09.10.2024 by Dr. Marc Egelhofer
IA en el laboratorio: Análisis optimizado de datos y control de calidad de plásticos reciclados
Los laboratorios se enfrentan a menudo a una cantidad abrumadora de datos procedentes de diferentes fuentes e instrumentos. Gestionar, analizar y aprovechar esta cantidad de datos es todo un reto, sobre todo cuando los datos están aislados en distintos sistemas. Esto es especialmente cierto en el caso del control de calidad de los polímeros reciclados en el procesamiento de plásticos. La norma DIN SPEC 91446 define cuatro niveles de calidad para los reciclados, que dependen de la calidad de los datos. Cuanto más alto es el nivel de calidad, más datos relevantes para la calidad deben recopilarse.
Por lo tanto, para el laboratorio, la máxima calidad también significa un número máximo de puntos de datos que deben analizarse y documentarse en la práctica diaria. Por ello, una de las cuestiones clave para los laboratorios es cómo integrar tecnologías modernas como la inteligencia artificial (IA) en los procesos existentes para aumentar la calidad y la eficiencia de los datos.
AI - Un caso de uso de polímeros reciclados
Un caso práctico se refiere a un transformador de plásticos que adquiere mezclas de materiales reciclados a varios proveedores. La empresa se enfrentaba a una gestión de datos muy fragmentada. Los valores medidos necesarios para el control de calidad estaban dispersos en varias hojas de cálculo de Excel, y el análisis manual de estos datos consumía considerables recursos.
En un entorno así, el uso de la IA no puede proporcionar ningún alivio significativo. Sólo mediante la introducción de una plataforma basada en datos en combinación con un asistente digital asistido por IA pudo el procesador de plásticos optimizar significativamente sus procesos. La plataforma integró todos los datos relevantes de los dispositivos, proporcionando así una visión completa de los materiales analizados.
De este modo, el asistente digital asistido por IA puede desplegar todo su potencial, desde el análisis de datos complejos y la identificación de correlaciones hasta la visualización de datos y la generación de informes.
Escenario de supervisión de proveedores
Un escenario especialmente ilustrativo muestra cómo se facilita la supervisión de los proveedores con la ayuda de la IA. El estudio de caso muestra, por ejemplo, cómo se utilizó una simple consulta para analizar datos de tres proveedores diferentes e identificar rápidamente desviaciones en los lotes suministrados. En un caso, la IA identificó que uno de los proveedores había entregado un lote con una viscosidad tres veces superior a la acordada. Este análisis preciso de los datos permitió a la empresa evaluar mejor la calidad de los proveedores y tomar decisiones informadas sobre futuros proveedores.
También fue posible evitar de antemano el uso de un material con una viscosidad demasiado alta, que podría haber provocado problemas importantes de procesamiento y una menor calidad del producto.
Conclusión
Este ejemplo de un estudio de caso demuestra que la IA ya no es una visión de futuro, sino que ya se utiliza hoy en los laboratorios. Ayuda a analizar eficazmente large cantidades de datos, garantizando así la calidad de los plásticos reciclados. Los laboratorios que confían en las soluciones de gestión de datos asistidas por IA no sólo se benefician de la mejora de la calidad de los datos, sino también de un considerable ahorro de tiempo y recursos. En última instancia, esto aumenta la competitividad y ayuda a desarrollar mejores productos.
Lea el estudio de caso completo para ver más ejemplos de cómo la IA puede ayudar al laboratorio:
