La supervisión manual hacía que a los fabricantes les resultara lento y poco fiable detectar incumplimientos de los procedimientos operativos estándar (SOP) y de las normas de seguridad y protección en la planta de producción.
WG Tech Solutions utilizaYOLO Ultralytics YOLO detect infracciones detect en tiempo real, lo que ha permitido reducir los incidentes de seguridad en un 28 % y mejorar el cumplimiento normativo.
Hacer un seguimiento y mejorar las operaciones de fabricación industrial puede resultar complicado, sobre todo porque muchos procesos siguen realizándose de forma manual. Esta falta de visibilidad de las operaciones suele dar lugar a ineficiencias ocultas, como cuellos de botella y mano de obra infrautilizada, que son difíciles de detectar.
Por ejemplo, las comprobaciones de seguridad y cumplimiento, como asegurarse de que los trabajadores lleven el equipo de protección individual (EPI) adecuado o de que los materiales se manipulen y apilen correctamente, suelen realizarse de forma manual, lo que hace que sea fácil pasar por alto las infracciones en entornos de ritmo acelerado.
Para subsanar estas deficiencias, WG Tech Solutions ha desarrollado WGDeepInsight, una plataforma de análisis de vídeo basada en inteligencia artificial para la supervisión continua. Mediante el análisis de señales de vídeo en directo utilizando modelos de visión artificial, como YOLO Ultralytics , la plataforma ofrece visibilidad en tiempo real de las operaciones, lo que ayuda a los equipos a observar, analizar y mejorar sus procesos de fabricación.
WG Tech Solutions es una empresa de IA periférica dedicada al desarrollo de sistemas inteligentes para entornos del mundo real. Desarrolla soluciones de IA integrales que combinan hardware a medida, modelos de IA y software de aplicación, lo que permite a las organizaciones supervisar, analizar y mejorar sus operaciones directamente en el borde de la red.
Con sede en la India, la empresa opera en múltiples sectores, como la industria manufacturera, la automoción, la agricultura y los sistemas médicos, en los que la información en tiempo real y los datos recopilados in situ son fundamentales.
Su plataforma principal, WGDeepInsight, está diseñada para ofrecer visibilidad en tiempo real de las operaciones mediante análisis de vídeo basado en inteligencia artificial. Da respuesta a necesidades en ámbitos como la seguridad, la vigilancia, el cumplimiento de las normas de seguridad y la inspección de calidad, lo que permite a los usuarios supervisar actividades, detect y mejorar los flujos de trabajo directamente en el borde de la red.
Al combinar modelos de visión artificial con capacidades de inteligencia artificial de las cosas (AIoT), WGDeepInsight permite a los fabricantes realizar track , supervisar el cumplimiento normativo y mejorar la visibilidad operativa en todos los entornos de fábrica.
La supervisión de las operaciones de una fábrica a gran escala requiere una visibilidad constante, pero los entornos de producción reales hacen que esto no sea nada sencillo. Las actividades pueden variar de una estación a otra, los trabajadores suelen realizar tareas diferentes a lo largo del día y las condiciones pueden cambiar en las instalaciones de una fábrica distribuida.
En muchos casos, los equipos de fábrica siguen recurriendo a la observación manual y a las inspecciones in situ para track . Si bien estos métodos tradicionales pueden ofrecer una supervisión básica, limitan la comprensión de cómo se lleva a cabo realmente el trabajo.
En otras palabras, recopilar datos precisos e imparciales sobre tiempos y movimientos supone un reto. Esta falta de datos se vuelve aún más crítica cuando están en juego la seguridad y la protección. Problemas como el incumplimiento de las normas sobre EPI, 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 líder de diseños originales (ODM) que cuenta con varias plantas de producción y se enfrentaba a limitaciones similares. La mayoría de los procesos de montaje de este ODM seguían siendo manuales, por lo que el control de la productividad, la seguridad y el cumplimiento normativo dependía en gran medida de inspecciones visuales.
Para optimizar la productividad y el cumplimiento de las normas de seguridad, el fabricante de diseño original (ODM) necesitaba un enfoque más estructurado que le permitiera recopilar datos fiables sobre tiempos y movimientos, track el cumplimiento de los procedimientos operativos track (SOP) en todas las estaciones y detect incumplimientos detect y protección.
Además, necesitaban una forma más eficaz de proporcionar información en tiempo real a los equipos adecuados. Sin automatización, ampliar este nivel de visibilidad seguía siendo una preocupación fundamental.
WG Tech Solutions integraYOLO Ultralytics en su plataforma WGDeepInsight para facilitar tareas clave de visión artificial, como la detección de objetos, el seguimiento de objetos y la segmentación de instancias. Al aplicar estos modelos a las transmisiones de vídeo en directo, la plataforma permite a los equipos supervisar continuamente las operaciones, recopilar datos precisos sobre tiempos y movimientos e identificar ineficiencias en tiempo real.
Este enfoque se aplicó en una implementación con el fabricante de diseños originales (ODM) líder mencionado anteriormente. WGDeepInsight se implementó mediante una configuración híbrida, con aceleradores de IA Axelera Metis instalados en las estaciones de trabajo y en todo el entorno informático de la fábrica, mientras que el SDK de Voyager facilitó la implementación en el borde a gran escala.
Se utilizaron las capacidades de visiónYOLO Ultralytics para supervisar las operaciones en las distintas estaciones de la fábrica, track de los procedimientos operativos estándar y detect infracciones detect , como el incumplimiento de las normas sobre equipos de protección individual, el acceso no autorizado y el apilamiento incorrecto de materiales.
Para respaldar esto, se recopilaron datos de vídeo de varias estaciones de trabajo durante un periodo de tres semanas y se anotaron mediante una interfaz propia. Este conjunto de datos se utilizó para entrenar y ajustarYOLO Ultralytics , entre los que se incluyen Ultralytics YOLO11 y Ultralytics YOLOv8, adaptados al entorno de fábrica.
Los modelos se mejoraron aún más mediante la incorporación de lógica de inferencia adicional, el ajuste de parámetros y técnicas de optimización, con el fin de garantizar un rendimiento fiable en condiciones reales. Una vez implementada, la plataforma permitió la supervisión en tiempo real y la detección automática de incumplimientos, lo que proporcionó una visibilidad coherente y basada en datos de las operaciones.
Para WG Tech Solutions,YOLO Ultralytics proporcionaron una base sólida para desarrollar soluciones de visión artificial que pudieran adaptarse rápidamente a diferentes casos de uso en fábrica. Su capacidad para ofrecer una inferencia de alto rendimiento en el borde los convirtió en una opción ideal para entornos de fabricación a gran escala, donde la baja latencia y la supervisión continua son fundamentales.
YOLO Ultralytics también ofrecían flexibilidad en cuanto a diversos formatos de exportación para su implementación, entre ellos ONNX, PyTorch y NCNN. Esto facilitó su integración tanto con dispositivos periféricos como con sistemas centralizados para una arquitectura híbrida.
En general, gracias al usoYOLO Ultralytics , WG Tech Solutions pudo ofrecer soluciones a medida con mayor rapidez, al tiempo que mantuvo un rendimiento fiable en entornos industriales a gran escala.
Mediante el uso deYOLO Ultralytics , la plataforma WGDeepInsight de WG Tech Solutions ofrece una supervisión y un análisis continuos de las operaciones de la 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 en materia de seguridad laboral se redujeron en un 28 %. Las alertas en tiempo real, procesadas en el propio dispositivo con baja latencia, permitieron acortar los tiempos de respuesta y reducir la repetición de incidencias, lo que se tradujo en una aplicación más rigurosa de los protocolos de seguridad en toda la planta de producción.
La plataforma supervisó el cumplimiento de los procedimientos operativos estándar en todas las estaciones y señaló las infracciones a medida que se producían. Además, detectó problemas como el uso incorrecto del EPI, el acceso no autorizado, el exceso de aforo y la omisión o la ejecución incorrecta de pasos del proceso.
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, señalando cualquier desviación que se produjera durante el proceso.
Además, se extendió a otros procesos operativos y de seguridad. En las salas de control de videovigilancia, el sistema controlaba la presencia del personal en tiempo real y activaba alertas si el número de empleados descendía por debajo de los umbrales establecidos.
Por otra parte, en los procesos de control de calidad, se verificaron las secuencias de los procesos, se reforzó el uso de las herramientas especificadas y se supervisó el tiempo dedicado a cada tarea, señalando cualquier desviación para mantener unos estándares uniformes.
Con el tiempo, estos datos sobre el rendimiento permitieron identificar con mayor claridad dónde se producían fallos en los procesos y facilitaron la adopción de medidas correctivas mediante una formación específica.
Los mecanismos de alerta y retroalimentación se adaptaron a las necesidades de los clientes, con una integración flexible en los flujos de trabajo existentes de la fábrica. Las notificaciones se enviaban a través de canales como el correo electrónico, los sistemas de mensajería y los paneles de control basados en roles, lo que garantizaba que la información relevante llegara a los equipos adecuados en tiempo real.
Esto también garantizó que se siguieran de forma sistemática los procedimientos críticos, como el uso de las herramientas adecuadas y el mantenimiento de unos niveles mínimos de personal en las zonas controladas. En definitiva, las operaciones diarias ganaron en uniformidad, lo que reforzó el cumplimiento de las normas en toda la planta de producción.
A medida que avanza la automatización industrial, la visión artificial está cobrando un papel fundamental a la hora de mejorar la visibilidad y la uniformidad en las operaciones manuales. Mediante la personalizaciónYOLO Ultralytics , WG Tech Solutions tiene previsto ampliar su plataforma WGDeepInsight a nuevos entornos fabriles y flujos de trabajo.
Esto permite aplicaciones que van desde la supervisión de la seguridad y la protección hasta los controles a nivel de procesos en la planta de producción. En combinación con la implementación en el borde, el análisis en tiempo real y los aceleradores de IA en el borde de Axelera Metis , ofrece una supervisión escalable y una visión operativa coherente en todos los entornos de fabricación.
¿Estás buscando soluciones de IA visual para tus flujos de trabajo operativos? Echa un vistazo a nuestro repositorio de GitHub y a las opciones de licencia para empezar a utilizarYOLO Ultralytics . Descubre aplicaciones como la IA en el sector sanitario y la IA visual en la industria manufacturera, así como aceleradores de IA en el borde como el Axelera AI Export and Deployment | Ultralytics
Los modelosYOLO de Ultralytics son arquitecturas de visión por ordenador desarrolladas para analizar datos visuales a partir de imágenes y entradas de vídeo. Estos modelos pueden entrenarse para tareas como la detección de objetos, la clasificación, la estimación de poses, el seguimiento y la segmentación de instanciasUltralytics
Ultralytics YOLO11 es la última versión de nuestros modelos de Visión por Computador. Al igual que sus versiones anteriores, soporta todas las tareas de visión por computador que la comunidad de Vision AI ha llegado a amar de YOLOv8. El nuevo YOLO11, sin embargo, viene con un mayor rendimiento y precisión, lo que lo convierte en una poderosa herramienta y en el aliado perfecto para los desafíos de la industria en el mundo real.
El modelo que elija usar depende de los requisitos específicos de su proyecto. Es clave tener en cuenta factores como el rendimiento, la precisión y las necesidades de implementación. Aquí hay una descripción general rápida:
Los repositoriosYOLO Ultralytics , como YOLOv5 y YOLO11, se distribuyen bajo la licencia AGPL-3.0 0 por defecto. Esta licencia, aprobada por la OSI, está diseñada para estudiantes, investigadores y entusiastas, promueve la colaboración abierta y exige que cualquier software que utilice componentes AGPL-3.0 0 también sea de código abierto. Aunque esto garantiza la transparencia y fomenta la innovación, puede que no se ajuste a los casos de uso comercial.
Si su proyecto implica la integración del software de Ultralytics y los modelos de IA en productos o servicios comerciales y desea evitar los requisitos de código abierto de AGPL-3 AGPL-3.0, lo ideal es una licencia de empresa.
Los beneficios de la Licencia Enterprise incluyen:
Para garantizar una integración perfecta y evitar las limitaciones AGPL-3.0 , solicite una licencia de empresa de Ultralytics mediante el formulario proporcionado. Nuestro equipo le ayudará a adaptar la licencia a sus necesidades específicas.
Comience su viaje con el futuro del aprendizaje automático
