Agents d\'IA en Industria: 5 casos d\'us que ja redueixen costos en fabricacio

Quan parlo d'agents d'IA en fabricacio no em refereixo a dashboards bonics ni a chatbots de suport tecnic. Parlo de sistemes autonoms que reben dades de sensors, ERPs i sistemes SCADA, les processen, prenen decisions intermedies i executen accions sense necessitar intervencio humana a cada pas. Son programes que actuen, no que informen.

La diferencia amb l'automatitzacio industrial classica (PLCs, SCADA, RPA) es que els agents gestionen variabilitat. Una regla d'automatitzacio tradicional diu "si la temperatura supera 80 graus, para la maquina". Un agent d'IA analitza patrons de temperatura, vibracio, consum electric i historic de fallades per predir que aquella maquina fallara en 72 hores i programa el manteniment abans que passi. La diferencia en cost entre una aturada planificada i una no planificada es brutal.

Per que la industria necessita agents IA

El sector manufacturer te tres caracteristiques que el converteixen en terreny ideal per a agents d'IA:

• Volum massiu de dades sensorials. Una planta mitjana genera entre 1 i 2 TB de dades al dia des de sensors IoT, PLCs, sistemes de visio, ERPs i SCADA. La majoria d'aquestes dades s'emmagatzemen i no s'exploten. Els agents d'IA poden processar aquests fluxos en temps real i convertir-los en decisions operatives.
• Cost altissim de les aturades no planificades. Segons dades de Senseye (Siemens), el cost mitja d'una hora d'aturada no planificada en fabricacio es de 260.000 dolars en automotive i de 532.000 dolars en oil & gas. Cada minut d'anticipacio te un valor economic directe.
• Processos repetitius amb variacions critiques. La fabricacio implica milers de cicles identics on les desviacions de mil·limetres o graus determinen si una peca es valida o defectuosa. Els agents d'IA detecten aquestes microdesviacions millor i mes rapid que qualsevol inspeccio humana.

1. Manteniment predictiu

El manteniment industrial ha evolucionat en tres fases: correctiu (reparo quan es trenca), preventiu (reviso cada X hores segons manual) i predictiu (reparo quan les dades em diuen que fallara). Els agents d'IA porten el manteniment predictiu a un altre nivell perque no nomes prediuen, sino que actuen.

Un agent de manteniment predictiu funciona aixi:

• Recopila dades continues de sensors de vibracio, temperatura, pressio, consum electric, acustics i de desgast. No mostra: monitoritza 24/7.
• Detecta patrons anomals comparant dades en temps real amb models entrenats sobre l'historic de cada maquina especifica. No aplica regles generiques: apren el comportament normal de cada equip individual.
• Prediu fallades amb finestra temporal. No nomes diu "aquesta maquina fallara", sino "aquesta maquina te un 87% de probabilitat de fallada en el rodament de l'eix B en les properes 72-96 hores".
• Programa la intervencio. Creua la prediccio amb el calendari de produccio, la disponibilitat de recanvis en magatzem i l'agenda de l'equip de manteniment. Genera l'ordre de treball automaticament.
• Gestiona recanvis. Si el recanvi necessari no esta en estoc, llanca la comanda de compra al proveidor amb la urgencia adequada segons la finestra de fallada predita.

El resultat no es nomes evitar aturades. Es passar d'un model de manteniment basat en calendari (canvio peces cada 1.000 hores encara que estiguin be) a un basat en estat real. Aixo significa que les peces es canvien quan realment ho necessiten, ni abans ni despres. L'estalvi en recanvis i ma d'obra es directe.

2. Control de qualitat visual automatitzat

La inspeccio de qualitat visual es una de les tasques mes tedioses i propenses a error en fabricacio. Un operari inspeccionant peces durant 8 hores pateix fatiga visual, perd concentracio i aplica criteris que varien amb el cansament. Es huma. I es un problema quan fabriques 10.000 peces al dia.

Els agents d'IA amb visio artificial canvien l'equacio:

• Inspeccio al 100%. No mostren: inspeccionen cada peca individual a velocitat de linia. Cameres d'alta resolucio capturen imatges des de multiples angles i l'agent les analitza en mil·lisegons.
• Deteccio multidefecte. Esquerdes, deformacions, variacions de color, rebaves, contaminacio superficial, errors d'assemblatge. Un sol sistema detecta tots els tipus de defecte rellevants per a cada producte.
• Classificacio i tracabilitat. Cada defecte es classifica per tipus, severitat i ubicacio. L'agent genera un registre visual complet de cada peca inspeccionada, vinculat al seu lot, torn, maquina d'origen i parametres de proces.
• Retroalimentacio al proces. Aqui esta la diferencia clau. L'agent no nomes detecta defectes: identifica la causa arrel. Si detecta un augment de rebaves a les peces de la premsa 3, analitza els parametres d'aquella premsa (pressio, temperatura, desgast de matriu) i alerta abans que el percentatge de defectes superi el llindar.
• Aprenentatge continu. Cada defecte nou que s'identifica i etiqueta enriqueix el model. El sistema millora amb cada torn de treball.

L'impacte va mes enlla de la qualitat del producte. Les dades generades pel sistema de visio alimenten la millora continua del proces de fabricacio. Cada defecte es un senyal sobre quin parametre ajustar, quina maquina revisar o quina materia primera avaluar.

3. Optimitzacio de cadena de subministrament

Les cadenes de subministrament industrials post-2020 viuen en un estat d'incertesa permanent. Disrupcions logistiques, fluctuacions de preus de materies primeres, canvis en la demanda, riscos geopolitics. Gestionar una cadena de subministrament amb fulls de calcul i trucades a proveidors ja no es viable.

Un agent d'IA per a supply chain opera en diversos fronts simultaneament:

• Previsio de demanda multicanal. Creua dades historiques de vendes amb senyals externes: tendencies de mercat, estacionalitat, dades macroeconomiques, fins i tot meteorologia per a sectors sensibles. La precisio millora entre un 20% i un 35% davant metodes estadistics tradicionals.
• Gestio dinamica d'inventaris. Calcula nivells optims d'estoc per a cada referencia considerant lead times reals (no teorics), variabilitat del proveidor, cost d'emmagatzematge i risc de ruptura. Ajusta en temps real segons canvis en qualsevol d'aquestes variables.
• Seleccio i avaluacio de proveidors. Monitoritza el rendiment de cada proveidor (puntualitat, qualitat, flexibilitat) i suggereix alternatives quan detecta riscos. Si un proveidor esta ubicat en una zona amb alerta de disrupcio logistica, l'agent identifica alternatives i calcula l'impacte de canviar.
• Optimitzacio de rutes i consolidacio de carregues. Minimitza costos de transport agrupant comandes, optimitzant rutes i seleccionant el mode de transport optim per a cada enviament segons urgencia i cost.

El valor real de l'agent es que opera en temps real i connecta silos. Tradicionalment, compres, produccio, logistica i vendes treballen amb les seves propies dades i les seves propies prioritats. L'agent te visibilitat transversal i optimitza la cadena completa, no cada esllo per separat.

4. Planificacio de produccio adaptativa

La planificacio de produccio en industria es un trencaclosques que canvia cada dia. Comandes urgents, maquines que s'aturen, materia primera que arriba tard, torns amb personal reduit, productes amb diferents temps de setup. Els planificadors de produccio experimentats ho resolen amb intuicio i experiencia, pero tenen limits humans: no poden considerar simultaneament totes les variables ni recalcular en temps real.

Els agents d'IA per a planificacio de produccio operen com un planificador que mai dorm:

• Sequenciacio optimitzada. Determinen l'ordre optim de produccio considerant temps de setup entre productes, disponibilitat de maquines, restriccions d'utillatge, prioritats de comanda i dates de lliurament. L'estalvi en temps de canvi pot ser del 15-25%.
• Replanificacio en temps real. Quan passa un imprevist (avaria, comanda urgent, retard de material), l'agent recalcula el pla complet en segons. No ajusta pegant pedacos: optimitza de nou considerant totes les restriccions actualitzades.
• Equilibrat de carrega. Distribueix la produccio entre linies i torns per maximitzar la utilitzacio de capacitat i minimitzar hores extra. Considera la qualificacio del personal assignat a cada torn.
• Simulacio d'escenaris. Abans de confirmar una nova comanda, l'agent pot simular l'impacte en el pla de produccio actual: "si accepto aquesta comanda amb data de lliurament divendres, quines altres comandes es retarden i quant?"

El planificador huma no desapareix. Passa de dedicar el 80% del seu temps a calcular i recalcular a dedicar aquest temps a decisions estrategiques: quina capacitat instal·lar, quins productes prioritzar, com respondre a canvis de mercat. L'agent executa l'operativa; l'huma dirigeix l'estrategia.

5. Eficiencia energetica

L'energia es el segon o tercer cost operatiu a la majoria de plantes industrials, i el que mes ha pujat en els ultims anys. Pero la majoria de fabriques no saben exactament on es consumeix la seva energia ni com optimitzar-la. Saben quant paguen al mes; no saben quina maquina consumeix de mes a les 3 de la tarda.

Un agent d'IA per a eficiencia energetica treballa aixi:

• Monitoritzacio granular. Connecta amb comptadors intel·ligents, sensors de consum per maquina i dades de produccio per crear un mapa de consum energetic detallat: quina maquina consumeix quant, quan i produint quin producte.
• Deteccio d'anomalies de consum. Identifica maquines que consumeixen mes del normal per al que estan produint. Un compressor que consumeix un 15% mes de l'esperat pot tenir una fuita o un component degradat. L'agent ho detecta abans que aparegui a la factura.
• Optimitzacio de perfils de carrega. Distribueix la produccio per minimitzar pics de demanda electrica. A Espanya, la factura electrica industrial penalitza els pics amb recarrecs significatius. Moure operacions intensives a hores vall pot reduir la factura un 10-15% sense canviar el volum de produccio.
• Gestio de tarifes i mercat electric. Monitoritza preus del mercat spot d'electricitat i ajusta la programacio de processos intensius (forns, compressors, climatitzacio) a les franges de menor cost.
• Reporting automatitzat. Genera informes de consum energetic per producte, linia, torn i periode. Dades necessaries per a auditories ISO 50001, petjada de carboni i reporting ESG.

En un context de preus energetics volatils i pressio regulatoria creixent per descarbonitzacio, l'eficiencia energetica basada en IA no es nomes estalvi: es resiliencia operativa i compliment normatiu.

Seguretat industrial i compliment

Implementar agents d'IA en entorns industrials te implicacions de seguretat que van mes enlla del ciberrisc tipic. En una planta de produccio, un agent d'IA pot controlar maquines fisiques. Una fallada de seguretat no nomes exposa dades: pot causar danys materials o posar en risc persones.

Qualsevol implementacio seria ha de considerar:

• Seguretat OT/IT convergent. Els agents connecten el mon IT (ERPs, cloud, APIs) amb el mon OT (SCADA, PLCs, sensors). La superficie d'atac augmenta. Es imprescindible segmentar xarxes, xifrar comunicacions i controlar accessos entre ambdos entorns.
• NIS2 per a infraestructures industrials. La Directiva NIS2 classifica moltes empreses manufactureres com a "entitats importants" amb obligacions de ciberseguretat reforcades: gestio de riscos, notificacio d'incidents, seguretat a la cadena de subministrament. L'incompliment comporta multes de fins a 7 milions d'euros o l'1,4% de la facturacio global.
• Reglament de Maquinaria (UE) 2023/1230. Substitueix la Directiva de Maquinaria i per primera vegada inclou requisits explicits de ciberseguretat per a maquines amb components digitals. Si un agent d'IA controla o influeix en el funcionament d'una maquina, ha de complir amb aquests requisits.
• ISO 9001 i tracabilitat. Els sistemes de gestio de qualitat exigeixen tracabilitat completa de les decisions que afecten el producte. Si un agent d'IA decideix que una peca es conforme o no conforme, aquella decisio ha de ser auditable, repetible i documentada.
• EU AI Act: sistemes d'alt risc. Els agents d'IA que controlen components de seguretat de productes o que s'integren a la cadena de produccio com a components de seguretat estan classificats com a alt risc segons l'Annex I del reglament. Aixo implica requisits de documentacio tecnica, gestio de riscos, supervisio humana i conformitat abans de posada en servei.

A Delbion, el nostre enfocament per a implementacions industrials integra la seguretat des del primer dia. No afegim ciberseguretat despres de muntar l'agent: l'arquitectura de seguretat es dissenya en paral·lel amb l'arquitectura funcional. Tenim certificacions actives en ISO 27001 i ENS, i experiencia directa en entorns on convergeixen IT i OT.