WG Tech Solutions utiliza Ultralytics YOLO para detectar infracciones en fábricas en tiempo real, reducir un 28 % los incidentes de seguridad y mejorar el cumplimiento.
Hacer un seguimiento de las operaciones de fabricación industrial y mejorarlas puede ser complicado, sobre todo porque muchos procesos siguen siendo manuales. Esta falta de visibilidad de las operaciones suele provocar ineficiencias ocultas, como cuellos de botella y mano de obra infrautilizada, difíciles de detectar.
Por ejemplo, las comprobaciones de seguridad y cumplimiento, como verificar que los trabajadores llevan el equipo de protección individual (PPE) adecuado o que los materiales se manipulan y apilan correctamente, suelen hacerse manualmente, por lo que es fácil que se pasen por alto infracciones en entornos de ritmo acelerado.
Para cerrar estas brechas, WG Tech Solutions desarrolló WGDeepInsight, una plataforma de análisis de vídeo impulsada por IA para la monitorización continua. Al analizar flujos de vídeo en directo con modelos de visión artificial, como los modelos Ultralytics YOLO, la plataforma ofrece visibilidad de las operaciones en tiempo real y ayuda a los equipos a observar, analizar y mejorar sus procesos de fabricación.
Mejorar la productividad y la seguridad en fábricas con IA de visión#
WG Tech Solutions es una empresa de IA edge centrada en crear sistemas inteligentes para entornos reales. Desarrolla soluciones integrales de IA que combinan hardware personalizado, modelos de IA y software de aplicación, lo que permite a las organizaciones monitorizar, analizar y mejorar las operaciones directamente en el edge.
Con sede en India, la empresa trabaja en varios sectores, como la fabricación, la automoción, la agricultura y los sistemas médicos, donde la información en tiempo real y la inteligencia local son fundamentales.
Su plataforma principal, WGDeepInsight, está diseñada para ofrecer visibilidad de las operaciones en tiempo real mediante análisis de vídeo impulsado por IA. Admite casos de uso de seguridad, vigilancia, cumplimiento de las normas de seguridad e inspección de calidad, y permite a los usuarios monitorizar actividades, detectar problemas y mejorar flujos de trabajo directamente en el edge.
Al combinar modelos de visión artificial con capacidades de inteligencia artificial de las cosas (AIoT), WGDeepInsight permite a los fabricantes hacer un seguimiento de las actividades, monitorizar el cumplimiento y mejorar la visibilidad operativa en todas las instalaciones de fábrica.
Por qué se pierde visibilidad en las operaciones de fábrica#
La monitorización de las operaciones de fábrica a gran escala exige una visibilidad constante, pero conseguirla en entornos de producción reales dista mucho de ser sencillo. Las actividades pueden variar de un puesto a otro, los trabajadores suelen realizar distintas tareas a lo largo del día y las condiciones pueden cambiar entre las diferentes instalaciones de una fábrica.
En muchos casos, los equipos de fábrica siguen dependiendo de la observación manual y de comprobaciones sobre el terreno para hacer un seguimiento de los flujos de trabajo. Aunque estos métodos tradicionales ofrecen una supervisión básica, limitan la comprensión de cómo se realiza realmente el trabajo.
En otras palabras, resulta difícil recopilar datos precisos e imparciales sobre tiempos y movimientos. Esta falta de datos adquiere aún más importancia cuando entran en juego la seguridad y la protección. Problemas como el incumplimiento de las normas sobre PPE, el acceso no autorizado o la manipulación incorrecta de materiales pueden pasar fácilmente desapercibidos, y las respuestas tardías dificultan la prevención de nuevas infracciones.
Por ejemplo, WG Tech Solutions colaboró con un fabricante de diseño original (ODM) líder que operaba varias instalaciones de fábrica y se enfrentaba a limitaciones similares. La mayoría de los procesos de montaje de ODM seguían siendo manuales, por lo que la supervisión de la productividad, la seguridad y el cumplimiento dependía en gran medida de las inspecciones visuales.
Para optimizar la productividad y el cumplimiento de las normas de seguridad, ODM necesitaba un método más estructurado para recopilar datos fiables sobre tiempos y movimientos, hacer un seguimiento del cumplimiento de los procedimientos operativos estándar (SOP) en los distintos puestos y detectar infracciones de seguridad y protección.
También necesitaba una forma más eficaz de enviar comentarios en tiempo real a los equipos adecuados. Sin automatización, ampliar este nivel de visibilidad seguía siendo una preocupación importante.
Monitorización y cumplimiento más inteligentes en fábricas con modelos Ultralytics YOLO#
WG Tech Solutions integra modelos Ultralytics YOLO en su plataforma WGDeepInsight para habilitar tareas clave de visión artificial, como la detección y el seguimiento de objetos y la segmentación de instancias. Al aplicar estos modelos a flujos de vídeo en directo, la plataforma permite a los equipos monitorizar las operaciones de forma continua, recopilar datos precisos sobre tiempos y movimientos e identificar ineficiencias en tiempo real.
Este enfoque se aplicó en una implementación con el fabricante de diseño original líder mencionado anteriormente. WGDeepInsight se implementó con una configuración híbrida: se instalaron aceleradores de IA Metis de Axelera en los puestos de trabajo y en toda la infraestructura informática de fábrica, mientras que Voyager SDK agilizó la implementación edge a gran escala.
Las capacidades de visión de los modelos Ultralytics YOLO se utilizaron para supervisar las operaciones en las distintas estaciones de la fábrica, realizar un seguimiento del cumplimiento de los procedimientos operativos estándar (SOP) y detectar infracciones de seguridad y protección, como el incumplimiento de las normas sobre equipos de protección individual (PPE), los accesos no autorizados y el apilamiento incorrecto de materiales.
Fig. 1. Ejemplo del uso de los modelos Ultralytics YOLO para detectar cajas apiladas de forma irregular.
Para ello, se recopilaron datos de vídeo de varios puestos de trabajo durante un periodo de tres semanas y se anotaron mediante una interfaz propia. Este conjunto de datos se utilizó para entrenar y ajustar los modelos Ultralytics YOLO, incluidos Ultralytics YOLO11 y Ultralytics YOLOv8, adaptados al entorno de la fábrica.
Los modelos se mejoraron aún más con lógica de inferencia adicional, ajuste de parámetros y técnicas de optimización para garantizar un rendimiento fiable en condiciones reales. Una vez implementada, la plataforma permitió la supervisión en tiempo real y la detección automatizada de infracciones, proporcionando una visión coherente de las operaciones basada en datos.
¿Por qué elegir los modelos Ultralytics YOLO?#
Para WG Tech Solutions, los modelos Ultralytics YOLO proporcionaron una base sólida para crear soluciones de visión artificial que pudieran adaptarse rápidamente a distintos casos de uso en fábricas. Su capacidad para ofrecer inferencias de alto rendimiento en el edge los convirtió en una excelente opción para instalaciones de fabricación a gran escala, donde la baja latencia y la supervisión continua son fundamentales.
Los modelos Ultralytics YOLO también ofrecían flexibilidad con distintos formatos de exportación para su implementación, como ONNX, PyTorch y NCNN. Esto facilitó su integración tanto con dispositivos edge como con sistemas centralizados para crear una arquitectura híbrida.
En general, al utilizar los modelos Ultralytics YOLO, WG Tech Solutions pudo ofrecer soluciones a medida con mayor rapidez y mantener un rendimiento fiable en entornos de fábrica a gran escala.
WGDeepInsight redujo un 28 % las infracciones cometidas por los trabajadores con Ultralytics YOLO#
Con los modelos Ultralytics YOLO, la plataforma WGDeepInsight de WG Tech Solutions supervisa y analiza continuamente las operaciones de fábrica, lo que mejora la seguridad, el cumplimiento normativo y la visibilidad operativa.
En el caso del principal fabricante de diseño original (ODM), las infracciones de seguridad cometidas por los trabajadores se redujeron un 28 %. Las alertas en tiempo real, procesadas en el dispositivo con baja latencia, permitieron responder más rápido y reducir la repetición de incidentes, lo que contribuyó a aplicar los protocolos de seguridad de forma más coherente en toda la planta.
La plataforma realizó un seguimiento del cumplimiento de los procedimientos operativos estándar (SOP) en las distintas estaciones y señaló las infracciones en el momento en que se producían. También identificó problemas como el uso incorrecto de los equipos de protección individual (PPE), los accesos no autorizados, el exceso de aforo y los pasos del proceso omitidos o ejecutados incorrectamente.
Por ejemplo, en los procesos de manipulación de bandejas, verificaba si los artículos se recogían y colocaban correctamente y si cada paso seguía la secuencia requerida, y señalaba cualquier desviación.
Fig. 2. Los modelos Ultralytics YOLO ayudan a detectar la manipulación de bandejas con una sola mano.
Además, se amplió a otros procesos operativos y de seguridad. En las salas de supervisión por CCTV, el sistema controlaba en tiempo real la presencia del personal y enviaba alertas si el nivel de personal caía por debajo de los umbrales requeridos.
Por su parte, en los procesos de inspección de calidad, verificaba las secuencias de los procesos, reforzaba el uso de las herramientas especificadas y controlaba el tiempo dedicado a cada tarea, señalando cualquier desviación para mantener unos estándares coherentes.
Con el tiempo, esta información obtenida mediante visión artificial permitió saber con más claridad dónde fallaban los procesos y respaldó las medidas correctivas mediante formación específica.
Los mecanismos de alerta y respuesta se adaptaron a los requisitos de los clientes y se integraron con flexibilidad en los procesos de trabajo existentes en la fábrica. Las notificaciones se enviaban por canales como el correo electrónico, los sistemas de mensajería y los paneles basados en roles, para garantizar que la información pertinente llegara en tiempo real a los equipos adecuados.
Esto también garantizó que se siguieran sistemáticamente los procedimientos esenciales, como utilizar las herramientas correctas y mantener los niveles mínimos de personal en las zonas controladas. En última instancia, las operaciones diarias ganaron coherencia y se reforzó el cumplimiento en toda la planta.
Ampliar la supervisión en tiempo real a distintos entornos de fábrica#
A medida que evoluciona la automatización industrial, la visión artificial se está convirtiendo en un elemento clave para mejorar la visibilidad y la coherencia de las operaciones manuales. Al personalizar los modelos Ultralytics YOLO, WG Tech Solutions tiene previsto ampliar su plataforma WGDeepInsight a nuevos entornos y procesos de fábrica.
Esto permite abordar casos de uso que van desde la supervisión de la seguridad y la protección hasta las comprobaciones de procesos en la planta. Combinado con la implementación en el edge, el análisis en tiempo real y los aceleradores de IA edge Axelera Metis, ofrece una supervisión escalable e información operativa coherente en distintos entornos de fabricación.
¿Quieres explorar la IA de visión para tus procesos operativos? Consulta nuestro repositorio de GitHub y las opciones de licencia para empezar a utilizar los modelos Ultralytics YOLO. Descubre aplicaciones como la IA en el sector sanitario y la IA de visión en la fabricación, así como aceleradores de IA edge como Axelera AI Export and Deployment | Ultralytics Docs.
