Servicio pilar · 03

Inteligencia artificial industrial aplicada a operación

IA aterrizada al piso — no BI de oficina. Agentes IA para operador, mantenimiento predictivo, detección de anomalías y MPC. Modelos que corren en edge y devuelven decisiones al PLC.

Dashboard de proceso con insights generados por IA junto a estación SCADA — proyecto DYMSY

IA industrial que resuelve problemas de operación, no de tesis

El 80% de los proyectos de IA en la industria mueren en el piloto. La razón es casi siempre la misma: se entrena un modelo con datos limpios de laboratorio, no se piensa el deployment en el edge, y nadie define cómo el modelo devuelve la decisión al proceso.

En DYMSY empezamos por el otro lado: qué decisión operativa debería cambiar. A partir de ahí definimos qué modelo, qué datos, dónde corre y cómo se integra al SCADA como un tag más — o cómo escribe un setpoint remoto al PLC con bumpless transfer.

Cubrimos las cinco familias de IA con impacto real en manufactura: agentes con LLM (Claude, GPT, Llama local), mantenimiento predictivo, detección de anomalías, control predictivo (MPC) y visión artificial.

Alcance del servicio

Cada proyecto se define en un statement of work con entregables y criterios de aceptación explícitos. Los bloques típicos son:

Diagnóstico de casos de uso

Workshop de 2 días con operaciones y mantenimiento. Salida: matriz de casos priorizados por impacto vs viabilidad.

Piloto (PoC) 8–12 semanas

Adquisición de datos históricos, entrenamiento del modelo, validación offline, deploy en edge para observación.

Deploy a producción

Modelo corriendo en NVIDIA Jetson u ordenador industrial. Publicación como tag OPC UA al SCADA. Watchdog en PLC.

Agentes IA con RAG

Copilot para operador con Claude o GPT, alimentado con manuales técnicos, hojas de datos y procedimientos internos vía RAG.

MLOps industrial

Model registry, retrain periódico según nuevos datos, monitoreo de drift. Todo on-prem si el cliente lo requiere.

Capacitación al equipo interno

El equipo de mantenimiento e ingeniería aprende a interpretar y a ajustar los modelos. Sin lock-in.

Con qué trabajamos

Marcas y herramientas concretas del servicio. Los partnerships certificados están destacados.

TensorFlow · PyTorch · scikit-learn Claude · GPT · Llama 3 (local) LangChain · LlamaIndex (RAG) Isolation Forest · LSTM · Prophet · River CasADi · GEKKO · MATLAB (MPC) NVIDIA Jetson · Ignition Edge MLflow · InfluxDB · Grafana

Casos reales que hacemos

Ejemplos concretos de proyectos representativos. Para casos con métricas específicas de cliente, agende una llamada.

Predicción de falla en motor de 15 kW con 48 h de aviso

Adquisición de vibración (MEMS) + corriente del VFD. Modelo LSTM entrenado con 8 meses de histórico. Alerta al CMMS 48 h antes de rodamiento en falla incipiente.

Copilot IA para operador nocturno con RAG sobre manuales OEM

Agente Claude corriendo on-prem, indexa 1,200 páginas de manuales técnicos y procedimientos. El operador pregunta en español y recibe respuesta con cita de la página fuente. Reduce llamadas al experto en 60%.

MPC en columna de destilación — ahorro 12% energético

Modelo identificado por subspace + MPC con restricciones. Setpoint escrito al DCS vía OPC UA. Bumpless transfer manual↔auto. ROI de 14 meses.

Lo que preguntan gerentes de planta e ingeniería

¿Cuánta data histórica necesito para un proyecto de IA industrial?
Para mantenimiento predictivo idealmente 6–12 meses de datos de operación con al menos algunos eventos de falla registrados. Para detección de anomalías 3–6 meses de operación estable son suficientes. Para agentes IA con RAG, se necesitan los manuales y procedimientos en formato digitalizable, no data histórica.
¿La IA corre en la nube o en el piso de planta?
Ambas son posibles pero preferimos edge (NVIDIA Jetson, PC industrial en cuarto de control) por tres razones: latencia sub-segundo, ciberseguridad OT (no expone datos), y operación aunque se caiga internet. El cloud lo usamos para training y para dashboards ejecutivos.
¿Cuánto cuesta un piloto de IA?
Un piloto acotado (un motor, una variable, un caso) cuesta entre $200k y $600k MXN según complejidad y disponibilidad de datos. El objetivo del piloto es probar viabilidad — el deployment a producción tiene su propia cotización.
¿Cómo se integra un modelo de IA a un PLC?
El modelo corre en edge o servidor. Publica su salida (predicción, anomalía, setpoint) como tag OPC UA. El PLC lo lee y actúa: escribe alarma, escribe setpoint remoto (con bumpless transfer + watchdog), o solo lo pasa al SCADA para visualización.
¿Usan modelos open-source o propietarios?
Priorizamos open-source (PyTorch, scikit-learn, Llama 3 local) para no crear lock-in y por costo. Usamos Claude o GPT en cloud cuando el cliente lo autoriza y el caso de uso lo justifica (típicamente agentes con RAG que se benefician de modelos frontier).

Que suelen combinarse con IA industrial

¿Tiene un caso donde la IA podría cambiar la operación?

Consultoría técnica sin costo · Respuesta en 24 hrs · Cobertura nacional MX