Análisis del impacto del uso de IA en la producción de productos manufacturados mediante la comparación de la tasa de errores de calidad antes y después de la implementación de la tecnología

TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE ORIZABA

PROTOCOLO DE INVESTIGACIÓN

ANÁLISIS DEL IMPACTO DEL USO DE IA EN LA PRODUCCIÓN DE PRODUCTOS MANUFACTURADOS MEDIANTE LA COMPARACIÓN DE LA TASA DE ERRORES DE CALIDAD ANTES Y DESPUÉS DE LA IMPLEMENTACIÓN DE LA TECNOLOGÍA

PRESENTA:

CRUCES JIMÉNEZ DANNA PAOLA

ROA MARTINEZ ELOHIM

CARRERA: INGENIERÍA INDUSTRIAL

ASIGNATURA: TALLER DE INVESTIGACIÓN

DOCENTE: M.I.A KAREN CÓRDOBA SCHETTINO

Índice

Índice___________________________________________________________1

Resumen________________________________________________________2

Abstract_________________________________________________________3

Capítulo 1: Propósito y organización ________________________________4

Introducción_____________________________________________________4

1.1 Antecedentes del problema.______________________________________5

1.2 Planteamiento del problema ______________________________________7

1.3 Objetivos de la investigación _____________________________________8

Resumen

En la industria manufacturera, la calidad de los productos es fundamental para mantener la satisfacción del cliente y la competitividad en el mercado. Por eso, la implementación de sistemas inteligentes de control de calidad, basados en la inteligencia artificial (IA), ha surgido como una solución que podría implementarse para mejorar la detección y eliminación de defectos en productos manufacturados. Estos sistemas aprovechan tecnologías como el aprendizaje automático y la visión por computadora para analizar datos en tiempo real y detectar anomalías con mayor precisión y velocidad que los métodos tradicionales de inspección. Sin embargo, esta adopción plantea una serie de interrogantes sobre sus ventajas y desventajas que necesitan ser abordadas de manera sistemática y detallada.  

Abstract

In the manufacturing industry, product quality is fundamental to maintain customer satisfaction and competitiveness in the market. Therefore, the implementation of intelligent quality control systems, based on artificial intelligence (AI), has emerged as a solution that could be implemented to improve the detection and elimination of defects in manufactured products. These systems leverage technologies such as machine learning and computer vision to analyze real-time data and detect anomalies with greater precision and speed than traditional inspection methods. However, this adoption raises a series of questions about its advantages and disadvantages that need to be addressed systematically and in detail.

Capítulo 1: Propósito y organización

Introducción

El uso de trabajadores humanos como únicos detectores de defectos en la producción de una empresa puede conllevar a múltiples errores por determinados factores derivados de la naturaleza humana, tales como problemas de la vista provocados por cansancio, pérdida de concentración por aburrimiento en su labor, necesidades fisiológicas, entre otras razones; es por esto que el uso de inteligencias artificiales (IA) pueden ofrecer un mejor rendimiento al momento de detectar fallas en la producción y mantener un margen de calidad deseado.

Sin embargo, no se pretende eliminar los recursos humanos en su totalidad, sino que con la implementación de estas herramientas mejorar el aprovechamiento de los recursos (tiempo, dinero, materiales, trabajadores, etc.).

Esta propuesta puede relacionarse en el fordismo, el cuál es un modelo de producción en serie que se caracteriza por combinar el ensamble en masa, o a gran escala, con tecnologías y estrategias modernas que permiten reducir los costos (Frederick, 2021), y se relacionan debido a la producción en cadena y en masa, pero manteniendo la mano de obra en procesos especializados.

1.1 Antecedentes del problema.

En la actualidad, la industria manufacturera enfrenta constantes desafíos para mejorar la eficiencia, la calidad y la competitividad en un mercado global cada vez más exigente. En este contexto, la adopción de tecnologías emergentes, como la Inteligencia Artificial (IA), ha surgido como una estrategia clave para optimizar los procesos de producción y aumentar la calidad de los productos manufacturados.

La IA ofrece una variedad de aplicaciones potenciales en el entorno de la fabricación, incluida la optimización de la cadena de suministro, el control de calidad, la planificación de la producción y el mantenimiento predictivo. En particular, el uso de algoritmos de aprendizaje automático y técnicas de procesamiento de datos avanzadas permite a las empresas analizar grandes volúmenes de información en tiempo real, identificar patrones ocultos y tomar decisiones más informadas y precisas.

Sin embargo, a pesar del potencial prometedor de la IA en la mejora de la producción manufacturera, es fundamental comprender y evaluar su impacto real en la calidad del producto final. La implementación de tecnologías de IA puede influir significativamente en la tasa de errores de calidad en la producción, tanto de manera positiva como negativa.

Por lo tanto, surge la necesidad de realizar un análisis exhaustivo del impacto del uso de IA en la producción de productos manufacturados, centrándose específicamente en la comparación de la tasa de errores de calidad antes y después de la implementación de esta tecnología. Este análisis permitirá a las empresas y a la comunidad académica comprender mejor cómo la adopción de la IA afecta la calidad del producto y, en última instancia, su competitividad en el mercado.

A través de la comparación de datos de calidad recopilados antes y después de la implementación de sistemas de IA en entornos de fabricación, será posible identificar patrones, tendencias y correlaciones que ayuden a evaluar el impacto real de esta tecnología en la reducción de errores y defectos en los productos manufacturados. Este análisis contribuirá a informar decisiones estratégicas sobre la adopción y la inversión en tecnologías de IA en la industria manufacturera, así como a proporcionar información valiosa para futuras investigaciones en este campo.

...