Para plantas con máquinas y programas de distintos fabricantes
Automatizaciones y software con IA para el sector industrial
Conectamos máquinas, unificamos sus datos y desarrollamos software que automatiza y monitoriza procesos industriales, responde en lenguaje natural y genera avisos.
Los datos de la planta están repartidos y son difíciles de consultar
Aplicamos a los datos de las máquinas la misma programación a medida con inteligencia artificial que hacemos para otras empresas.
En muchas plantas, cada máquina tiene su propia pantalla, su propio programa y su propia manera de guardar los datos. Para saber qué ha ocurrido en un turno hay que revisar máquina por máquina o esperar a que alguien prepare un informe.
En Gilsys, la integración de la inteligencia artificial en planta empieza por ese problema: conectamos las máquinas, unificamos sus datos en una única plataforma y desarrollamos un sistema de IA que responde preguntas y avisa cuando se produce una incidencia.
El primer objetivo es organizar la información
Conectar las máquinas y unificar sus datos
Cada máquina, por la vía de conexión que permite
Algunas tienen una API; otras dejan la información en un fichero, una carpeta o una base de datos; otras pasan por el SCADA de la planta o usan OPC UA. Estudiamos de forma conjunta con el responsable de IT de la fábrica cómo nos conectamos a cada máquina.
El paso que más depende de cada planta
Una máquina antigua sin conexión puede necesitar una pasarela o algún sensor IoT, y el acceso a los PLC a veces pasa por el fabricante o por el integrador que la instaló.
Un formato común para todas las máquinas
Una máquina marca una parada con un código y otra con un texto; una da la temperatura cada segundo y otra cada minuto. Recogemos los datos de todas y los convertimos a un mismo formato, en una herramienta que desarrollamos para la planta, con su propia API. Es el punto de acceso para el resto de componentes y el que controla los permisos de cada usuario: el mismo trabajo de integración de sistemas que hacemos entre programas de gestión, aplicado a las máquinas.
Preguntar, recibir avisos y ver la planta en tiempo real
Sobre los datos unificados se añaden la inteligencia artificial y los automatismos, a medida de cada industria.
Consultas en lenguaje natural
Sobre los datos unificados desarrollamos una capa de IA con MCP (Model Context Protocol), el estándar abierto para que un modelo de lenguaje consulte datos y herramientas. La IA no guarda una copia de los datos: solicita a la API lo que necesita para cada respuesta. Se le puede preguntar, por ejemplo, qué máquina ha parado más esta semana y por qué, o cuántas piezas ha hecho hoy la línea 2.
Avisos automáticos
Los flujos automáticos, por ejemplo con n8n, envían los avisos: si una máquina lleva más de diez minutos parada, un mensaje de Telegram o WhatsApp al responsable de mantenimiento; si una temperatura sale de rango, un correo al jefe de turno.
Agentes de IA
Por encima de los flujos, unos agentes de IA revisan los datos y eligen qué aviso o qué flujo lanzar. Como los datos llegan cada pocos segundos, para saber si un valor es normal o si una parada merece un aviso se puede usar una IA de decisión, como Jev, que responde mucho más rápido que un modelo de lenguaje.
Paneles en tiempo real
Paneles conectados a los mismos datos, por ejemplo con Grafana, muestran el estado de cada máquina en tiempo real: en una pantalla de la planta, en el ordenador o en el móvil.
Indicadores como el OEE
Con los datos unificados también se pueden calcular indicadores como el OEE (eficiencia general de los equipos), siempre que las máquinas registren las paradas, la velocidad y las piezas defectuosas, y compararlos por turno, por línea o por semana.
Permisos por usuario
Todo funciona dentro de una misma plataforma. Una persona de ventas puede tener sus propios automatismos, pero no ve ni modifica los de planta; y en planta, cada persona ve lo que le corresponde.
Ejemplo de un flujo de trabajo en planta con inteligencia artificial integrada
Cómo se gestiona una parada de máquina con los datos unificados
Una planta con máquinas de varios fabricantes, todas conectadas a la misma herramienta. Una de ellas se para a media mañana.
Registro de la incidencia
La máquina registra el aviso y la herramienta lo recoge como "parada".
Aviso al móvil
Como la parada supera los diez minutos, n8n envía un mensaje de Telegram al responsable de mantenimiento.
Estado en tiempo real
En el panel de Grafana de la planta, la máquina aparece en rojo.
Consulta en lenguaje natural
Por la tarde, el jefe de planta pregunta: "¿Qué máquinas han parado hoy, cuánto tiempo y por qué?". La IA responde con los datos de todas las máquinas a la vez.
Datos reservados a planta
El equipo de ventas, que usa la misma plataforma para sus automatismos, no tiene acceso a esta información.
Somos desarrolladores de software: no vendemos un paquete cerrado
Qué tenemos preparado y qué depende de cada industria
Se programan los automatismos a medida para cada industria.
Desarrollado y probado en nuestro entorno
La herramienta con su API, la IA con MCP, los automatismos con n8n, los agentes, los paneles y los permisos están desarrollados y probados en nuestro entorno, con datos de prueba. Lo que cambia en cada planta es el primer paso: cómo se conecta cada máquina.
Cada fábrica tiene sus máquinas y sus datos, y cada proyecto es distinto
Nuestro trabajo inicial será investigar cómo obtener los datos de cada máquina y cómo integrarlos en la plataforma.
Mantenimiento predictivo con los datos de las máquinas
Los algoritmos de detección de anomalías son de código abierto. Que funcionen en una planta depende 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, sin esperar a que se pare.
Predicción de averías
Predecir una avería concreta requiere un histórico con averías anteriores bien documentadas. Por eso se empieza detectando anomalías, y la predicción se añade cuando ese histórico existe.
Primero, una prueba con datos reales
La prueba se hace en una línea o en una máquina, midiendo los aciertos y las falsas alarmas. Con esas cifras se decide si compensa ampliarla al resto de la planta.
Resultados en la misma plataforma
Las anomalías entran en la misma plataforma que el resto de datos de las máquinas: generan avisos, aparecen en los paneles y se pueden consultar en lenguaje natural.
Aunque cada empresa es distinta, el flujo de trabajo es similar
Cómo organizamos un proyecto de IA en planta
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: un aviso, un panel o las preguntas 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
¿Los datos de la planta salen de la empresa?
¿Es seguro conectar la red de la planta?
¿Se pueden cruzar los datos de planta con los pedidos del ERP?
¿Cuánto cuesta un proyecto de IA en planta?
Los datos de toda la planta, en un único sistema
Cuéntanos qué máquinas hay en la planta y qué se quiere saber o automatizar. Revisamos qué datos dan y proponemos el primer caso.