¡Hub de contenido!
Acceso a contenido educativo gratis. Comience a aprender.

El auge de la inteligencia artificial en la fabricación de alimentos

Aunque se utiliza desde hace mucho tiempo en el procesamiento de alimentos para el mantenimiento predictivo, la IA está encontrando nuevos usos importantes en la capacitación, la planificación de la producción, la mejora del rendimiento y más.

Rise Of Ia In Food Manufacturing
Getty Images

Por Stephen M. Perry, Ph.D.

Con la colaboración de Scott Spencer

La Inteligencia Artificial (IA) se ha utilizado en el procesamiento de alimentos durante muchos años para mejorar la eficiencia, la calidad y la seguridad de los alimentos. Las aplicaciones de IA se utilizan en aplicaciones de cadena de suministro y mantenimiento predictivo para mejorar las operaciones de fabricación.

Si bien en los últimos años se han utilizado tecnologías de IA como la clasificación óptica, la selección y colocación robótica y el software de recopilación de datos en la fabricación de alimentos, este artículo aborda los usos más recientes de la IA, como la creación de programas de capacitación específicos, la planificación de la producción y el análisis de la capacidad de los turnos, y consultas a bases de datos existentes para identificar oportunidades de mejora del rendimiento.

Para obtener más información sobre las aplicaciones reales de IA, el Instituto FSO entrevistó a Scott Spencer por su experiencia de vanguardia en la implementación de IA en la fabricación de alimentos y bebidas. Spencer tiene más de 25 años de experiencia en las industrias de alimentos, bebidas y nutracéuticos con puestos en General Mills, Snyder's-Lance y Nature's Bounty. En su cargo anterior más reciente como presidente y director de operaciones de Island Abbey Foods, Spencer impulsó mejoras en los sistemas de gestión del desempeño, múltiples expansiones de capacidad y crecimiento comercial.

Spencer ha estado a la vanguardia de la implementación de herramientas de inteligencia artificial en tres áreas clave: capacitación de empleados, planificación/programación de producción y optimización del rendimiento.

 

Instituto FSO: ¿Cómo está participando la industria alimentaria en la IA?

Spencer: El ritmo del avance de la IA no se parece a ninguna tecnología que hayamos visto antes. Sólo estamos arañando la superficie de lo que la IA puede hacer por los fabricantes de alimentos. En 2023, la IA se centró principalmente en texto e imágenes fijas. Ahora, la IA puede crear vídeos y pistas de audio basándose en sencillas indicaciones de texto. Los avances de la IA en los últimos años han sido asombrosos y están transformando casi todos los aspectos de las operaciones.

Instituto FSO: ¿Cuál es uno de los mayores desafíos de la fabricación de alimentos que la IA puede ayudar a resolver?

Spencer: La fabricación de alimentos siempre ha luchado contra una alta rotación de empleados, lo que hace que la capacitación sea un ciclo interminable de esfuerzos repetitivos. Con la IA, esta carga de entrenamiento constante se puede minimizar.

En el pasado, expertos técnicos y operadores experimentados creaban desde cero la formación de nuevos empleados basándose en manuales técnicos y la experiencia en los procedimientos de la empresa. Ahora, la IA puede digerir enormes volúmenes de políticas técnicas y empresariales, incorporarlas en una base de datos y crear capacitación estandarizada y personalizada en minutos. Una vez verificada por operadores experimentados y el equipo técnico, la capacitación se puede implementar en horas. Por ejemplo, el manual de funcionamiento de un OEM se puede cargar en un modelo de lenguaje grande (LLM) y se pueden crear SOP y módulos de capacitación en un instante. Un mensaje simple como “Escribir un POE y capacitación sobre la puesta en marcha de un equipo” producirá un POE detallado y un resumen del documento de capacitación del POE. Después de agregar algunas imágenes para mayor claridad y verificar la precisión, la empresa ahora cuenta con un SOP detallado y capacitación sobre el proceso de puesta en marcha del equipo.

 

Instituto FSO: ¿Pueden las aplicaciones de formación ir más allá de los módulos de formación genéricos?

Spencer: Sin lugar a duda hay dos aplicaciones que he experimentado recientemente. En el primero, junto con un manual técnico de equipos, la organización subió a un LLM los manuales y procedimientos de seguridad y calidad de la empresa. Ahora la IA tiene políticas de empresa junto con las especificaciones técnicas del equipo. Esto se puede utilizar para generar una formación específica para la empresa muy similar a un módulo genérico. Simplemente tiene más datos para utilizar.

En segundo lugar, un elemento que a menudo falta en los módulos de formación de las empresas es la interactividad. La información se presenta al alumno y, si es buena, se realiza una prueba o demostración práctica para que el alumno demuestre las habilidades adquiridas. La IA también puede generar rápidamente pruebas y herramientas de desarrollo humano y organizacional para que los capacitadores las utilicen para verificar las habilidades requeridas de los alumnos. Sin embargo, eso es sólo el comienzo.

En la formación basada en IA, el alumno puede consultar el sistema de IA cuando tenga preguntas que no estén cubiertas en la formación. El alumno puede preguntar: "¿De qué material está hecha esta pieza?" o "¿Qué mantenimiento se recomienda para este equipo?" Además, la IA puede abordar diferentes conjuntos de habilidades de los alumnos. Por ejemplo, el alumno puede pedirle a la IA que explique un tema en un nivel diferente o desde una perspectiva diferente. Esto adapta la experiencia a cada usuario para garantizar que la capacitación tenga el nivel de habilidad adecuado para ese individuo.

Instituto FSO: ¿Qué otras aplicaciones de la industria alimentaria pueden utilizar la IA con éxito?

Spencer: La IA también está agilizando los complejos esfuerzos de programación y planificación de la producción. Optimizar la asignación de mano de obra y la utilización de las máquinas es un desafío de datos enorme que es perfecto para IA.

La mayoría de las empresas se han basado en proyecciones rudimentarias de personal basadas en cambios históricos, cálculos aproximados de equipos y mejores estimaciones de la demanda de productos. Por el contrario, las aplicaciones de IA pueden analizar datos de fabricación en tiempo real, tendencias de ventas, estados de proveedores, eficiencia de los equipos y más para crear personal optimizado y ejecutar cronogramas en intervalos de hasta 15 minutos.

La IA considera innumerables variables y posibilidades que los planificadores humanos no pueden procesar de manera factible. Con este nivel de programación inteligente, los fabricantes alcanzan consistentemente eficiencias máximas.

Al trazar un plan ideal para los niveles de personal, el flujo de materiales, el uso de equipos y las necesidades de inventario, la IA elimina los cuellos de botella de producción, minimiza el tiempo de inactividad y sincroniza todo el proceso de fabricación. Esto permite realizar ajustes proactivos en la dotación de personal, reequilibrar las líneas y coordinar con precisión con los equipos de mantenimiento para mantener la productividad encaminada.

La IA elimina las conjeturas en la planificación de la producción, generando más rendimiento, menos desperdicio y un mejor control de los costos.

Instituto FSO: ¿Cómo puede la IA ayudar a los fabricantes a mejorar el rendimiento?

Spencer: Las soluciones de IA pueden extraer información valiosa de los repositorios de datos de fabricación existentes. El objetivo es identificar factores y relaciones ocultos que afectan los rendimientos, la calidad del producto y las pérdidas de materiales.

Los fabricantes de alimentos cuentan con montañas de datos procedentes de sensores de máquinas, registros de lotes, pruebas de materiales e incluso registros manuales de los operadores. Pero muy pocos tienen el ancho de banda para analizar todas estas fuentes simultáneamente y traducirlas en inteligencia procesable.

Ahí es donde entran en juego las capacidades avanzadas de reconocimiento de patrones y extracción de datos de la IA. Al ingerir todos los datos disponibles, la IA puede aislar variables clave relacionadas con los rendimientos y las métricas de calidad del producto, encontrando factores que nadie pensó siquiera en considerar. La IA podría determinar que los niveles de humedad tres días antes, combinados con una configuración específica, se corresponden directamente con tasas de defectos más altas.

Con estos conocimientos, los fabricantes pueden realizar ajustes de procesos informados, programas de mantenimiento predictivo, cambios de proveedores u otras mejoras sistemáticas para reducir las pérdidas y optimizar los rendimientos. La IA monitorea continuamente los flujos de datos en busca de patrones emergentes, aprendiendo y refinando su análisis en una búsqueda constante de una mayor eficiencia y garantía de calidad.

Las empresas han experimentado enormes mejoras en el rendimiento aprovechando los datos y la inteligencia artificial existentes. Para los productores de alimentos de gran volumen, eso significa millones de dólares en ingresos recuperados gracias a la reducción del desperdicio y la mejora del rendimiento.

 

Instituto FSO: ¿Qué sigue para la IA?

Spencer: Yo predeciría tres áreas principales de avance: productividad individual, análisis de datos interactivo y robótica.

La productividad individual suele ser el primer caso de uso que una empresa puede implementar. Existen sistemas de inteligencia artificial basados en la nube que grabarán su videoconferencia, resumirán los temas clave y publicarán notas detalladas. Este es sólo un ejemplo de productividad personal. La IA se puede utilizar para responder correos electrónicos, resumir contratos, digerir grandes cantidades de texto o datos y presentarlos en el formato que desee el usuario. Esto favorece la velocidad en la toma de decisiones y alivia la pérdida de tiempo en el trabajo de cualquier persona que toma decisiones.

La gente suele olvidarse de las capacidades interactivas de la IA. Como mencioné en los ejemplos de capacitación y rendimiento, la IA puede interactuar, educar y proporcionar información sobre los datos y presentarlos en diferentes formatos. Con el tiempo, los agentes de IA podrán hacer una recomendación o actuar por sí solos basándose en los datos. En mi opinión, los días de los datos del panel de control están contados. Aproximadamente durante el próximo año, podrá consultar una base de datos de IA con cualquier pregunta que pueda ser aplicable.

Por ejemplo, es posible que tenga monitores de vibración en cientos de motores de su planta. Esta es una técnica de mantenimiento predictivo común para identificar el desgaste de los rodamientos u otros problemas con las bombas. En la actualidad, estos datos normalmente se presentan en un panel que un humano monitorea. Cuando la vibración de un motor llega a cierto punto, se programa su reemplazo o mantenimiento. Luego, un usuario podría escribir en una base de datos monitoreada por IA: "¿Tengo algún motor que se esté acercando al umbral de vibración?" En lugar de interpretar un gráfico para tomar una decisión, la IA le presenta esos datos. El siguiente paso con los agentes de IA es que la IA identifique un problema con un motor y luego programe el mantenimiento automáticamente, sin intervención humana.

Finalmente, y creo que lo que la gente más teme, es la combinación de la IA con avances robóticos avanzados. No hay duda de que el trabajo manual pronto será reemplazado por la robótica que aprovechará las capacidades avanzadas de aprendizaje de la IA. Hasta qué punto, no lo sabemos. Pero ya viene.