Trabajo Final de Integración

Evaluación Módulo 1 Unidad 4

INTELIGENCIA ARTIFICIAL APLICADA EN

PROCESO ELABORACIÓN DE HAMBURGUESA EN
PLANTA INDUSTRIAL AGROSUPER

Elementos claves de la Inteligencia Artificial en el Control Industrial

Diplomado de Inteligencia Artificial aplicada al Control Industrial

Desarrollado por:

César Mauricio Obando Elgueta

Victor Manuel Valenzuela Chávez

Oscar Eduardo Viertel Dufflocq

Octubre 2023

1
INDICE

Introducción ........................................................................................................................................ 4
Problemática ....................................................................................................................................... 5
Identificación del problema ............................................................................................................ 6
Análisis del problema ...................................................................................................................... 6
Planteamiento de Soluciones potenciales .......................................................................................... 7
Toma de decisiones y plan de acción .............................................................................................. 7
Pasos a seguir para la implementación: .......................................................................................... 8
Pasos para la implementación de Pytorch: ..................................................................................... 9
Problemas que se pueden generar: .............................................................................................. 10
Campo de aplicación ......................................................................................................................... 10
Implementación de la solución ......................................................................................................... 11
Técnicas Tradicionales:.................................................................................................................. 11
Análisis Empresarial .......................................................................................................................... 11
Objetivos Estratégicos Agrosuper ................................................................................................. 11
Análisis FODA Agrosuper ............................................................................................................... 12
Análisis PEST Agrosuper ................................................................................................................ 12
Las 5 Fuerzas de Porter Agrosuper................................................................................................ 13
Nuevos Entrantes ...................................................................................................................... 13
Proveedores .............................................................................................................................. 13
Clientes ...................................................................................................................................... 14
Productos Sustitutos ................................................................................................................. 14
Rivalidad de la industria ............................................................................................................ 14
Ventajas de usar la IA ........................................................................................................................ 14
Desventajas de usar la IA .................................................................................................................. 15
Resultados Esperados ....................................................................................................................... 15
Comparación de las industrias .......................................................................................................... 16
Procedimiento para la Aplicación ..................................................................................................... 17
Riesgos que puede enfrentar el uso de IA ........................................................................................ 20
Error de medición por mala calibración: ................................................................................... 20

2
 Interferencias Externas: ............................................................................................................ 20
Problemas técnicos: .................................................................................................................. 21
Cambios en la composición del producto: ................................................................................ 21
La emisividad del producto ....................................................................................................... 21
Precisión de la detección........................................................................................................... 21
Límites de detección ................................................................................................................. 21
Mantenimiento y calibración .................................................................................................... 21
Sesgo y discriminación .............................................................................................................. 21
Privacidad y protección de datos .............................................................................................. 22
Cumplimiento normativo .......................................................................................................... 22
Educación y capacitación .......................................................................................................... 22
Riesgo de fallos técnicos ........................................................................................................... 22
Análisis de la Organización ................................................................................................................ 22
Análisis de organización y tipo de proceso: .............................................................................. 22
Beneficios para el control de calidad y producción: ................................................................. 23
Tiempo de operación ................................................................................................................ 23
Capacidad de producción: ......................................................................................................... 23
Cultura de la Organización ................................................................................................................ 23
Diagrama P&ID .................................................................................................................................. 24
Métricas de Desempeño ................................................................................................................... 26
Tiempo de reentrenamiento ............................................................................................................. 26
Conclusión ......................................................................................................................................... 27
Anexo ................................................................................................................................................ 28

3
Introducción
La inteligencia artificial ha abierto un mundo de posibilidades en diversos campos y
ha revolucionado la forma con la que interactuamos con la tecnología, estos
avances han abarcado diversas áreas de la actividad humana, como la industria
manufacturera, minería, procesos económicos, de negocios e incluso en la salud de
las personas.

En este informe nos enfocaremos en un proceso de elaboración de hamburguesas

en una empresa de participación en mercado nacional como también internacional
como Agrosuper. En ésta, veremos como una medición de temperatura dentro de
esta industria puede generar diversos beneficios al proceso, y que sus algoritmos
de operación pueden ayudar a la toma de decisiones.

A lo largo de este trabajo analizaremos la problemática presente y propondremos

una solución, realizaremos los análisis organizacionales FODA; PEST y de las 5
fuerzas de Porter, ventajas y desventajas entre otros. El objetivo es que la solución
sea precisa, confiable y fácil de usar, y esperamos que constituya un aporte
fundamental a la industria.

Este informe examina un proceso de aplicación de IA en la industria alimentaria, los

riesgos asociados y cómo Agrosuper se beneficia de esta tecnología, haciendo un
análisis de esta organización.

4
Problemática
En el área de Elaborado de Hamburguesa en Agrosuper los bloques de carne que
son la materia prima del producto se mantienen refrigerados en cámaras frigoríficas
a -20°C. Al momento de planificar una producción estos bloques son llevados a una
cámara de ecualizado, en donde suben su temperatura hasta llegar a los -9°C para
poder ser procesados. Esta temperatura es la ideal para que la maquinaria trabaje
correctamente. El punto crítico de control es -4°C.

Los bloques de carne son procesados por una moledora y luego una mezcladora
que añade condimentos dependiendo de la receta de los distintos productos, la
carne ahora blanda se le da forma en una tercera maquina a la hamburguesa,
posteriormente el producto está listo para ser congelado y empacado.

Un operador revisa manualmente la temperatura en bloques al azar, esto es

pinchando la carne con un termómetro digital, esta referencia a veces no es correcta
ya que pasan bloques a menor temperatura y provoca diversos daños en la
maquinaria de proceso.

5
 Figura 1: Bloque de carne a -9°C listo para ser procesado

Fuente: Elaboración propia (2023)

Cuando la temperatura del producto no es bien ecualizada (esto quiere decir que no
subió lo suficiente) los bloques que debiesen ir a -9°C llegan a temperaturas
cercanas a los -14°C, esto provoca que la mezcladora reciba un producto tan
congelado que la fuerza que debe realizar para procesar esto es tal que genera el
rompimiento de los componentes como paletas, correas, ejes, motores, etc.,
generando detención de la producción incluso requiriendo en algunas
oportunidades, el cambio completo de componentes.

Identificación del problema

Según jefaturas del área, el principal problema es la pérdida de tiempo en horario
de producción provocada por la interrupción del proceso por desperfectos en
maquinarias, la gran mayoría de estos tiempos son provocadas por malas prácticas
de los operadores. La detención genera pérdidas de hora hombre, atraso en
pedidos, perdidas de energía y gastos no planificados en reparaciones correctivas.

Análisis del problema

Los tiempos perdidos producto de esta situación de mal control de temperatura en
2022 ascienden a 1642 minutos, es decir, unas 21 horas totales.

Se producen 2400 kg/hora, con un marginal de 0,8 USD/kg, eso quiere decir que se
dejaron de procesar 50.400 kilos equivalentes a $40.320 USD, esto es solo por
concepto de inactividad.

Ahora en este periodo se realizaron reparaciones correctivas como cambio de

conjuntos, motores quemados, cambios de correas, quiebre de ejes, entre otros que
fueron evaluados en $78.000 UDS

Sumando las pérdidas totales, se llega a la suma de $118.320 USD que fueron
provocados por esta problemática.

6
Planteamiento de Soluciones potenciales
Las soluciones a estos inconvenientes van de la mano con controlar mejor el
proceso de medición de temperatura, si bien tenemos máquinas automáticas estas
no perciben ciertos errores humanos, porque estos pueden olvidar o distraerse en
la jornada laboral. Poder llevar el proceso a una Inteligencia Artificial que esté
constantemente recopilando información y tener una mejor toma de decisiones es
fundamental. Es por esto que se plantea comenzar con un registro de las
temperaturas en el ingreso al proceso de una manera automática, esto es colocando
una cámara térmica que registre la temperatura de los bloques de carne y determine
variaciones fuera de rango, permitiendo generar avisos y acciones a los operadores
ante algún suceso, a su vez poder ingresar estos datos en tiempo real a una base
de datos para el procesamiento, registros, historiales, con el fin principal de evitar
que los bloques con baja temperatura desgasten las maquinarias y rompan los
componentes

Toma de decisiones y plan de acción

Una pieza importante de esta solución es la implementación de PyTorch que es una
biblioteca de aprendizaje profundo de código abierto que se utiliza ampliamente
para desarrollar y entrenar modelos de inteligencia artificial, en particular, modelos
basados en redes neuronales. Lo que nos ayudara a crear, entrenar y utilizar un
modelo de aprendizaje profundo para la clasificación de imágenes en tiempo real y
así poder llegar a nuestro objetivo. Para ello debemos adaptar el flujo de trabajo
para que sea capaz de procesar y analizar las imágenes en tiempo real.

7
Pasos a seguir para la implementación:

Paso 1: Cotización y compra de cámara térmica, la cotización asciende los $6.841

USD iva incluido

Figura 2: Cotización de proveedor Instrumining

Fuente: Instrumining (2023)

Paso 2: Instalación y pruebas de comunicación, es necesario que todo este

correctamente instalado, probado y calibrado

Paso 3: Visualización de información en base de datos, los datos de la cámara

deben ser vistos en tiempo real, con ayuda de Pytorch.

Paso 4: Pruebas de funcionamiento, se debe hacer pruebas de control simulando

errores y generando avisos de falla.

Paso 5: Análisis de datos, se debe tener un registro de funcionamiento y comprobar

las temperaturas de entrada, si esta abordase el límite es porque el tiempo de
ecualizado no fue suficiente y se toman medidas al respecto.

8
Pasos para la implementación de Pytorch:

Paso 1: Captura de Imágenes en Tiempo Real

Utilizar una cámara termográfica que sea capaz de proporcionar imágenes en

tiempo real.

Paso 2: Preprocesamiento de Imágenes en Tiempo Real

Configurar un flujo de procesamiento en tiempo real que adquiera las imágenes

termográficas y realice cualquier preprocesamiento necesario, como ajuste de
tamaño y normalización, a medida que llegan.

Paso 3: Procesamiento en Tiempo Real con PyTorch

Utilizaremos PyTorch para procesar las imágenes termográficas en tiempo real. Esto
implica cargar las imágenes preprocesadas en tensores de PyTorch y aplicar un
modelo de aprendizaje profundo en tiempo real para obtener resultados.

Paso 4: Visualización y Respuesta en Tiempo Real

Visualizar los resultados del procesamiento en tiempo real, que pueden incluir
estimaciones de temperatura u otras métricas relevantes. Tomar decisiones en
tiempo real basadas en los resultados, como activar alarmas o realizar acciones
específicas según las condiciones detectadas en las imágenes termográficas.

Paso 5: Optimización del Rendimiento

Hay que asegurar de que todo el proceso, desde la captura de imágenes hasta la
visualización y respuesta, sea lo más eficiente posible para mantener un
procesamiento en tiempo real sin retrasos notables.

9
Paso 6: Pruebas y Ajustes

Realiza pruebas exhaustivas en condiciones de tiempo real para verificar la

precisión y la eficiencia del sistema, a su vez realizar ajustes según sea necesario
para mejorar el rendimiento y la velocidad de respuesta.

Problemas que se pueden generar:

1.- Demora en compra de materiales, que los plazos de entrega no se cumplan o
que falte algún accesorio

2.- Equipos no corresponde a los solicitado, que a pesar de que el proveedor

asegure comunicación esta no pueda efectuarse por distintos motivos.

3.- Errores de configuración, que la plataforma sea tan compleja de configurar que
el más mínimo cambio modifique las condiciones de trabajo.

4.- Poco apoyo por parte del servicio técnico y proveedor, que el vendedor solo
entregue el equipo y no preste soporte de instalación o problemas.

5.- Falta de compromiso por parte de los operadores, que estos no utilicen la
herramienta y no pongan énfasis en las alarmas y se sigan cometiendo errores de
producción.

6.- Problemas en comunicación o que no pueda enviar datos en línea.

7.- Poca capacidad de hardware, lo que implicaría hacer un “upgrade”, para tener
mejor rendimiento en procesamiento de datos e imágenes.

Campo de aplicación
En este proyecto está enfocado en la industria como visión por computadora en
donde al captar imágenes en tiempo real son procesadas para su análisis si bien
hay técnicas tradicionales no tenemos más ideas de innovación efectuadas en la
industria que podamos comparar

10
Implementación de la solución

Técnicas Tradicionales:
En este caso las técnicas tradicionales serian utilizar termómetros manuales para
la toma de temperatura de carne, pero lo hace a su vez depender de supervisar
constantemente y las lecturas no serán en todos los puntos sino una referencial, por
lo tanto, no sería tan eficiente como una visión artificial. El sistema actual implica
mantener todos los inconvenientes mencionados.

Análisis Empresarial

Objetivos Estratégicos Agrosuper

La compañía ha definido una serie de objetivos estratégicos tales como mantener
el modelo de negocio, a través del crecimiento de la producción y procesamiento
local e internacional, y fortalecer la red de distribución y el potencial de marcas a
través de la comercialización de productos en todos los mercados, garantizando los
más altos estándares de bienestar animal, visibilizando y construyendo relaciones
de largo plazo con los grupos de interés, y buscando la adaptación a las operaciones
del futuro. En materia de sustentabilidad, se trabaja en base a los pilares ambiental,
social y económico, los cuales son un factor determinante para nuestro quehacer
diario. Para ello, hemos desarrollado un modelo de producción que incluye una
gestión ambiental responsable, a través de la incorporación de tecnología y una
permanente innovación en cada uno de nuestros procesos. De esta manera,
apuntamos a mejorar continuamente, optimizando cada etapa de nuestra cadena
de valor y haciendo un uso eficiente de los recursos naturales. Para lo anterior, tanto
en el Segmento Carnes como en el Acuícola, contamos con un Comité de
Sustentabilidad que sesiona una vez al mes con el objetivo de dar seguimiento y
velar por el cumplimiento de los indicadores sociales y medioambientales.

Agrosuper & Gerencia de Asuntos Corporativos y Sustentabilidad Subgerencia de Comunicaciones Externas. (2022). Reporte Agrosuper
2022. https://www.agrosuper.cl/wp-content/uploads/2023/06/Reporte-Agrosuper-2022-web.pdf

11
Análisis FODA Agrosuper

Figura 3: Análisis FODA

Fuente: Elaboración propia (2023)

Análisis PEST Agrosuper

Figura 4: Análisis PEST

Fuente: Elaboración propia (2023)

12
Las 5 Fuerzas de Porter Agrosuper

Nuevos Entrantes
A nivel país es la empresa más grande que concentra el mercado de la carne de
ave, cerdo y pavo abasteciendo a más del 50% del mercado. Por tradición de la
marca no hay una empresa en el medio que se acerque a competir en el corto plazo,
se debe efectuar una fuerte inversión para poder lograrlo.

Figura 5: Participación de la compañía en el mercado nacional

Fuente: Matriz 2022 Agrosuper https://www.agrosuper.cl/wp-content/uploads/2023/06/Reporte-Agrosuper-2022-web.pdf

Proveedores
Al ser una marca reconocida se tienen diversos proveedores de materias primas de
los cuales se les exige condiciones y respuestas de calidad, se hacen sumarios en
donde se analizan a aquellos que actúan mal y son sancionados en todas las áreas

13
de Agrosuper, también hay un segmento propio en el cual está encargada de los
alimentos que lo hace no depender totalmente de un solo proveedor, por lo tanto,
no existe una dependencia total con solo un proveedor.

Clientes
Dada la variedad de productos ofrecidos los clientes nacionales están exigiendo y
demandado productos de calidad, si eso se sigue cumpliendo se mantendrá una
buena relación con el cliente y el poder de negociación será bajo, en cuanto a los
internacionales las normas y tradiciones de distintos países hacen más difícil e
inestable la relación, brotes de gripe y guerras han pausado ciertos mercados, pero
ya se están reabriendo, por lo tanto, la negociación será alta.

Productos Sustitutos
Los productos saludables cada vez van tomando más fuerza y la empresa ha
tomado una línea al respecto, creando alternativas y señalando sus componentes y
alérgenos en cada etiqueta. La marca es fuerte y hay seguridad que los clientes
confíen en la marca. También se está creando la impresión de carne artificial,
aunque hay gente que se inclina por la alternativa más vegana no está claro ni
regulado todos sus ingredientes, el costo de producción por ahora es más elevado
y se implementa en Europa, al ser una nueva carne hay que ver cómo se comporta
en el tiempo y evaluar sus resultados para ser implementado.

Rivalidad de la industria
Hay empresas a nivel nacional que compiten en el mercado, pero aun así no
abarcan más del 27% y el resto son importaciones, por lo tanto, no hay posibilidad
de dominio en un corto plazo, también es una empresa que exporta, lo que la afianza
con más credibilidad para los clientes. Lo que puede suceder es que entre alguna
empresa extranjera con bajos costos de producción y compita des lealmente, pero
tendrían que cambiar las políticas de ingreso al país lo que lo hace menos probable.

Ventajas de usar la IA
Automatizar la línea de producción, que ésta esté en línea y cualquier persona en
cualquier lugar del mundo pueda ver las condiciones con la que trabaja el proceso.

14
Mayor rapidez en la toma de decisiones, si se detecta alguna variación, el sistema
es capaz de reaccionar sin tener la supervisión humana constante.

Mayor precisión, es capaz de realizar lecturas a gran velocidad y tomar distintos

patrones en la imagen que sirvan de referencia para la lectura de temperatura.

Poder de analizar gran cantidad de datos, es capaz de obtener un historial completo

de días, meses de ser necesario y comparar con graficas el comportamiento del
proceso, o saber si alguna desviación produjo detenciones.

Desventajas de usar la IA
Es sabido que la inversión inicial es elevada, también se debe asegurar que el
sistema este bien calibrado y actualizado y así garantizar siempre una lectura
precisa.

El entorno puede afectar, ya que si este cambia las mediciones de calibración

también pueden afectar a la precisión de lecturas.

Los componentes son delicados y algún corte de energía o mala manipulación

pueden interferir en la comunicación o la funcionalidad del equipo y el proceso se
verá afectado. Las reparaciones completas pueden ser muy costosas tanto como la
inversión inicial.

Las configuraciones pueden verse afectadas con alguna mala manipulación,

provocando que no funcione bien.

Resultados Esperados
Este tipo de herramienta aspira a evitar daños en maquinaria producto de mala
manipulación o error involuntario de parte de los operadores, busca disminuir
considerablemente los tiempos perdidos por destrozos en equipos a los cuales no
está en sus características procesar fuera de los márgenes de temperatura
establecidos, se busca llegar a un porcentaje del 100% de disponibilidad de las
máquinas y que estas solo se detengan producto de colación, falta de material o
termino de faena, evitando así gastos por mantenimientos correctivos.

15
Las cifras entregadas anteriormente corresponden a valores proporcionados por el
área de Elaborado Agrosuper en que se destinaron $78.000 UDS solo en repuestos
y $40.320 USD por el tiempo en que se dejó de procesar, por lo tanto $118.320 USD
afectaron directamente al proceso, si la inversión inicial corresponde a una cámara
térmica que en el mercado ronda los $5749 USD + IVA, se debe sumar la instalación
y cableado bordearía una inversión cercana a los $7000 USD en una primera
instancia.

Este análisis deja un margen significativo de ganancia a futuro, este margen de

ganancia será una solución que traerá muchos beneficios no tan solo en lo
económico, sino en un trabajo más rápido y confiable.

Comparación de las industrias

La industria alimentaria produce, procesa y envasa alimentos, en estos procesos la
medición debe ser precisa porque es esencial para garantizar la calidad de los
productos, por ejemplo, en la pasteurización que es un proceso de calentamiento y
enfriado controlado en que se matan las bacterias que son dañinas es vital mantener
la temperatura dentro de los rangos específicos. También en los hornos industriales
en la cocción de alimentos la temperatura adecuada garantiza que se cocinen de
forma uniforme y segura.

La Inteligencia Artificial se utiliza en la industria alimentaria mara mejorar la medición

y control de las temperaturas en tiempo real, Los sistemas de IA monitorean y
ajustan automáticamente la temperatura según las necesidades del proceso. Esto
se aplica en las industrias donde mantener un control preciso y que sea manual es
prácticamente muy difícil.

Hasta el momento no se han encontrado información sobre otra industria que utilice
el mismo principio de medición que en este proyecto.

16
Procedimiento para la Aplicación
Para entrenar un modelo de inteligencia artificial con una cámara termográfica en el
sector alimenticio, necesitaremos un conjunto de datos que contenga imágenes
termográficas de los productos en diversas condiciones. A continuación, una lista de
posibles fuentes de datos:

1. Crear nuestro propio conjunto de datos: Capturamos imágenes termográficas del

producto durante su procesamiento, almacenamiento y distribución. Asegurándonos
de cubrir una variedad de productos y condiciones.

2. Repositorios públicos: Buscando repositorios públicos de imágenes termográficas

que puedan contener datos relevantes para el proyecto, como Kaggle, ImageNet o
el NIST Thermographic Hand Database.

3. Compañías especializadas: Algunas empresas se dedican a la recopilación de

datos termográficos para diversas aplicaciones. Lo que se podría investigar si
ofrecen conjuntos de datos o servicios de recopilación de datos a medida.

Cabe mencionar que es importante etiquetar correctamente las imágenes para que
el modelo de IA pueda aprender de manera efectiva. Además, se debe considerar
aspectos éticos y legales al trabajar con datos de la industria alimentaria.

El reentrenamiento del modelo de inteligencia artificial con Python se puede realizar

utilizando bibliotecas como PyTorch. Aquí un ejemplo de cómo realizar el
reentrenamiento de un modelo con PyTorch:

```python

17
import torch

import torch.nn as nn

import torch.optim as optim

from torchvision import datasets, models, transforms

# Paso 1: Seleccionar un modelo preentrenado

model = models.resnet18(pretrained=True)

# Paso 2: Obtener un conjunto de datos etiquetados

# Suponiendo que tenemos un conjunto de datos de imágenes del producto

etiquetado

# Paso 3: Preprocesar los datos

data_transforms = {

'train': transforms.Compose([

transforms.RandomResizedCrop(224),

transforms.RandomHorizontalFlip(),

transforms.ToTensor(),

transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

]),

'val': transforms.Compose([

transforms.Resize(256),

transforms.CenterCrop(224),

transforms.ToTensor(),

18
 transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

]),

# Paso 4: Configurar el modelo

model.fc = nn.Linear(model.fc.in_features, 10) # Supongamos que tienes 10 clases

de temperaturas distintas

# Paso 5: Definir la función de pérdida y el optimizador

criterion = nn.CrossEntropyLoss()

optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)

# Paso 6: Entrenar el modelo

# Suponiendo que tenemos un DataLoader llamado "train_loader" para los datos de

entrenamiento

for epoch in range(10): # 10 épocas

for inputs, labels in train_loader:

optimizer.zero_grad()

outputs = model(inputs)

loss = criterion(outputs, labels)

loss.backward()

optimizer.step()

# Paso 7: Evaluación y ajustes

19
# Evalúanos el rendimiento en datos de prueba y ajustamos hiperparámetros si es
necesario

# Paso 8: Pruebas y despliegue

# Utilizamos el modelo reentrenado para la detección de productos asociados a

nuestro proyecto en imágenes termográficas en situaciones reales

Este es un ejemplo básico con PyTorch. Hay que tener en cuenta que necesitamos
cargar nuestros propios datos y ajustar los hiperparámetros según nuestras
necesidades específicas. El reentrenamiento en la práctica puede ser más
complejo, pero este ejemplo nos proporciona una idea de los pasos generales a
seguir.

Riesgos que puede enfrentar el uso de IA

Los riesgos asociados al uso de IA en la medición de temperatura son importantes
por lo cual detallamos a continuación

Error de medición por mala calibración:

Las cámaras térmicas necesitan una calibración adecuada para realizar las
mediciones precisas, si esta es deficiente o no se realiza correctamente existe el
riesgo que sean mediciones inexactas, esto puede atraer que se mantengan los
problemas en la producción y en la composición de la calidad del producto final

Interferencias Externas:
Las interferencias ambientales, como la iluminación, la temperatura ambiente
pueden afectar a la precisión de las mediciones de cámara térmica, por ejemplo,
fuentes de calor cercanas y trabajos de soldadura a la vista pueden ser más que
perjudiciales.

20
Problemas técnicos:
Cualquier problema como algún defecto en el equipo, puede ser interno como en el
software que recopila los datos, las revisiones son fundamentales para evitar esto.

Cambios en la composición del producto:

Al crear nuevas recetas o productos que involucran carne es posible que la nueva
composición varíe, el tipo o nivel de grasa u otro factor afecta

La emisividad del producto

La emisividad es la capacidad de un objeto para emitir radiación infrarroja térmica,
y que varía según el tipo de material de la superficie y del objeto, por lo tanto, es
fundamental una calibración precisa y comprender que se va a medir.

Precisión de la detección
La precisión de las cámaras termográficas y la IA en la detección de anomalías en
los productos alimentarios es crucial. Si la tecnología no es lo suficientemente
precisa, se pueden pasar por alto problemas de seguridad o se pueden generar
falsos positivos, lo que podría dar lugar a desperdicio de alimentos.

Límites de detección
Las cámaras termográficas y la IA pueden no ser capaces de detectar ciertas
anomalías o contaminantes en alimentos si estos no generan cambios significativos
en la temperatura. Por lo tanto, otras técnicas de inspección, como la visión por
computadora, pueden ser necesarias para abordar riesgos adicionales.

Mantenimiento y calibración
Las cámaras termográficas requieren un mantenimiento y calibración regulares para
garantizar la precisión de las mediciones. La falta de mantenimiento adecuado
puede llevar a resultados incorrectos.

Sesgo y discriminación
Si los modelos de IA utilizados en las cámaras termográficas se entrenan con datos
sesgados, pueden dar lugar a decisiones discriminatorias en la selección o rechazo
de productos.

21
Privacidad y protección de datos
La captura de imágenes térmicas de productos y procesos puede plantear
preocupaciones de privacidad y protección de datos, especialmente si se registran
personas en el entorno de producción.

Cumplimiento normativo
La adopción de la IA y las cámaras termográficas en la industria alimentaria puede
requerir el cumplimiento de regulaciones y estándares específicos en cuanto a
seguridad y calidad alimentaria. El incumplimiento puede dar lugar a sanciones y
problemas legales.

Educación y capacitación
La implementación de tecnologías de IA en la industria alimentaria puede requerir
capacitación y educación adecuadas para el personal a cargo de operar y mantener
estas tecnologías.

Riesgo de fallos técnicos

Las cámaras termográficas y los sistemas de IA pueden experimentar fallos
técnicos que afecten la producción y la calidad de los alimentos. Es necesario contar
con planes de contingencia para abordar estos problemas.

Análisis de la Organización

Análisis de organización y tipo de proceso:

El proceso de elaborado de hamburguesas corresponde a un proceso de fabricación
por lotes, pues en la misma línea de proceso, se elaboran hamburguesas con
diferentes recetas.

La implementación se lleva a cabo en el área de producción encargada de la

elaboración de hamburguesa en una planta de Agrosuper, Este es el lugar donde

22
se produce, procesa la carne para su elaboración se llama Línea de Elaborado de
Hamburguesa

Beneficios para el control de calidad y producción:

Esta implementación beneficia a dos áreas dentro de la organización, control de
calidad y producción, esto implica que no solo ayuda a la calidad del producto final
sino también mejora la eficiencia del proceso

Tiempo de operación
Uno de los beneficios clave, es que el sistema permite que la línea de producción
opere durante más tiempo sin interrupciones significativas debido al problemas de
temperatura extrema que perjudican los componentes como ya se ha mencionado,
reduciendo los costos asociados al mantenimiento y paradas de producción.

Capacidad de producción:
La planta tiene una capacidad de producción significativa, ya que es capaz de
procesar cerca de 2400 kilogramos de carne por hora. Esto indica un alto volumen
de producción y destaca la importancia de contar con un sistema preciso y eficiente.

Cultura de la Organización
Agrosuper se enfoca en la producción y procesamiento de alimentos, en este caso
de hamburguesas. La organización tiene un historial de búsqueda constante de
mejoras y avance en sus operaciones, ha sido involucrada en proyectos de
Inteligencia Artificial como en el uso de la selección de garras, este es un proyecto
único en chile y demuestra el enfoque de la tecnología avanzada para la mejora en
sus procesos. La selección se produce mediante un equipo autónomo que evalúa

23
la calidad y el peso de las garras, discriminando aquellas que no cumplen con los
estándares necesarios para el mercado internacional.

También ha realizado campañas de innovación en la que se destinan recursos para

fomentar nuevas ideas y proyectos que tengan potencial para su implementación.
Esto demuestra el compromiso continuo con la búsqueda de soluciones creativas y
mejoras.

Diagrama P&ID
A continuación, una representación gráfica del estado actual del proceso con el
siguiente diagrama.

Figura 6: Diagrama P&ID proceso actual

Fuente: Elaboración propia (2023)

TI: Indicador de temperatura manual, usado por los operadores para medir
aleatoriamente la temperatura a los bloques de carne.

WI: Indicador de peso, compuesto por una celda de carga, e indicador digital, para
registrar el peso de cada uno de los bloques de carne.

24
MD: Detector de metales y/o hueso, detecta si cada bloque de carne contiene trozos
de hueso o metal y la saca de la línea de producción, envía señal al MC.

MC: Controlador de metales y/o hueso, cuando recibe la señal proveniente de MD,
abre compuerta y retira el bloque comprometido de la línea de producción.

En el siguiente diagrama representamos como se vería reflejado el proyecto de

implementación de IA

Figura 7: Diagrama P&ID proceso implementado IA.

Fuente: Elaboración propia (2023)

TT: Cámara termográfica transmisora de la imagen hacia algoritmo de IA.

WI: Indicador/transmisor de peso.

MD: Detector de metales y/o hueso.

MC: Actuador de compuerta de salida

IA: Inteligencia Artificial

25
Métricas de Desempeño
Para nuestro proceso, al tratarse de un proceso de selección, donde el sistema
deberá determinar si los bloques de carne son aptos o no para ser tratados por la
maquinaria, nos estamos enfrentando a un control de tipo discreto; por lo tanto,
utilizaremos una matriz de confusión para poder medir el desempeño de nuestro
sistema. Y al ser nuestras posibilidades de selección, apto o no apto para el proceso;
estamos frente a una matriz de confusión binaria.

Figura 8: Matriz de Desempeño

Fuente: Elaboración propia (2023)

Tiempo de reentrenamiento
Al momento de reentrenar es importante crear un plan que debe realizarse cada ve
que se ingresen nuevos tipos de carne o fabricación de nuevos productos, si eso no
se cumple un procedimiento trimestral es suficiente para mantener actualizado el
sistema

26
Conclusión
La aplicación de una inteligencia artificial específicamente en el campo de visión por
computadora, es una solución eficiente para medir temperatura de bloques de carne
en una industria grande de alimentos como Agrosuper, proporciona muchas
ventajas como la medición automática y continua proporcionando así la detección
temprana de problemas y la data de información que se pueda obtener y procesarla
para obtener datos de interés en la toma de decisiones, pero es importante
considerar que la inversión será alta y los riesgos de desperfectos pueden ser muy
caros.

La inteligencia artificial está ingresando fuertemente a la industria y es cosa de

tiempo en que este tipo de ideas sean recurrentes y de mayor acceso por parte de
todos, así los procesos serán cada vez más seguros, rápidos y confiables.

Las organizaciones como Agrosuper pueden beneficiarse en términos de calidad

del producto, eficiencia operativa y capacidad de producción. La cultura de
innovación de Agrosuper respalda esta implementación, y la capacitación adecuada
y el cumplimiento normativo son fundamentales para un uso exitoso y ético de la IA.

27
Anexo

Matriz 2022 Agrosuper

https://www.agrosuper.cl/wp-content/uploads/2023/06/Reporte-Agrosuper-2022-
web.pdf

Developer Resource Center

May 4, 2022, https://developer.oracle.com/es/learn/technical-articles/what-is-
pytorch

PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook

14 Dic 4:18 pm:

https://datascientest.com/es/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-
deep-learning-de-facebook

28