711 239 085 info@gilsys.com
es ca en
Fondo abstracto

Más de 20 años desarrollando software, ahora al servicio de la industria

Inteligencia artificial para empresas industriales

Las máquinas actuales generan datos accesibles desde software. Aportamos nuestra experiencia en desarrollo para conectarlas, unificar datos y crear agentes de IA, de la mano del departamento técnico de cada empresa.

Software a medida e IA para máquinas industriales

Integramos los datos de las máquinas con el mismo enfoque de programación a medida e IA que usamos en proyectos de otros sectores.

Tradicionalmente, las máquinas de una planta las han programado y mantenido la ingeniería industrial y la de automatización, con las herramientas propias del sector. Las máquinas más modernas se conectan en red y permiten acceder a sus datos mediante APIs y protocolos industriales. Aquí es donde el desarrollo de software cobra protagonismo. Se trata de integrar sistemas y unificar datos para construir aplicaciones a medida que incluso incorporen inteligencia artificial.

La combinación de nuestros más de 20 años de experiencia desarrollando software a medida junto con el departamento técnico de cada empresa (que conoce sus máquinas y sus procesos) permite llegar a soluciones de monitorización, avisos e informes automáticos de gran valor.

Fase 1 · Organización de la información

Conectar las máquinas y unificar datos

Cada máquina almacena sus datos con su propio software y en su propio formato.

Conocer qué máquina ha acumulado más paradas durante la semana, o cuántas piezas ha producido, exige consultar varias fuentes o esperar a que se elabore un informe.

Conexión a cada máquina por la vía que ofrezca

Algunas máquinas ofrecen una API; otras dejan la información en un fichero, una carpeta o una base de datos; otras la exponen a través del SCADA de la planta o mediante protocolos industriales como OPC UA o MQTT. Se estudia conjuntamente con el responsable de IT de la fábrica cómo acceder a la información.

Cómo tratar con máquinas antiguas

La conexión a una máquina antigua puede ser compleja o incluso inviable. Se deberán estudiar junto al responsable las posibilidades de integración. La recomendación es priorizar las máquinas con protocolos fácilmente accesibles desde software externo.

Un formato común para todas las máquinas

Una vez se accede a los datos, cada fabricante los representa y almacena de forma distinta. Los datos se recogen y se convierten a un formato común en una herramienta desarrollada a medida para la planta, con su propia API. La herramienta ofrece un punto de acceso común al resto de componentes. Es el mismo concepto de integración de sistemas que se realiza entre programas de gestión, aplicado a las máquinas.

Una base de datos única y estandarizada

Los datos se almacenan en una base de datos estándar como PostgreSQL, con extensiones para las lecturas de las máquinas (series temporales, como TimescaleDB), para los datos de estructura variable (JSON) y para la búsqueda por significado en manuales y procedimientos (como pgvector).

Además, permite conectar los informes propios de la planta, con herramientas de monitorización como Grafana o de business intelligence como Power BI o Metabase.

Una vez las máquinas estén conectadas y sus datos en una única plataforma, es posible desarrollar plataformas a medida que generen informes y avisos en tiempo real o crear agentes de IA a los que se puede consultar en lenguaje natural.

Fase 2 · Inteligencia artificial sobre los datos

Consultas, avisos y supervisión de la planta en tiempo real

Sobre los datos unificados se añaden la inteligencia artificial y los automatismos, a medida de cada industria.

Un agente de IA al que se pregunta en lenguaje natural

Podemos desarrollar un agente de IA con MCP (Model Context Protocol), el estándar abierto para que un modelo de lenguaje consulte datos y herramientas. El agente no conserva una copia de los datos y solicita a la API la información para preparar cada respuesta. Se pueden realizar preguntas como "¿cómo rinde cada turno?" o pedir "crea una gráfica de la producción mensual". Incluso podemos cruzar la información de las máquinas con herramientas de gestión de turnos para saber quién operaba la máquina cuando se produjo un fallo. Cada solución puede ofrecerse en herramientas propias o incluso integrarse con aplicaciones como Telegram.

Informes a petición y programados

Se abre la posibilidad de generar informes a petición o también de forma automatizada, por ejemplo con n8n, para enviar cada mañana un resumen del turno al responsable de producción.

Avisos automáticos

Los flujos automáticos, por ejemplo con n8n, gestionan los eventos. Si una máquina lleva parada más tiempo del establecido, se automatiza el envío de un mensaje de Telegram o WhatsApp al responsable de mantenimiento. Si una temperatura sale de un cierto rango, se puede activar una luz y enviar un correo a dirección.

Agentes que supervisan y deciden

Desplegamos sistemas de agentes de IA capaces de auditar los datos de las máquinas en intervalos definidos, generar avisos tempranos y ejecutar acciones automáticas. En cada proyecto evaluamos la periodicidad y complejidad de la información para aplicar la herramienta más eficiente, ya sean reglas sobre series temporales para métricas directas o IA cuando se requiere interpretar patrones complejos.

Paneles en tiempo real e indicadores como el OEE

Paneles conectados a los mismos datos, por ejemplo con Grafana, muestran el estado de cada máquina en tiempo real y pueden consultarse desde una pantalla de la planta, el ordenador o el móvil. Con los datos unificados también se pueden calcular indicadores como el OEE (eficiencia general de los equipos) y compararlos por turno, por línea o por máquina, siempre que las máquinas registren las paradas, la velocidad y las piezas defectuosas.

Permisos por usuario

Es importante, en sistemas multiusuario, que la información accesible pueda limitarse según cada usuario y su perfil. El personal de cada área debe poder disponer de diferentes límites de acceso a la información. Los datos que identifican a una persona, como quién operaba una máquina, quedan restringidos a quien deba verlos.

Ejemplo de un flujo de trabajo en planta con inteligencia artificial integrada

Cómo se gestiona una parada de máquina con los datos unificados

Planta con máquinas de varios fabricantes conectadas a la misma herramienta. Una de ellas se detiene a media mañana.

Registro de la incidencia

La máquina registra el aviso y la herramienta lo recoge como "parada".

Aviso al móvil

Tras superar diez minutos, se activa un flujo en n8n que envía un mensaje de Telegram al responsable de mantenimiento.

Estado en tiempo real

En el panel de monitorización de Grafana de la planta, la máquina muestra un indicador rojo.

Consulta en lenguaje natural

Por la tarde, el jefe de planta pregunta qué máquinas han parado hoy, durante cuánto tiempo y por qué causa. Mediante IA, se responde a partir de los datos de las diferentes máquinas integradas en el sistema, con lenguaje natural.

Datos reservados a planta

El equipo de ventas, que puede usar la misma plataforma para otros automatismos, no tiene acceso a esta información.

Un aviso, de la máquina a las personasUna planta con tres máquinas de fabricantes distintos, conectadas por API, por el SCADA y por OPC UA. Sus datos se unifican en una herramienta con su propia API, que decide quién puede ver qué. La máquina B se detiene y queda registrado en el SCADA; la herramienta lo recoge como "parada". Tras superar diez minutos, se activa un flujo en n8n que avisa por Telegram al responsable de mantenimiento. En el panel de monitorización de Grafana la máquina muestra un indicador rojo. El jefe de planta pregunta en el chat qué máquinas han parado hoy y la IA, mediante MCP, consulta la API con sus permisos y responde a partir de los datos de las máquinas. Ventas puede usar la misma plataforma para otros automatismos, pero no tiene acceso a esta información.¿Qué máquinas han parado hoy?Máquina AAPIMáquina BSCADAMáquina COPC UADatos unificadosHerramienta con APIPermisospor usuarioIAMCPChatJefe de plantan8ny agentesTelegramMantenimientoGrafanaPanel de plantaVentasOtros automatismos123451–5Los números son los pasos del ejemplo del texto.1La máquina B se detiene y queda registradoen el SCADA; la herramienta lo recoge como"parada".2Tras superar diez minutos, se activa unflujo en n8n que avisa a mantenimiento porTelegram.3En el panel de monitorización de Grafana, lamáquina muestra un indicador rojo.4El jefe de planta pregunta y la IA respondea partir de los datos de las máquinas, consus permisos.5Ventas puede usar la misma plataforma paraotros automatismos, pero no tiene acceso aesta información.
Un aviso, de la máquina a las personasUna planta con tres máquinas de fabricantes distintos, conectadas por API, por el SCADA y por OPC UA. Sus datos se unifican en una herramienta con su propia API, que decide quién puede ver qué. La máquina B se detiene y queda registrado en el SCADA; la herramienta lo recoge como "parada". Tras superar diez minutos, se activa un flujo en n8n que avisa por Telegram al responsable de mantenimiento. En el panel de monitorización de Grafana la máquina muestra un indicador rojo. El jefe de planta pregunta en el chat qué máquinas han parado hoy y la IA, mediante MCP, consulta la API con sus permisos y responde a partir de los datos de las máquinas. Ventas puede usar la misma plataforma para otros automatismos, pero no tiene acceso a esta información.¿Qué máquinas hanparado hoy?Máquina AAPIMáquina BSCADAMáquina COPC UADatos unificadosHerramienta con APIPermisospor usuarioIAMCPChatJefe de plantan8ny agentesTelegramMantenimientoGrafanaPanel de plantaVentasOtros automatismos123451–5Los números son los pasos del ejemplo del texto.1La máquina B se detiene y queda registradoen el SCADA; la herramienta lo recoge como"parada".2Tras superar diez minutos, se activa unflujo en n8n que avisa a mantenimiento porTelegram.3En el panel de monitorización de Grafana, lamáquina muestra un indicador rojo.4El jefe de planta pregunta y la IA respondea partir de los datos de las máquinas, consus permisos.5Ventas puede usar la misma plataforma paraotros automatismos, pero no tiene acceso aesta información.
Recorrido de un aviso de principio a fin. La máquina se detiene, n8n avisa, Grafana muestra un indicador rojo, la IA responde según los permisos y ventas no tiene acceso.

Trabajamos de la mano con el equipo técnico

Quién aporta qué en un proyecto de IA en planta

La planta

El equipo de IT, el responsable de producción y el fabricante o el integrador de cada máquina conocen sus equipos, su red y sus procesos. Deciden qué se conecta, cómo y dónde se instala la herramienta.

Gilsys

Desarrollamos software a medida, con integración de sistemas, APIs, bases de datos e inteligencia artificial. Creamos una plataforma que unifica los datos y los ofrece por API. Sobre ella se construye, a medida, lo que necesita cada planta, como paneles en tiempo real, avisos, informes automáticos o un agente de IA.

Con el equipo de IT de la fábrica

La conexión de las máquinas con la IA depende en gran medida de APIs, bases de datos y software. Por ello, el proyecto se plantea en colaboración directa con el equipo de IT de la fábrica.

Como desarrolladores de software, no vendemos un paquete cerrado

Qué tenemos preparado y qué depende de cada industria

Se programan plataformas y automatismos a medida para cada industria.

Desarrollado y probado en nuestro entorno

Herramienta central con API, IA con MCP, automatismos con n8n, agentes, paneles y permisos. Estos componentes están desarrollados y probados en nuestro entorno, con datos de prueba. En cada industria se deberá estudiar cómo conectar cada máquina, qué componentes integrar en la herramienta final y con qué finalidad.

Cada fábrica tiene sus máquinas y sus datos, cada proyecto es distinto

Nuestro trabajo inicial será, de forma conjunta con el área tecnológica de la empresa, investigar cómo obtener los datos de cada máquina y cómo y en qué orden integrarlos en la plataforma que se desarrolle.

Fase 3 · Avisos preventivos

Mantenimiento predictivo con los datos de cada máquina

Los algoritmos de detección de anomalías son de código abierto. Su integración en una herramienta dependerá del histórico de datos de cada máquina.

Detección de anomalías

Con el histórico de temperaturas, vibraciones, consumos y paradas, los algoritmos aprenden cómo funciona cada máquina y avisan cuando empieza a comportarse de forma distinta a la habitual, antes de que se detenga.

Predicción de averías

Predecir una avería concreta requiere un histórico con averías anteriores bien documentadas. Se requiere empezar detectando anomalías y la predicción se añade cuando ese histórico existe.

Integración progresiva

Es conveniente realizar una prueba en una línea o en una máquina concreta, midiendo aciertos y falsas alarmas. Con esas cifras se decide si compensa ampliar al resto de la planta.

Resultados en la misma plataforma

Las anomalías se registran en la misma plataforma que el resto de datos de las máquinas, generan flujos de aviso, se muestran en paneles y se pueden consultar en lenguaje natural interactuando con IA.

Fase 4 · En estudio

Visión artificial para el control de calidad

Desde Gilsys abrimos una línea de investigación para permitir integrar la visión artificial en las herramientas desarrolladas a medida.

Una prueba con fotos de piezas reales

Un modelo de detección de código abierto recomienda si cada pieza es correcta o defectuosa y se compara con la inspección humana, sin intervenir en la línea. Para los defectos poco frecuentes se puede entrenar solo con piezas correctas.

Lo que aporta la planta

La cámara, la iluminación y la señal de la línea las aporta la planta o su integrador. Se estudia si las imágenes pueden procesarse en la propia planta.

Resultados en la plataforma y en el MES

Cada resultado (pieza correcta o defectuosa, hora y línea) entra en la plataforma de datos, aparece en los paneles, genera avisos y puede consultarse en lenguaje natural. Si la planta dispone de un MES, se envía también la información mediante OPC UA, MQTT o API REST.

Herramientas para digitalizar una empresa industrial

Además de los datos de las máquinas, una planta industrial comparte necesidades de digitalización con cualquier otra empresa.

Gestión documental

Los planos, las fichas técnicas y los certificados de calidad pueden ordenarse en un gestor documental en servidores propios, con permisos por función y búsqueda por contenido.

Catálogos de productos con Pimcore

Un PIM como Pimcore clasifica grandes catálogos de productos junto con sus recursos digitales (imágenes, fichas técnicas o manuales). Además, los sincroniza con tiendas online, marketplaces, el ERP y otras plataformas externas.

Webs corporativas de alto rendimiento

Una web corporativa de alto rendimiento puede mostrar los productos con la información del PIM sin duplicarla, a la vez que mejora el posicionamiento de la empresa en los buscadores (SEO) y en los asistentes de IA (GEO).

Automatización con IA

Los pedidos, los albaranes y las facturas de proveedores pueden interpretarse mediante automatizaciones con IA y registrarse en el ERP, con revisión de una persona cuando la IA no tiene certeza.

IA privada

Cuando los planos, procesos o documentos no deben salir de la empresa o se debe trabajar offline, una IA privada puede funcionar en servidores propios con modelos de código abierto.

Software a medida con IA

Un software a medida con IA puede buscar en un catálogo técnico por lo que se describe y no por la referencia exacta, o ofrecer un chatbot con ese catálogo al equipo comercial.

Herramientas de cálculo a medida

Los cálculos técnicos de la empresa pueden integrarse en una aplicación web a medida que aplica algoritmos matemáticos avanzados y genera gráficas comparativas de rendimiento.

Gobierno del dato

Antes de un proyecto de IA conviene una auditoría de la calidad de los datos del ERP, que revise duplicados, valores inválidos y estructura.

Consultoría en IA

Una consultoría en IA da a la dirección un diagnóstico de dónde puede aportar la IA y una hoja de ruta por fases.

Aunque cada empresa es distinta, el flujo de trabajo es similar

Cómo organizamos un proyecto de IA en planta

Para plantas de Catalunya, la revisión de las máquinas se hace en la propia empresa. Para otras zonas, se consulta el alcance y disponibilidad.

Revisión de las máquinas

Qué datos da cada máquina y cómo se debería acceder a ellos, consultándolo con su proveedor.

Elección del primer caso

Una o dos máquinas y una necesidad concreta, como un aviso, un panel o las consultas en lenguaje natural.

Conexión y unificación de datos

Desarrollamos la conexión con las máquinas y la herramienta que unifica sus datos, con su API.

IA, automatismos y paneles

Añadimos la capa de IA, los flujos automáticos, los agentes y los paneles, con los permisos de cada usuario.

Ampliación y ajustes

Sumamos máquinas y automatismos y ajustamos lo que haga falta a medida que se usa.

Preguntas frecuentes sobre IA en la industria

¿Hay que cambiar las máquinas?

La conexión se realiza con lo que cada máquina ya permite, como una API, el SCADA, OPC UA, MQTT o los ficheros que genera. Solo una máquina antigua sin ninguna conexión puede necesitar una pasarela o un sensor.

¿Los datos de la planta salen de la empresa?

No necesariamente. La herramienta y la IA pueden funcionar en servidores privados, con modelos de código abierto, como en una IA privada. Aun así, al tratarse de datos técnicos, normalmente no supone un problema trabajar con modelos de IA comerciales.

¿Es seguro conectar la red de la planta?

Tal como se plantea, la conexión con las máquinas es de solo lectura, es decir, se leen sus datos y no se les envía ninguna orden. La herramienta se instala donde decida el responsable de la red de planta y se coordina con el fabricante o el integrador cuando el acceso pasa por ellos.

¿Se conecta con el ERP de la planta?

Es posible estudiar la integración de los datos de las máquinas con los pedidos y las órdenes de fabricación del ERP, por su API o por su base de datos, como en cualquier integración de sistemas. Así se reporta, por ejemplo, qué pedido se estaba fabricando cuando una máquina se paró.

¿Cuánto cuesta un proyecto de IA en planta?

Depende sobre todo de cuántas máquinas hay que conectar y de cómo se conecta cada una. Se puede ofrecer un presupuesto estimado gratuito y sin compromiso.
Fondo abstracto

Los datos de toda la planta, en un único sistema

Basta con indicar qué máquinas hay en la planta y qué se desea conocer o automatizar. Se revisa qué datos proporcionan y se propone un primer caso.