"FONDOS GVA AUTOPREDICTIVA" GVA I4.0 - AUTOPREDICTIVA - AUTOMATIZACIÓN DE PROCESOS MEDIANTE TECNOLOGÍAS DE ANÁLISIS, PREDICCIÓN E INTEGRACIÓN DE APLICACIONES Y SISTEMAS DESCRIPCIÓN Una de las líneas estratégicas de actuación que lleva a cabo AIDIMME en el campo de la investigación y desarrollo, consiste en el desarrollo y aplicación de diferentes elementos (dispositivos físicos, software, metodologías, etc) basados en tecnologías habilitadoras de la Industria 4.0. Estos elementos facilitan la transición de las empresas manufactureras de nuestro entorno hacia una fabricación inteligente. El proyecto AUTOMATIZACIÓN PREDICTIVA persigue el diseño de un sistema predictivo de control de procesos, cuya función es advertir de la posibilidad de que aparezcan anomalías, a partir de la captura de los datos en tiempo real, su análisis y su modelado. El proyecto consta de una parte de estudio y análisis de la bibliografía y experiencias previas que se hayan desarrollado en este campo, y otra parte en la que se experimenta con datos de diferentes procesos de fabricación para definir en qué medida se puede predecir el comportamiento de los mismos y utilizar estos resultados para reducir la intervención humana en el proceso. OBJETIVOS El objetivo último es conseguir procesos autónomos que sean capaces de gestionar el flujo de fabricación con mínimas intervenciones externas. Para ello previamente se debe saber qué está pasando en los procesos y por qué está sucediendo, para lo cual se debe conocer el estado del proceso en tiempo real. Una vez establecidas las condiciones adecuadas de funcionamiento, se pasa a predecir cómo funcionará el proceso a medida que se van modificando los parámetros relevantes por la variabilidad asociada al propio proceso. Y finalmente, cuando todas estas condiciones se cumplen, se puede permitir al sistema predictivo que gestione de forma autónoma el proceso. Los objetivos específicos del proyecto para 2020 son los siguientes: Desarrollar una aplicación inteligente en una célula robotizada Generar una metodología para abordar la automatización de procesos inteligente. • Validar la metodología en un entorno controlado utilizando una línea de fabricación a escala reducida Número de proyecto: 22000005 Expediente: IMAMCC/2020/1 Duración: Del 01/01/2020 al 31/12/2020 Coordinado en AIDIMME por: SÁNCHEZ ASINS,JOSÉ LUIS Línea de I+D: INDUSTRIA 4.0 VÍDEO EXPLICATIVO RESULTADOS OBTENIDOS Año 2021: Las conclusiones del experimento realizado para validar la hipótesis son: - La modelización de un proceso que trate de reproducir un cambio de estado en el mismo, de un estado A a un estado B, no debe realizarse reproduciendo las condiciones de ambos estados por separado, sino que debe reproducir el cambio de estado. De otra forma no existe información suficiente para detectar con fiabilidad cuándo se va a producir el cambio de estado. Es decir, no se puede actuar de forma preventiva ya que el algoritmo generado sólo podrá identificar uno de los dos estados pero no podrá predecir el cambio. En el algoritmo entrenado en el experimento realizado se produce precisamente esta situación, ya que actúa únicamente como un clasificador de estados. - Dependiendo del problema a resolver que se haya priorizado en el punto E de la metodología, es posible que la toma de datos se alargue mucho en el tiempo. Tal es el caso de la pérdida de filo de las brocas para madera, ya que la vida útil de esta herramienta antes de que comience a realizar taladros en malas condiciones puede oscilar entre dos y seis meses dependiendo de la carga de trabajo. Otros procesos de desgaste o mal funcionamiento pueden ser mucho más largos, por lo que cuando se decida abordar la automatización predictiva de un proceso concreto, se debe evaluar el tiempo requerido para que se produzcan los cambios de estado, y obrar en consecuencia. - En caso de que el tiempo de experimentación se considere excesivamente largo, se puede actuar como en el experimento realizado, extrayendo datos de los dos estados por separado siempre que se puedan reproducir. Una vez se dispone del algoritmo clasificador debe validarse en el proceso real, estimando un porcentaje de resultados “malos” que indiquen que se producirá un cambio de estado próximamente, lo cual también debe contrastarse experimentalmente. Es posible que este contraste también requiera un largo periodo de pruebas, como ha sucedido con el caso estudiado. Año 2021: Año 2020: Resultados 2020 Entregables:    NOTICIAS PUBLICADAS Difusión general https://actualidad.aidimme.es/2022/04/19/mejora-eficienc (...) https://www.interempresas.net/Robotica/Articulos/385646- (...) https://actualidad.aidimme.es/2020/09/28/aidimme-formato (...) https://actualidad.aidimme.es/2020/12/30/especial-difusi (...) http://actualidad.aidimme.es/2020/07/29/aidimme-concepto (...) http://actualidad.aidimme.es/2020/11/26/empresas-partici (...) http://actualidad.aidimme.es/2020/07/01/proyectos-apoyo- (...) http://actualidad.aidimme.es/2019/12/18/automatizacion-p (...) SUBVENCIÓN Total Convenio: 2.803.920,44 € PÚBLICO OBJETIVO Y MEDICIÓN DE IMPACTO 3299 Accesos a la web del proyecto 4612 Accesos a noticias publicadas en webs propias. Total Accesos: 7911 Sectores Objetivos por CNAE CNAE: 3101 - Fabricación de muebles de oficina y de e - Nº de empresas objetivo: 575 (115 de la Comunidad Valenciana) CNAE: 3102 - Fabricación de muebles de cocina - Nº de empresas objetivo: 666 (156 de la Comunidad Valenciana) CNAE: 3109 - Fabricación de otros muebles - Nº de empresas objetivo: 5586 (1332 de la Comunidad Valenciana) EMPRESAS TRACTORAS Gracias a su apoyo y firma de la “declaración de participación” el proyecto ha podido ser financiado. ROYO SPAIN, S.L. MEDITERRANEAN WOOD FACTORY S.L.U EMPRESAS DIFUSIÓN PROYECTOS I+D Quieren conocer de primera mano la evolución del proyecto, y sus avances hasta el resultado final. EMPRESAS TRANSFERENCIA CONOCIMIENTO Implantarán tecnologías, desarrollarán estrategias o buscarán nuevos modelos a partir de los resultados.