Entrevista con Alban Dersy: IA en la industria automotriz

Introducción

• Invitado: Alban Dersy, cofundadora y CEO de Inbolt.
• Empresa: Empresa francesa dedicada a usar IA en la industria automotriz.

Evolución del papel de la IA en la industria automotriz

• Cambio notable: Hace cinco años, los clientes no querían IA en sus líneas de producción; hoy la promueven.
• Beneficios actuales: Más flexibilidad e inteligencia para los robots y acceso más fácil a la programación.
• Objetivo final: Reducción de costos en la automatización.

Flexibilidad y eficiencia mediante la IA

• Dos áreas clave: Durante la programación y en el tiempo real (runtime).
• Visión por computadora: Uso de sensores de visión, cámaras 2D y 3D para analizar datos y mejorar la flexibilidad.
• Ambientes no estructurados: Ambientes diseñados para personas, no para máquinas repetitivas.
• Automatización de líneas de ensamble móviles: Crucial para aumentar la productividad sin construir nuevas fábricas.

Diferencia entre ambientes estructurados y no estructurados

• Ambientes estructurados: Entornos donde los robots trabajan con precisión gracias a herramientas personalizadas y sistemas de fijación.
• Ambientes no estructurados: Entornos donde los objetos no están en posiciones fijas, similar a cómo operan los humanos.
• Líneas de ensamble móviles: Ejemplo de un ambiente no estructurado, difícil de automatizar sin IA.

Ejemplo de aplicación de la tecnología de Inbolt

• Producto Guide Now: Combina hardware y software con cámara 3D y software potenciado por IA para realinear trayectorias de robots en tiempo real.
• Automatización de líneas de ensamble móviles: Ejemplo de éxito en líneas de ensamble de motores.

Importancia de los robots colaborativos

• Entornos manuales: Líneas de producción finales son mayormente manuales; los cobots permiten trabajar cerca de humanos con seguridad.

Fiabilidad de la IA en la industria automotriz

• Enfoque híbrido: Programación automática con IA y enfoque determinista durante la ejecución (runtime).
• Mapas de confiabilidad (heat maps): Garantizan la detección de piezas con 100% de confiabilidad en ciertas condiciones.

Futuro de la IA y la robótica

• Dataset emergentes: Importancia de los conjuntos de datos para el entrenamiento de IA en robótica, ej. Covariant.
• Accesibilidad: Modelos fundacionales como los de Nvidia están haciendo la IA más accesible.

Preparación para la IA y la robótica en la industria

• Datos existentes: Las industrias ya tienen datos valiosos (modelos 3D) que pueden ser usados para entrenar algoritmos y mejorar procesos.

Experiencia personal de Alban como líder

• Diversidad: Incremento en el número de mujeres liderando fábricas y equipos.
• Representación interna: Búsqueda activa de mujeres para entrevistas y roles dentro de la empresa.
• Visibilidad: Importancia de reconocer y promover a mujeres en tecnología.
• Educación STEM: Promover la educación en ciencia y tecnología para niñas.

Consejos para mujeres jóvenes interesadas en IA y robótica

• Preguntar: La importancia de hacer preguntas para ganar conocimiento y expertise.
• Enfocarse en el cliente: Comenzar por entender las necesidades del cliente y desarrollar productos a partir de allí.

Conclusión

• Impacto positivo: Aplicación práctica de IA en la manufactura automotriz y la creciente inclusión y representación de mujeres en el sector.