{"id":14049,"date":"2025-06-24T17:37:00","date_gmt":"2025-06-24T15:37:00","guid":{"rendered":"https:\/\/sw.fst.com\/magazine\/2025\/07\/la-ia-como-apoyo-en-el-moldeo-por-inyeccion-de-elastomeros\/"},"modified":"2025-07-23T17:31:10","modified_gmt":"2025-07-23T15:31:10","slug":"la-ia-como-apoyo-en-el-moldeo-por-inyeccion-de-elastomeros","status":"publish","type":"post","link":"https:\/\/sw.fst.com\/magazine\/es\/2025\/06\/la-ia-como-apoyo-en-el-moldeo-por-inyeccion-de-elastomeros\/","title":{"rendered":"La IA como apoyo en el moldeo por inyecci\u00f3n de elast\u00f3meros"},"content":{"rendered":"\n

La experiencia se une a la tecnolog\u00eda: la producci\u00f3n de<\/sup> Simmerring\u00ae en Weinheim es el escenario de un proyecto de investigaci\u00f3n sobre inteligencia artificial.<\/strong><\/p>\n\n

<\/p>\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Compacto<\/h2>\n\n\n\n

<\/p>\n\n\n\n

En la f\u00e1brica de Simmerring\u00ae de Weinheim se est\u00e1 llevando a cabo un proyecto de investigaci\u00f3n para mejorar los procesos industriales mediante el uso de inteligencia artificial (IA).<\/p>\n\n\n\n

El objetivo del proyecto es utilizar la IA para predecir las propiedades de calidad de los componentes de elast\u00f3meros moldeados por inyecci\u00f3n y optimizar los procesos de fabricaci\u00f3n. El objetivo es reducir los rechazos y aumentar la eficiencia. <\/p>\n\n\n\n

Los m\u00e9todos convencionales de IA requieren grandes cantidades de datos. Sin embargo, el m\u00e9todo utilizado aqu\u00ed incorpora correlaciones f\u00edsicas y la experiencia de colegas para reducir los datos de entrenamiento necesarios y los tiempos de desarrollo. <\/p>\n\n\n\n

La investigaci\u00f3n se ampli\u00f3 a varios tipos de m\u00e1quinas y art\u00edculos para transferir los conocimientos al mayor n\u00famero posible de art\u00edculos y garantizar al mismo tiempo la calidad del producto.<\/p>\n\n\n\n

Das Projekt hat zudem die Zusammenarbeit mit anderen Freudenberg-Standorten, darunter Kufstein und Freudenberg Home and Cleaning Solutions in Italien, initiiert, um KI-L\u00f6sungen zu \u00fcbertragen und zu skalieren.<\/p>\n<\/div><\/div>\n\n

Alexander Olbrich lleva a\u00f1os trabajando en c\u00f3mo mejorar los procesos industriales con ayuda de la inteligencia artificial (IA). Como estudiante de doctorado en el Instituto Alem\u00e1n de Tecnolog\u00eda del Caucho, trabaja para la funci\u00f3n corporativa Freudenberg Technology Innovation (FTI). Ha realizado numerosos experimentos en el centro t\u00e9cnico como parte de su tesis. \u00abMi objetivo era transferir mis resultados a productos espec\u00edficos de Freudenberg. Para conocer a fondo los procesos, era especialmente importante que estuviera in situ. Quer\u00eda conocer en detalle el proceso de producci\u00f3n y buscar un di\u00e1logo estrecho con colegas experimentados que trabajan a diario en los sistemas y tienen profundos conocimientos pr\u00e1cticos\u00bb. As\u00ed describe los motivos que le llevaron a trasladar temporalmente su centro de operaciones a la planta de producci\u00f3n de Simmerring\u00ae<\/sup> en Weinheim hace aproximadamente un a\u00f1o. <\/p>\n\n

Sarang Etemadi, Jefe de Operaciones de la divisi\u00f3n de Sellado Din\u00e1mico de Weinheim, apoy\u00f3 este proyecto. \u00abNo lo hacemos porque la IA sea la palabra de moda en boca de todos, sino porque creemos que la IA tiene potencial econ\u00f3mico. La IA tiene que ayudar a nuestra gente en la producci\u00f3n. Por eso nos complace ofrecer a Alexander Olbrich una plataforma de innovaci\u00f3n en el marco de su proyecto de investigaci\u00f3n sobre IA. Es una situaci\u00f3n beneficiosa para todos que nos ayuda a dominar a\u00fan mejor la diversidad y complejidad de nuestros procesos\u00bb, informa. <\/p>\n\n

Predecir propiedades, optimizar procesos<\/strong><\/p>\n\n

\u00bfC\u00f3mo pueden predecirse las propiedades de calidad de los componentes de elast\u00f3meros moldeados por inyecci\u00f3n con ayuda de la IA? \u00bfY c\u00f3mo puede optimizarse el proceso de fabricaci\u00f3n bas\u00e1ndose en modelos de IA? Para Olbrich, la atenci\u00f3n se centr\u00f3 espec\u00edficamente en dos temas: en primer lugar, reducir los rechazos y, en segundo lugar, aumentar la eficiencia mediante tiempos de ciclo optimizados. <\/p>\n\n

Utiliza el t\u00e9rmino \u00abalteraciones de la viscosidad\u00bb para describir el problema de los rechazos. Incluso las peque\u00f1as fluctuaciones en los lotes de mezcla individuales y las condiciones ambientales cambiantes influyen en el comportamiento de flujo del material durante el moldeo por inyecci\u00f3n. Esto puede provocar un llenado insuficiente o excesivo de las cavidades del molde. El resultado: rechazos. Este desperdicio de material aumenta los costes de producci\u00f3n. <\/p>\n\n

Otros tipos de rechazos est\u00e1n a su vez directamente relacionados con variables del proceso que limitan la eficacia. Por ejemplo, los componentes poco reticulados pueden presentar burbujas o defectos en el bebedero. Esto da lugar a un complejo conflicto de valores objetivo entre los tiempos de ciclo alcanzables y las tasas de rechazo. A su vez, el punto de funcionamiento \u00f3ptimo resultante puede variar debido a las fluctuaciones de los lotes y del entorno. <\/p>\n\n

\u00abLa idea es que calculemos la influencia de estas fluctuaciones y, bas\u00e1ndonos en ello, especifiquemos una vulcanizaci\u00f3n y un tiempo de ciclo \u00f3ptimos a una temperatura \u00f3ptima\u00bb, explica. El ensuciamiento de los moldes tambi\u00e9n puede provocar p\u00e9rdidas de producci\u00f3n innecesarias, por lo que Olbrich tambi\u00e9n lo ha tenido en cuenta en su investigaci\u00f3n. <\/p>\n\n

\"\"
\u00bfC\u00f3mo pueden los empleados utilizar la IA en la producci\u00f3n? De izquierda a derecha: Bernhard Br\u00e4unig, Christian Ernst, Alexander Olbrich, Philip Stein, Egbert G\u00f6lz.<\/figcaption><\/figure>\n\n

Transferencia de conocimientos<\/strong><\/p>\n\n

Los enfoques tradicionales de IA requieren grandes cantidades de datos significativos para construir su experiencia en soluciones mediante el aprendizaje autom\u00e1tico. Esta es una situaci\u00f3n inicial que no suele darse en el entorno de producci\u00f3n debido al gran n\u00famero de variantes de productos y m\u00e1quinas de diferentes edades de distintos fabricantes. La soluci\u00f3n a este problema a la hora de modelizar el proceso es tener en cuenta las correlaciones f\u00edsicas y la experiencia de los especialistas in situ. <\/p>\n\n

Esto determin\u00f3 el planteamiento de Olbrich: Ejecutar planes de prueba, leer y evaluar los datos, luego desarrollar modelos de aprendizaje autom\u00e1tico con capacidad predictiva y, por \u00faltimo, implantar algoritmos de control que corrijan los fallos y optimicen el proceso. \u00abIncorporar la experiencia de los colocadores y los conocimientos de nuestros colegas de ingenier\u00eda de procesos fue crucial para reducir dr\u00e1sticamente los datos de entrenamiento necesarios y los tiempos de desarrollo asociados\u00bb, afirma Olbrich. Lo que inicialmente comenz\u00f3 en una m\u00e1quina con un art\u00edculo, lo ampli\u00f3 posteriormente a varios tipos de m\u00e1quinas y art\u00edculos de la producci\u00f3n de Weinheim Simmerring. \u00abDada la amplia gama de variantes en la planta, el objetivo es transferir los conocimientos a tantos art\u00edculos como sea posible\u00bb, explica. <\/p>\n\n

Dado que la calidad del producto no debe verse afectada por el aumento de la eficiencia, las pruebas en bancos de ensayo muestran si las propiedades deseadas siguen presentes tras los ajustes del proceso. Olbrich subraya: \u00abLa calidad de los productos finales tiene la m\u00e1xima prioridad. Para garantizar la utilidad en el futuro, es importante implicar estrechamente a los colegas de desarrollo de productos para probar de forma cr\u00edtica la funcionalidad de los art\u00edculos optimizados.\u00bb <\/p>\n\n

La investigaci\u00f3n de Olbrich se basa en la idea de que las m\u00e1quinas pueden utilizar la IA para reconocer cu\u00e1ndo hay un problema e iniciar inmediatamente los pasos necesarios para optimizar el proceso. Otra posibilidad es que la inteligencia artificial apoye a los trabajadores con sugerencias para ajustar el proceso. Tanto \u00e9l como Etemadi dejan clara una cosa: la IA es una ayuda, no una panacea. Etemadi afirma: \u00abLa IA puede crear transparencia, hacer visibles fallos y fluctuaciones que de otro modo ser\u00edan casi imposibles de reconocer. Pero nuestra gente sigue siendo enormemente importante con su pericia y experiencia\u00bb. Y a\u00f1ade: \u00abNuestros procesos generan muchos datos. Hay que analizarlos. En combinaci\u00f3n con nuestro Sistema de Ejecuci\u00f3n de Fabricaci\u00f3n (MES), la IA puede contribuir significativamente a esta evaluaci\u00f3n para optimizar nuestros procesos\u00bb. El trabajo de investigaci\u00f3n de Alexander Olbrich demuestra que esto funciona\u00bb. <\/p>\n\n

Innovar juntos – tambi\u00e9n con Kufstein<\/strong><\/p>\n\n

La tesis doctoral de Olbrich tambi\u00e9n le llev\u00f3 a la planta de Lead Centre Integrated Molded Components de Kufstein. \u00abEn Kufstein, el objetivo era reducir los rechazos y optimizar los tiempos de ciclo en la producci\u00f3n de armaduras basculantes para electrov\u00e1lvulas. Los colegas austriacos tienen un nivel tecnol\u00f3gico impresionante y pudieron ofrecerme las mejores condiciones de partida para mi trabajo\u00bb, explica. La similitud de los dos casos de uso permite muchas sinergias positivas entre los centros. Gracias a la colaboraci\u00f3n conjunta con los expertos en digitalizaci\u00f3n de la Divisi\u00f3n de Productos Especiales de Sellado, las soluciones desarrolladas pudieron transferirse a las primeras aplicaciones de demostraci\u00f3n. El trabajo de Olbrich tambi\u00e9n inici\u00f3 el intercambio entre los dos centros punteros: encontrar normas y las condiciones marco necesarias para el uso de la IA que pueda escalarse dentro de FST, es decir, utilizarse a gran escala. \u00abEsto es innovar juntos\u00bb, resume Etemadi. <\/p>\n\n

En Freudenberg, esto tambi\u00e9n funciona m\u00e1s all\u00e1 de FST. \u00abEn un proyecto conjunto con Freudenberg Home and Cleaning Solutions en Italia, pudimos transferir las soluciones desarrolladas con FST en Weinheim y Kufstein -de forma modificada- al moldeo por inyecci\u00f3n de termopl\u00e1sticos y trasladarlas a un proceso piloto\u00bb, informa Olbrich. Lo pr\u00f3ximo para \u00e9l es una estancia en el extranjero, en Freudenberg Medical, en Estados Unidos. Y en alg\u00fan momento \u00abintermedio\u00bb, tendr\u00e1 que redactar sus proyectos y descubrimientos en forma de tesis doctoral, por supuesto sin ayuda de AI. <\/p>\n

\r\n
\r\n \r\n <\/i>\r\n <\/a>\r\n <\/span>\r\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"

La experiencia se une a la tecnolog\u00eda: la producci\u00f3n de Simmerring\u00ae en Weinheim es el escenario de un proyecto de investigaci\u00f3n sobre inteligencia artificial. Compacto En la f\u00e1brica de Simmerring\u00ae…<\/p>\n","protected":false},"author":5,"featured_media":12671,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[375,329,81],"tags":[],"powerkit_post_featured":[],"class_list":["post-14049","post","type-post","status-publish","format-standard","has-post-thumbnail","category-digitalizacion","category-kufstein-es","category-weinheim-es"],"_links":{"self":[{"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/posts\/14049","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/comments?post=14049"}],"version-history":[{"count":1,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/posts\/14049\/revisions"}],"predecessor-version":[{"id":14050,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/posts\/14049\/revisions\/14050"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/media\/12671"}],"wp:attachment":[{"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/media?parent=14049"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/categories?post=14049"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/tags?post=14049"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/es\/wp-json\/wp\/v2\/powerkit_post_featured?post=14049"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}