Caso de Éxito – Primetals

Gemelo digital con simulador interactivo para mejorar la eficiencia en planta.

El objetivo del proyecto era permitir a Primetals comprender las predicciones y conclusiones generadas por su simulador de datos existente. Al incorporar IA explicable, se buscaba proporcionar una visualización más clara y detallada de los resultados, ofreciendo transparencia para que los resultados generaran confianza y optimizaran la eficiencia de la planta.

El equipo de Primetals enfrentaba contradicciones ante las predicciones generadas por su antiguo sistema de simulación, respecto a sus propias deducciones y expectativas basadas en el conocimiento actual del estado de la planta. Las predicciones no coincidían con la realidad y el equipo no entendía por qué el sistema generaba esos resultados.  Este problema obstaculizaba la toma de decisiones a futuro, ya que, sin una interpretación clara de los datos, resultaba difícil planificar las mejoras.

Para abordar este desafío, el equipo de IMMERSIA configuró TOKII para desarrollar un simulador de datos interactivo que ofreciera una visualización clara y detallada de los datos. Utilizando IA explicable a través de interfaces visuales, la aplicación permite a los usuarios interactuar con los datos, seguir cada etapa del proceso, retroceder en el tiempo para identificar cuellos de botella y generar informes sobre momentos críticos o alertas que hayan ocurrido en el proceso de fabricación. Esta integración ayudó a clarificar el proceso detrás de las predicciones y a mejorar la comprensión de los resultados.

El gemelo digital potenciado con la tecnología de IA explicable ha mejorado significativamente la eficiencia de la planta de Primetals. El sistema de visualización avanzada de TOKII, ha permitido una mejor interacción y comprensión de las predicciones del motor de simulación. Gracias a la IA explicable, los usuarios ahora pueden entender el proceso detrás de las predicciones y el porqué de los resultados obtenidos. Esta capacidad para desglosar y explicar el razonamiento detrás de las decisiones ha facilitado identificar cuellos de botella, seguir de manera detallada la evolución de los procesos y generar informes precisos sobre momentos críticos con transparencia y fiabilidad.