Per a plantes amb màquines i programes de fabricants diferents
Automatitzacions i software amb IA per al sector industrial
Connectem màquines, n'unifiquem les dades i desenvolupem software que automatitza i monitoritza processos industrials, respon en llenguatge natural i genera avisos.
Les dades de la planta estan repartides i són difícils de consultar
Apliquem a les dades de les màquines la mateixa programació a mida amb intel·ligència artificial que fem per a altres empreses.
En moltes plantes, cada màquina té la seva pròpia pantalla, el seu propi programa i la seva pròpia manera de guardar les dades. Per saber què ha passat en un torn, cal revisar màquina per màquina o esperar que algú prepari un informe.
A Gilsys, la integració de la intel·ligència artificial en planta comença per aquest problema: connectem les màquines, n'unifiquem les dades en una única plataforma i desenvolupem un sistema d'IA que respon preguntes i avisa quan es produeix una incidència.
El primer objectiu és organitzar la informació
Connectar les màquines i unificar-ne les dades
Cada màquina, per la via de connexió que permet
Algunes tenen una API; d'altres deixen la informació en un fitxer, una carpeta o una base de dades; d'altres passen per l'SCADA de la planta o fan servir OPC UA. Estudiem conjuntament amb el responsable informàtic de la fàbrica com ens connectem a cada màquina.
El pas que més depèn de cada planta
Una màquina antiga sense connexió pot necessitar una passarel·la o algun sensor IoT, i l'accés als PLC de vegades passa pel fabricant o per l'integrador que la va instal·lar.
Un format comú per a totes les màquines
Una màquina marca una aturada amb un codi i una altra amb un text; una dona la temperatura cada segon i una altra cada minut. Recollim les dades de totes i les convertim a un mateix format, en una eina que desenvolupem per a la planta, amb una API pròpia. És el punt d'accés per a la resta de components i el que controla els permisos de cada usuari: la mateixa feina d'integració de sistemes que fem entre programes de gestió, aplicada a les màquines.
Preguntar, rebre avisos i veure la planta en temps real
Sobre les dades unificades s'afegeixen la intel·ligència artificial i els automatismes, a mida de cada indústria.
Consultes en llenguatge natural
Sobre les dades unificades desenvolupem una capa d'IA amb MCP (Model Context Protocol), l'estàndard obert perquè un model de llenguatge consulti dades i eines. La IA no guarda cap còpia de les dades: demana a l'API el que necessita per a cada resposta. Se li pot preguntar, per exemple, quina màquina s'ha aturat més aquesta setmana i per què, o quantes peces ha fet avui la línia 2.
Avisos automàtics
Els fluxos automàtics, per exemple amb n8n, envien els avisos: si una màquina fa més de deu minuts que està aturada, un missatge de Telegram o WhatsApp al responsable de manteniment; si una temperatura surt dels límits, un correu al cap de torn.
Agents d'IA
Per sobre dels fluxos, uns agents d'IA revisen les dades i trien quin avís o quin flux cal llançar. Com que les dades arriben cada pocs segons, per saber si un valor és normal o si una aturada mereix un avís es pot fer servir una IA de decisió, com Jev, que respon molt més de pressa que un model de llenguatge.
Panells en temps real
Panells connectats a les mateixes dades, per exemple amb Grafana, mostren l'estat de cada màquina en temps real: en una pantalla de la planta, a l'ordinador o al mòbil.
Indicadors com l'OEE
Amb les dades unificades també es poden calcular indicadors com l'OEE (eficiència general dels equips), sempre que les màquines registrin les aturades, la velocitat i les peces defectuoses, i comparar-los per torn, per línia o per setmana.
Permisos per usuari
Tot funciona dins d'una mateixa plataforma. Una persona de vendes pot tenir els seus propis automatismes, però no veu ni modifica els de planta; i, a la planta, cada persona veu el que li correspon.
Exemple d'un flux de treball en planta amb intel·ligència artificial integrada
Com es gestiona una aturada de màquina amb les dades unificades
Una planta amb màquines de diversos fabricants, totes connectades a la mateixa eina. Una d'elles s'atura a mig matí.
Registre de la incidència
La màquina registra l'avís i l'eina el recull com a "aturada".
Avís al mòbil
Com que l'aturada supera els deu minuts, n8n envia un missatge de Telegram al responsable de manteniment.
Estat en temps real
Al panell de Grafana de la planta, la màquina apareix en vermell.
Consulta en llenguatge natural
A la tarda, el cap de planta pregunta: "Quines màquines s'han aturat avui, quant de temps i per què?". La IA respon amb les dades de totes les màquines alhora.
Dades reservades a l'equip de planta
L'equip de vendes, que fa servir la mateixa plataforma per als seus automatismes, no té accés a aquesta informació.
Som desenvolupadors de software: no venem un paquet tancat
Què tenim preparat i què depèn de cada indústria
Els automatismes es programen a mida per a cada indústria.
Desenvolupat i provat al nostre entorn
L'eina amb la seva API, la IA amb MCP, els automatismes amb n8n, els agents, els panells i els permisos estan desenvolupats i provats al nostre entorn, amb dades de prova. El que canvia en cada planta és el primer pas: com es connecta cada màquina.
Cada fàbrica té les seves màquines i les seves dades, i cada projecte és diferent
La nostra feina inicial serà investigar com obtenir les dades de cada màquina i com integrar-les a la plataforma.
Manteniment predictiu amb les dades de les màquines
Els algoritmes de detecció d'anomalies són de codi obert. Que funcionin en una planta depèn de l'històric de dades de cada màquina.
Detecció d'anomalies
Amb l'històric de temperatures, vibracions, consums i aturades, els algoritmes aprenen com funciona cada màquina i avisen quan comença a comportar-se de manera diferent de l'habitual, sense esperar que s'aturi.
Predicció d'avaries
Predir una avaria concreta requereix un històric amb avaries anteriors ben documentades. Per això es comença per detectar anomalies, i la predicció s'afegeix quan ja es disposa d'aquest històric.
Primer, una prova amb dades reals
La prova es fa en una línia o en una màquina, mesurant els encerts i les falses alarmes. Amb aquestes xifres es decideix si compensa ampliar-la a la resta de la planta.
Resultats a la mateixa plataforma
Les anomalies entren a la mateixa plataforma que la resta de dades de les màquines: generen avisos, apareixen als panells i es poden consultar en llenguatge natural.
Tot i que cada empresa és diferent, el flux de treball és similar
Com organitzem un projecte d'IA en planta
Revisió de les màquines
Quines dades dona cada màquina i com s'hi hauria d'accedir, consultant-ho amb el seu proveïdor.
Elecció del primer cas
Una o dues màquines i una necessitat concreta: un avís, un panell o les preguntes en llenguatge natural.
Connexió i unificació de dades
Desenvolupem la connexió amb les màquines i l'eina que n'unifica les dades, amb la seva API.
IA, automatismes i panells
Afegim la capa d'IA, els fluxos automàtics, els agents i els panells, amb els permisos de cada usuari.
Ampliació i ajustos
Hi afegim màquines i automatismes, i ajustem el que calgui a mesura que es fa servir.
Preguntes freqüents sobre IA a la indústria
Les dades de la planta surten de l'empresa?
És segur connectar la xarxa de la planta?
Es poden creuar les dades de planta amb les comandes de l'ERP?
Quant costa un projecte d'IA en planta?
Les dades de tota la planta, en un únic sistema
Explica'ns quines màquines hi ha a la planta i què es vol saber o automatitzar. Revisem quines dades donen i proposem el primer cas.