Siemens y NVIDIA dieron a conocer a finales de octubre de 2026 un avance en su colaboración para manufactura adaptativa con inteligencia artificial, enfocado en la inspección óptica automática (AOI) de tarjetas de circuito impreso. La idea central es preparar y calibrar la inspección antes de que salga de la línea la primera tarjeta física.
Cómo funciona el flujo
El proceso parte de Siemens Teamcenter, que aporta el diseño de la PCB, la lista de materiales y los datos de componentes. Con Process Preparation X esa información se valida y se integra en un gemelo digital del ensamble. A partir de ese modelo de la "tarjeta patrón", NVIDIA Cosmos genera una versión virtual fotorrealista y su herramienta Cosmos Data Factory produce imágenes sintéticas de tarjetas buenas y con defectos. Con ese material se ajustan los equipos de inspección sin esperar producción real.
Ya en operación, un segundo paso de revisión apoyado en IA analiza lo que el AOI marca como sospechoso para distinguir entre defectos verdaderos y falsos rechazos. La solución se demuestra en la planta de electrónica de Siemens en Erlangen, Alemania, donde se busca poder introducir cambios varias veces por semana sin frenar la línea. Las metas que comunicaron las empresas incluyen hasta 85% menos trabajo manual en la generación de programas AOI, 40% menos falsos rechazos y una mejora superior al 5% en el rendimiento a la primera.
¿Qué significa para la industria en México?
México es uno de los grandes centros de ensamble electrónico para el sector automotriz, médico y de electrodomésticos, y los arranques de nuevos números de parte suelen ser un cuello de botella: programar el AOI, ajustar tolerancias y atender falsos rechazos consume horas de ingeniería. Aunque se trata de un desarrollo todavía demostrado en una planta piloto, marca una tendencia clara: datos sintéticos y gemelos digitales para entrenar inspección y una capa de IA que filtra los falsos rechazos. Para las plantas de EMS en Jalisco, Chihuahua, Baja California o Nuevo León, vale la pena revisar hoy cuánto cuesta cada falso rechazo y qué tan preparado está su flujo de datos de diseño para aprovechar estas herramientas cuando maduren.
Fuente: Robotics & Automation News