AZTERLANek simulazio-sistemetan erabiltzen diren kalkulu konputazionaleko metodoak hobetzeko lanean dihardu, digitalizazio aurreratuaren eta biki digitalen onurak aplikatuta, prozesuan eta ikaskuntzan sortutako datuak denbora errealean jasoz eta iragarpen- eta sailkapen-eredu aurreratuak erabiliz.
Industria metalmekanikoak gero eta gehiago erabiltzen ditu prozesua kontrolatzeko tresnak eta biki digitalak ekoizpena hobeto gainbegiratzea eta emaitzak hobetzea lortuta. Horrez gain, fabrikazio-prozesu horiek etengabe hobetzeko agertokiak simulatzen dira. Baina iragarpen-gaitasunetik haratago joateko eta fabrikazio-prozesu adimendunak garatu ahal izateko, beharrezkoa da adimen artifiziala aplikatzea.
Helburu horrekin, DIGIPRIN proiektuak Adimen Artifizial entrenatua garatzeko lanean dihardu, hainbat fabrikazio-prozesuren aurresateko ereduak garatuz, monitorizazio eta ikuskapen ez-suntsitzaileko tresna berrietan oinarrituz. Automobilgintza, ibilgailu astun eta trenbide industriekin lotutako hainbat fabrikazio-prozesutara bideratuta dauden lantaldeen bidez, DIGIPRINek ezagutza berria garatuko du prozesuen biki digitalen bidez Kontrol eta Adimen Artifizialeko Eredu Prediktiboak sortzeko eta ezartzeko, eta ezagutza berria garatuko du honako eremu hauetan:
- AArekin hobetutako simulazio-ereduak, automobilgintzarako galda-osagaien produkzioan akatsak murrizteko
- Automobilentzako dual phase (DP) altzairu xaflaren propietate mekanikoak aurreikusteko suberaketa jarraituaren ereduen garapena
- Ibilgailu elektrikorako Battery Pack-en diseinuari aplikatutako laser bidezko soldadura-soluzioak
- Laser bidezko soldadurarako ereduak, ibilgailu astunetan eta trenetan ezartzeko osagaien egiturazko soldaduretan distortsioak eta hondar-tentsioak aurreikusteko ereduak
Adimen artifiziala eta Indartzeko ikaskuntza, pieza urtuen akatsak murrizteko
HISPAVISTA LABSen eta EDERTEKen eskutik, AZTERLANen DIGIPRINen parte hartzea automobiletarako galdatutako osagaien fabrikazio-akatsak murriztera bideratuko da, dagoeneko ezagunak diren biki digitalak ikaskuntza eredu honekin uztartuta.
Javier Nieves AZTERLANeko Fabrikazio Teknologia Adimendunen ikerketa lerroko arduradunak zehaztu duenez, “orain arte, ahalegin gehienak kontrol-eredu prediktiboak eta machine learning sistemak garatzera bideratu dira. Horien bidez, aurrez definitutako datuen arkitekturak erabilita, parametroen arteko prozesuak eta elkarrekintzak ulertu nahi genituen, iragarpenak egiteko edo mugen barruan ez zeuden adierazleak detektatzeko gai izateko. Benetako jauzi kualitatiboa, hau da, fabrikazio-prozesu adimendunen garapena, agertoki dinamiko eta aldakorretan ekintza-planak diseinatzeko eta proposatzeko gai diren sistemak sortzean datza. Horretarako, sistemek agertoki horiekin elkarreragiteko duten modua eta haiengandik ikasteko duten modua ere dinamikoagoak izan daitezen behar dugu “. AZTERLANeko teknologia aurreratuetan adituaren hitzetan, kalkulu konputazionalaren bidez iragartzeko ohiko tresnek muga handiak dituzte, prozesuaren aldagai garrantzitsu eta erreal guztiak ez dituztelako txertatzen, prozesuaren berezko aldakortasunera ez direlako egokitzen edo ez direlako partekatutako datuez baliatzen.
Helburu horrekin, ikerketa-taldeak fabrikazio-prozesuetako biki digitalak integratzen eta errefortzuzko ikaskuntzan lan egingo du. “Errefortzu bidezko ikaskuntzen oinarria da sistemek saiakera-akats interakzioen bidez ikastea, egiten duten ekintza bakoitzeko errefortzu-seinaleak ematen zaizkien giro dinamiko ezezagun batekin”. Ikasteko metodo honetan, ikasten ari den agentearen helburuak berehalako errefortzu-seinale batek definitzen baditu, agentearen zeregina kontrol-estrategia (edo estrategia politiko) bat ikastera mugatzen da, denboran zehar metatutako saria maximizatu ahal izateko. Hau da, “eragiketa horretan, agenteari ez zaio esaten zer ekintza egin behar zukeen; aitzitik, esperientzia erabilgarria, ekintzak, egoerak eta jarduteko moduak biltzeko aukera ematen zaio”.
Horrez gain, lantaldeak gomendio-sistema bat txertatuko du, benetako produkzio-prozesu batetik datozen lankidetza-datuak erabiliz. “Horrek esan nahi duenarekin: denbora errealeko datuak, benetako produkzio-prozesu baten berezko aldakortasuna, zeinak, dagoeneko aplikatutako eta arrakastatsu gisa ezagutzen diren konponbideak ezagututa, hautemandako arazoa konpontzen duten jarduera ezagunak proposatuko baitituen, eta egungo kasuaren antzekotasunengatik ebazteko estrategia zehaztuko dituen”.
DIGIPRIN proiektua Eusko Jaurlaritzaren ELKARTEK programak diruz lagundutakoa da (KK_2024 00113 espedientea), eta BRTAko kide diren CEIT (proiektuaren liderra), AZTERLAN, IKERLAN eta LORTEK teknologia-zentroen eta HISPAVISTA LABS eta EDERTEK erakundeen parte hartzea dauka. Lantalde desberdinek adimen artifizial entrenatuaren garapenean oinarritzen dute beren ikerketa, automobilaren, ibilgailu astunaren eta trenbidearen industrietarako hainbat fabrikazio-prozesu iragartzeko ereduen bilakaeratik abiatuta, monitorizazio- eta ikuskapen-tresna ez-suntsitzaile berrietan oinarrituta.
