IK4-AZTERLAN participa en el proyecto EFFORT 4.0, orientado al desarrollo de Inteligencia Artificial y sensórica avanzada para procesos industriales

Liderado por la empresa Alcorta Forging Group el consorcio multidisciplinar de EFFORT 4.0 está compuesto por empresas y agentes de innovación del País Vasco del ámbito de la transformación metálica, la gestión de la información, la eficiencia energética y la ciberseguridad como, Ekide S. Coop., Larraioz, Ulma Embeded Solutions S. Coop., Dominion, AYS, Ingetek, Ceiber, Titanium Industrial Security, Mondragon Unibertsitatea, IK4-IKERLAN, AC4C, Vicomtech, Ikergune, la Universidad de Deusto y el Centro de Investigación Metalúrgica IK4-AZTERLAN.

La gestión del conocimiento y de la información son aspectos fundamentales para impulsar la pervivencia del know-how de las empresas y la mejora continua de los procesos productivos industriales, avanzando hacia modelos de fabricación más eficientes. Las tecnologías de la información y de la comunicación ponen al alcance de la industria herramientas que permiten capturar, almacenar y relacionar la información relevante generada en distintos puntos del proceso, para desarrollar sistemas inteligentes que interactúan en el proceso de fabricación, limitando o complementando el factor humano en la toma de decisiones.

En el ámbito de la captura de datos, la óptima monitorización del proceso productivo comprende el control permanente de los diferentes elementos (máquinas, utillajes, productos intermedios o productos finales), que forman parte de este. No obstante, las condiciones ambientales hostiles que se dan en ciertas industrias (procesos de trabajo a alta temperatura, elevadas presiones, o niveles altos de material particulado en suspensión), dificultan la operatividad y el funcionamiento de los sistemas de captura de datos. Se trata de una problemática generalizada para sectores como la fundición, la siderurgia, la forja, HPDC, LPDC o la estampación en caliente, en los que el control del proceso suele encontrarse condicionado por estos factores.

Los nuevos sistemas de analítica de datos permiten procesar grandes cantidades de datos, organizarlos y relacionarlos con los indicadores clave del proceso, utilizando herramientas tales como los modelos predictivos de control. A su vez, tecnologías como el machine learning y la inteligencia artificial, basadas en modelos matemáticos complejos, permiten fusionar el conocimiento humano con el autoaprendizaje de las máquinas para conseguir resultados sorprendentes en la toma de decisiones, sobre aspectos clave de los procesos industriales.

Con el objetivo de aprovechar estas oportunidades, el proyecto Effort 4.0, que aúna un consorcio multidisciplinar compuesto por 15 empresas y agentes de innovación del País Vasco, desarrollará una analítica de datos avanzada que integrará el conocimiento experto en proceso, la capacidad de autoaprendizaje de los sistemas inteligentes y elementos de sensórica avanzada para mejorar la eficiencia de los procesos productivos de la industria metal-mecánica. De este modo, el proyecto permitirá fusionar el conocimiento de los distintos ámbitos y personas implicados en el proceso productivo para favorecer que “el conocimiento sea la base para el desarrollo de una arquitectura digital que vaya dotando a los procesos de mayores niveles de automatización, tanto en la fabricación, como en la gestión de resultados.

Para ello, durante 3 años, Effort 4.0 desarrollará, entre otros, modelos predictivos de control en tiempo real de los datos capturados y un nuevo software de simulación de predicción de defectos. Asimismo, implantará una arquitectura digital (prototipo) soportada en una analítica de datos avanzada, que incorporará aspectos tales como MPC y machine learning para el control energético de proceso y producto en forja, en fundición de hierro y en HPDC (inyección de aluminio).

Con todo, el proyecto Effort 4.0 permitirá, entre otros, disminuir significativamente el nivel de piezas rechazadas, repercutirá en un control de la vida de los utillajes y mejorará la calidad final de las piezas fabricadas, así como los niveles de eficiencia de la producción.

Imagen de un proceso de forja (cedida por: SIFE)