La startup Niobia, con sede en San Francisco, trabaja para abordar uno de los problemas más costosos de la fabricación de baterías y chips: comprender las causas de los defectos que aparecen en las líneas de producción. La empresa utiliza software de inteligencia artificial que detecta los defectos y permite a los ingenieros preguntar a un chatbot por qué se produjeron y analizar los datos relacionados en minutos, en lugar de dedicar días a una investigación manual.
Las empresas que utilizan la tecnología colocan agentes de inteligencia artificial en las líneas de producción para supervisar los defectos, mientras que los ingenieros humanos siguen formando parte del proceso de determinar la causa probable y comprender las condiciones del fallo. Estos agentes funcionan en unidades de GPU independientes instaladas directamente en los equipos de fabricación, de forma parecida a un sensor, lo que les permite detectar defectos extremadamente pequeños, incluidos arañazos o agujeros cuyo tamaño no supera el nivel de un orificio microscópico.
De detectar el defecto a explicar su causa
La función de Niobia no se limita a informar de la existencia de un fallo. La plataforma reúne los datos pertinentes en un solo lugar y permite a los ingenieros formular preguntas de seguimiento mediante un chatbot para comprender qué ocurrió y profundizar en las posibles causas. La empresa afirma que este enfoque busca reducir el tiempo necesario para volver a poner en marcha las líneas de producción después de que aparezca un problema durante la investigación y el desarrollo o la mejora de los procesos de fabricación.
La velocidad adquiere especial importancia en las industrias de las baterías y los semiconductores, ya que cada error puede provocar una interrupción costosa y retrasos en los calendarios de fabricación, y las pérdidas pueden alcanzar en algunos casos millones de dólares. Además, la complejidad de los procesos de desarrollo de materiales y tecnologías hace que determinar la causa del fallo sea más difícil que simplemente detectar un producto no conforme.
Inteligencia artificial local para proteger los datos de fabricación
Niobia se basa en modelos de código abierto que vuelve a entrenar utilizando datos e investigaciones relacionados con las baterías y los chips. Según el cofundador Gaurav Jha, la empresa eligió este camino porque los clientes no desean enviar sus datos industriales sensibles a una nube pública, incluso cuando existen compromisos de protegerlos.
La empresa permite a los clientes conservar sus propias claves de cifrado, de modo que Niobia no pueda descifrar sus datos. Esto refleja que los requisitos de la plataforma no se refieren únicamente a la precisión en la detección de defectos, sino también al lugar donde se procesan los datos y a quién tiene capacidad para acceder a ellos, especialmente en industrias caracterizadas por la sensibilidad de la propiedad intelectual y la competencia geopolítica.
Enfoque inicial y ambición de fábricas más autónomas
Actualmente, el producto se centra en tres procesos de fabricación: el recubrimiento de películas, la galvanoplastia, que utiliza una corriente eléctrica para cubrir las superficies con metales, y la reacción de lecho fluidizado, un proceso químico en el que las partículas sólidas quedan suspendidas dentro de un gas o un líquido. Jha afirmó que la empresa quiere aumentar posteriormente la autonomía de su tecnología para llegar a fábricas capaces de funcionar por sí mismas en mayor medida.
¿Por qué importa esta noticia? El valor práctico de la propuesta de Niobia no consiste en sustituir a los ingenieros, sino en reducir el tiempo entre la detección del defecto y la comprensión de su causa. Sin embargo, la fuente no proporciona cifras sobre el rendimiento de la plataforma, el número de clientes o la precisión de la detección, por lo que su impacto comercial e industrial real aún debe verificarse mediante resultados operativos independientes. Asimismo, la ambición de lograr una fábrica autónoma sigue siendo un objetivo futuro, no una capacidad completa anunciada actualmente.