Mostrando entradas con la etiqueta Miguel Ángel Álvarez Moralejo. Mostrar todas las entradas
Mostrando entradas con la etiqueta Miguel Ángel Álvarez Moralejo. Mostrar todas las entradas

sábado, 21 de diciembre de 2024

¿Es la virtualización más ecológica que el trabajo de laboratorio para los chips?

 Lam Research, uno de los principales fabricantes de equipos para la producción de semiconductores, realizó un análisis interno de sus operaciones de investigación y desarrollo (I+D) para evaluar el impacto ambiental de las simulaciones por computadora en comparación con los experimentos físicos. A pesar de que las herramientas de inteligencia artificial (IA) y virtualización requieren energía, los resultados mostraron que pueden reducir las emisiones de carbono entre un 20 % y un 80 %, dependiendo de la investigación realizada.

La empresa se comprometió en 2021 a operar con electricidad 100 % renovable para 2030 y alcanzar emisiones netas cero para 2050. David Fried, vicepresidente corporativo de Semiverse Solutions en Lam Research, explicó que para cumplir con este objetivo, era crucial medir la huella de carbono de las actividades de I+D y realizar cambios significativos en los procesos. 

Sustitución de Pruebas Físicas por Simulaciones Virtuales

En su estudio, Lam Research analizó las emisiones de carbono asociadas con el desarrollo de equipos y procesos para la fabricación de semiconductores a escala nanométrica. Este proceso es altamente complejo y requiere materiales, químicos, gases y energía en grandes cantidades. Para reducir el impacto ambiental, el equipo de I+D comparó los experimentos físicos con simulaciones utilizando IA y virtualización.

El estudio, publicado en IEEE Transactions on Semiconductor Manufacturing, reveló que las simulaciones no sólo produjeron resultados similares a los de los experimentos físicos, sino que también resultaron en una significativa reducción de emisiones. En muchos casos, las simulaciones redujeron las emisiones de carbono en un 20 %, pero algunas de ellas, la reducción fue de hasta un 80 %.

Además de la disminución de las emisiones, las simulaciones ayudaron a conservar recursos como el agua y los productos químicos utilizados en la fabricación de semiconductores. También se observó una reducción de costes, ahorro de tiempo y mayor colaboración entre equipos, lo que demuestra unos beneficios no sólo en términos de sostenibilidad, sino también de optimización de procesos.

Fried destacó que los resultados sugieren que las simulaciones serán clave para transformar la fabricación de semiconductores y reducir su huella ambiental. En comparación, la producción de una oblea de semiconductores tiene una huella de carbono de alrededor de 1,500 kilogramos de CO2 a lo largo de su ciclo de vida, mientras que las simulaciones necesitan 27,000 horas de cálculos en una computadora de alto rendimiento para generar la misma cantidad de emisiones.


Fuente: https://spectrum.ieee.org/semiconductor-manufacturing

lunes, 2 de diciembre de 2024

Manufactura avanzada en la era de la inteligencia artificial: ¿qué relevancia tienen los datos para esta industria?

 La integración de la inteligencia artificial (IA) generativa en la manufactura avanzada está provocando un cambio radical en cómo las empresas diseñan, producen y personalizan productos. A través de esta tecnología, se están abriendo nuevas posibilidades que mejoran la eficiencia y la competitividad en el mercado.

La industria manufacturera se encuentra en medio de una transformación provocada por la Cuarta Revolución Industrial, la cual es impulsada por tecnologías como la IA, el internet de las cosas (IoT), la robótica avanzada y la impresión 3D. La IA generativa, a diferencia de la IA tradicional que solo analiza datos, tiene la capacidad de crear nuevos contenidos, como diseños, textos y modelos, lo que representa un cambio significativo en la fabricación avanzada.

Aplicaciones de la IA Generativa en Manufactura Avanzada
Las aplicaciones de la IA generativa en manufactura son vastas y diversas. Algunos de los usos clave incluyen:

  1. Optimización de la Producción: Mediante el análisis de grandes volúmenes de datos, la IA identifica cuellos de botella y mejora la eficiencia operativa.
  2. Mantenimiento Preventivo: Detecta patrones en los datos que indican fallos inminentes en equipos, lo que permite anticipar y prevenir paradas no planificadas.
  3. Personalización de Productos: La IA estudia las preferencias del cliente y crea productos adaptados a sus necesidades específicas.
  4. Desarrollo de Nuevos Materiales: Analiza millones de combinaciones de moléculas para encontrar materiales con propiedades particulares que optimicen el rendimiento de los productos.

Ventajas de la IA Generativa en el Diseño y la Personalización

Uno de los principales beneficios de la IA generativa en manufactura avanzada es su capacidad para facilitar un diseño más innovador. Al explorar un mayor número de soluciones de diseño, esta tecnología permite la creación de productos con elementos tanto funcionales como creativos, ajustándose a los requisitos técnicos y las necesidades del cliente. Esta innovación no solo mejora la calidad del producto, sino que también la satisfacción del cliente

La IA generativa también facilita la optimización de los procesos de fabricación al permitir una rápida iteración del diseño y el desarrollo de productos. Los algoritmos analizan el rendimiento de las máquinas y los procesos, identificando patrones que ayudan a mejorar la producción. Esto no solo aumenta la eficiencia, sino que también reduce el desperdicio de materiales y los tiempos de ciclo, impactando positivamente en la rentabilidad de las empresas.

La capacidad de generar una amplia variedad de opciones de diseño en corto tiempo permite a las empresas responder rápidamente a los cambios en la demanda del mercado. Esta agilidad en el diseño y la producción es esencial para mantener la competitividad en sectores donde la velocidad de adaptación es esencial.

Desafíos y Oportunidades de la IA Generativa

A pesar del gran potencial de la IA generativa, existen desafíos que deben ser superados:

  1. Acceso a Datos: Las empresas deben recolectar y organizar grandes volúmenes de datos para que la IA pueda generar resultados útiles.
  2. Talento Especializado: Se requiere contar con profesionales especializados en IA y análisis de datos para implementar esta tecnología de manera efectiva.
  3. Seguridad y Ética: Es fundamental garantizar el uso responsable de la IA, protegiendo la privacidad de los datos y evitando sesgos en los resultados.

Superados estos obstáculos, las empresas que implementen la IA generativa estarán mejor posicionadas para competir en un mercado global cada vez más demandante de soluciones innovadoras y personalizadas.


Fuente: https://www.ey.com/es_mx/insights/advanced-manufacturing/manufactura-avanzada-era-inteligencia-artificial

jueves, 14 de noviembre de 2024

Microsoft anuncia nuevas innovaciones de IA industrial desde la nube hasta la planta de producción

Microsoft ha anunciado nuevas soluciones de inteligencia artificial (IA) y datos para el sector de fabricación con el objetivo de promover la innovación, optimizar las operaciones y mejorar la productividad de los empleados. Estas herramientas están diseñadas para enfrentar los desafíos que la industria enfrenta hoy en día, así como la escasez de mano de obra, la falta de visibilidad en las cadenas de suministro, y la necesidad de mejorar las habilidades de los trabajadores.

A través de la plataforma Microsoft Fabric y Copilot para operaciones de fábrica en Azure AI, Microsoft está ayudando a los fabricantes a unificar los datos de tecnología operativa (OT) e información (IT). Estas soluciones permiten a los empleados de primera línea, como por ejemplo los gerentes de planta, acceder rápidamente a información valiosa para resolver problemas operativos y mejorar la eficiencia.

Un ejemplo destacado es el uso de estas herramientas por Intertape Polymer Group (IPG) y Bridgestone, que están implementando plataformas impulsadas por IA para mejorar la calidad de producción, reducir inventarios y aumentar la visibilidad global de sus operaciones.




Microsoft también presentó su “enfoque de nube adaptable” con Azure IoT Operations, lo que facilita la integración de datos a gran escala en diversas operaciones, ayudando a los fabricantes a superar las barreras tecnológicas y mejorar la colaboración entre diferentes sistemas. La empresa Electrolux por ejemplo, está adoptando esta solución para reducir la sobrecarga de sus múltiples proveedores.

Además, para solucionar la interrupción en las cadenas de suministro, Microsoft está introduciendo una función de rastreabilidad en Dynamics 365 Supply Chain Management, que permite a las empresas seguir el recorrido de sus productos a lo largo de la cadena de suministro

Finalmente, la compañía busca ayudar a los trabajadores de primera línea mediante herramientas como Copilot en Dynamics 365 Field Service, que facilita la resolución de problemas y la búsqueda eficiente de información por parte de los técnicos y/o gerentes.


Fuente: https://blogs.microsoft.com/blog/2024/04/17/manufacturing-for-tomorrow-microsoft-announces-new-industrial-ai-innovations-from-the-cloud-to-the-factory-floor/