La industria automotriz se enfrenta al desafío crítico de aumentar el valor de los productos mediante la electrificación y la inteligencia, lo que exige esfuerzos adicionales que van más allá del valor estándar de los vehículos tradicionales. El uso eficiente de los recursos repercutirá directamente en el valor de los productos y la sostenibilidad de los negocios. En el vertiginoso mundo actual, comprender la evolución de las necesidades de los clientes es crucial para entregar los productos a tiempo. Una de las iniciativas consistió en implementar un sistema experto avanzado (A-ES) para transferir los conocimientos de los ingenieros más experimentados a los más jóvenes, empezando por el proceso de revisión del desarrollo de vehículos anticolisión. El trabajo de simulación de colisiones, crucial para este proceso, ocupaba más de un día por simulación, y los errores exigían importantes correcciones. El A-ES agilizó las tareas sencillas, liberando tiempo para la creación de valor. Sin embargo, el modelado de conocimientos para el A-ES requería mucho tiempo, ya tomaba 400 horas crear un modelo de conocimientos para solo dos o tres componentes de entre más de 20 000 piezas de automóvil, lo que suponía un reto para un despliegue empresarial más amplio.
Para mejorar la eficiencia del modelado de conocimientos, IBM propuso utilizar IA generativa para extraer y crear bases de datos de conocimientos a partir de materiales de Microsoft PowerPoint que contuvieran conocimientos dispersos dentro de la empresa. Los técnicos calificados de Honda han dejado valiosos conocimientos en documentos de PowerPoint, con abundantes diagramas y gráficos pero poco texto, lo que dificulta la reutilización basada en IA. IBM sugirió aplicar un modelo multimodal grande (LMM) para convertir en texto el contenido de gráficos y diagramas, mejorando así la reutilización de conocimientos en materiales en PowerPoint ricos en IA. Almacenar los conocimientos textuales en una base de datos permite utilizarlos mediante la generación aumentada de recuperación (RAG). Un proyecto piloto de IBM watsonx.ai realizado de noviembre a diciembre de 2023 validó la viabilidad de este enfoque.
Con un A-ES convencional, a un ingeniero experimentado y calificado le llevaría tres años crear un manual y un año crear un modelo a partir del manual. El A-ES permitió un ahorro del 30% en el tiempo dedicado al desarrollo y del 50% en el tiempo dedicado a la planificación/gestión. Gracias a la IA generativa, ahora la documentación técnica de Honda puede modelarse como frases, lo que reduce el tiempo de modelado de tres años a uno. Este enfoque amplía las áreas de utilización de documentos y aumenta la eficiencia empresarial. IBM demostró la cobertura completa, desde la validación del valor hasta la entrega y la operación, junto con el concepto de modelo de infraestructura de watsonx.ai. Al aplicar LMM y LLM, IBM pudo asegurar la viabilidad del proyecto, lo que dio lugar a proyectos de prueba de concepto y futuras actividades de desarrollo de la producción.
Honda (enlace externo a ibm.com) es un conglomerado multinacional público japonés fabricante de automóviles, motocicletas y equipos accionados por baterías, con sede en Minato, Tokio, Japón. Desde 1959 ha sido el principal fabricante de motocicletas, y en 2029 produjo 400 millones de unidades. También es el mayor fabricante de motores de combustión interna, con una producción anual de más de 14 millones de motores. Honda se convirtió en el segundo mayor fabricante de automóviles de Japón en 2001 y ocupó el octavo lugar a nivel mundial en 2015.
Legal
© Copyright IBM Corporation 2024. IBM, el logotipo de IBM y watsonx.ai son marcas comerciales o registradas de IBM Corp., en Estados Unidos y/o en otros países. Este documento está vigente a partir de la fecha inicial de publicación, e IBM puede modificarlo en cualquier momento. No todas las ofertas están disponibles en todos los países en los que opera IBM.
Los ejemplos de los clientes se presentan como ilustraciones de cómo esos clientes han utilizado los productos de IBM y los resultados que pueden haber logrado. El rendimiento real, el costo, los ahorros u otros resultados en otros entornos operativos pueden variar.