fiables para lidiar con volúmenes masivos de datos.

/ ¿En qué áreas específicas podrían beneficiarse más estos nuevos algoritmos de detección autónoma?

Estos nuevos algoritmos son especialmente valiosos en áreas donde existe un gran volumen de datos y asegurar la calidad es esencial, como la fabricación de componentes, la inspección de productos en línea y el mantenimiento preventivo, entre otros. La capacidad de tomar decisiones objetivas y rápidas en entornos de alta complejidad es un avance significativo en la automatización de procesos de inspección.

/ ¿Cuáles son los principales desafíos técnicos y éticos en el desarrollo de algoritmos de detección autónoma?

Los desafíos en el desarrollo de algoritmos de detección autónoma son significativos y deben abordarse cuidadosamente.

El principal reto técnico radica en alcanzar niveles de precisión cercanos o iguales al 100%. Actualmente, los algoritmos han avanzado mucho y su precisión se encuentra por encima del 90%, pero aún no alcanzan las precisiones que requiere la industria. Este desafío implica mejorar constantemente la calidad de los algoritmos y reducir al mínimo los errores.

Aquí es donde se plantea un dilema ético importante. ¿Cómo equilibramos la necesidad de precisión absoluta con la posibilidad de errores? Una solución es fomentar la colaboración entre el operario de inspección y el algoritmo. Se están dando pasos para que los algoritmos iniciales evalúen la mayoría de los resultados con una alta precisión, permitiendo que el operario se centre y supervise los casos en los que las predicciones del algoritmo no son lo suficientemente fiables para los altos estándares de calidad.

En este sentido, la idea es poner en práctica un nuevo paradigma en el que el operario pueda concentrarse en la evaluación de los resultados más críticos, mientras que las herramientas basadas en IA le ayuden a tomar decisiones. Esto no solo reduce la carga de trabajo que implica revisar una gran cantidad de resultados, sino que también disminuye el estrés asociado a la toma de decisiones cruciales en situaciones de alta complejidad.

/ ¿Qué beneficios se esperan de este enfoque colaborativo?

Se espera que este enfoque colaborativo mejore la eficiencia y la calidad de la inspección al permitir que los algoritmos realicen la mayor parte del trabajo pesado y que los operarios se concentren en tomar decisiones en situaciones de alta complejidad. Además, las herramientas IA pueden ayudar al operario a tomar decisiones y reducir así la posibilidad de errores humanos y garantizar estándares de calidad más altos en la evaluación de resultados.

En definitiva, el desarrollo de algoritmos de detección basados en IA implica un equilibrio delicado entre la precisión técnica y la ética en la toma de decisiones. La colaboración entre humanos y sistemas de IA parece ser el camino a seguir para abordar estos desafíos y aprovechar al máximo el potencial de la automatización en la inspección y evaluación de resultados.

/ ¿Qué importancia va a tener la aplicación de algoritmos basados en IA en industrias críticas como la aeroespacial, ferrocarril o eólica?

La aplicación de algoritmos de detección basados en IA en estas industrias es de vital importancia debido a la necesidad de garantizar la calidad de los componentes, ya que un fallo podría tener graves consecuencias, incluso la pérdida de vidas humanas.

/ ¿Cuál es la aproximación para implementar algoritmos de IA en estas industrias?

La implementación de algoritmos de IA varía según el tipo de algoritmo. Por ejemplo, para los algoritmos basados en Deep Learning, es esencial contar con una fase de entrenamiento que incluye tanto piezas con defectos como piezas en buen estado. Este proceso de aprendizaje es la base del algoritmo y se utiliza para comparar resultados durante la fase de evaluación.

Después de completar la fase inicial, avanzamos hacia la implementación, donde resulta esencial ajustar y reentrenar el modelo para que se adapte a las condiciones reales de fabricación, teniendo en cuenta posibles imperfecciones que no hayan sido detectadas durante la fase de entrenamiento inicial.

/ ¿Cómo se ajusta y reentrena el modelo durante la fase de implementación?

En este punto del proceso, la contribución del operario o inspector se convierte en un elemento fundamental. Su experiencia y conocimiento desempeñan un papel clave en la adaptación del modelo a las necesidades específicas de la inspección real del componente. Esta colaboración entre la inteligencia artificial y la experiencia del  humano se conoce como “Human in the loop” (el humano en el ciclo), y se traduce en una sinergia que potencia la efectividad del sistema. El operario o inspector no solo guía la optimización del modelo, sino que también identifica posibles discrepancias y defectos que pueden haber pasado desapercibidos durante la fase de entrenamiento inicial.

Esta interacción dinámica entre la inteligencia artificial y el operador agrega un nivel adicional de calidad y precisión al proceso de inspección, asegurando que el modelo se ajuste perfectamente a las condiciones y necesidades reales de la fabricación.

/ ¿Cuál es el objetivo final de la implementación de estos algoritmos en estas industrias?

El objetivo final es lograr una fabricación sin defectos, conocida como “Zero Defects Manufacturing” (ZDM), donde los algoritmos de detección autónoma trabajan de manera colaborativa y eficiente, junto con el personal humano, para garantizar la calidad y seguridad de los componentes. Esto es esencial para mantener altos estándares de seguridad y calidad en estas industrias críticas.

/ ¿Cuál es el objetivo final de la implementación de estos algoritmos en estas industrias?

El objetivo final es lograr una fabricación sin defectos, conocida como “Zero Defects Manufacturing” (ZDM), donde los algoritmos de detección autónoma trabajan de manera colaborativa y eficiente, junto con el personal humano, para garantizar la calidad y seguridad de los componentes. Esto es esencial para mantener altos estándares de seguridad y calidad en estas industrias críticas.

/ ¿Para concluir con la entrevista ¿Cómo se prevé que evolucione la detección autónoma y la inteligencia artificial en los próximos años? ¿Cuáles son las tendencias inmediatas que podemos esperar en este campo?

La evolución de la detección autónoma y la inteligencia artificial en los próximos años es un tema apasionante y dinámico.

A corto plazo, el objetivo principal es lograr modelos de predicción que sean fiables al 100% y ponerlos en práctica en la industria. Esto implica una mayor inversión en investigación y desarrollo, así como la mejora continua de algoritmos y tecnologías.

/ ¿Y a largo plazo? ¿Qué podemos anticipar en términos de evolución?

A largo plazo, la estrategia se centrará en definir la colaboración óptima entre los algoritmos de IA y los operarios humanos. Se trata de reconocer y capitalizar las fortalezas de cada uno. Los algoritmos pueden procesar grandes cantidades de datos de manera eficiente, mientras que los humanos aportan intuición, experiencia y juicio ético. La colaboración eficiente entre ambos será clave para abordar problemas complejos. Igualmente, necesitamos garantizar la seguridad y la ética en la toma de decisiones de los algoritmos, así como la adaptación continua de los modelos a medida que evolucionan las condiciones y los estándares de calidad. Además, la educación y formación de profesionales en el uso de estas tecnologías será esencial para aprovechar su potencial al máximo y garantizar la calidad en diversas industrias.