Proyecto de investigación: Utilizar la IA para crear una empresa resiliente

Las interrupciones de la producción y la consiguiente pérdida de calidad del producto se producen una y otra vez. Averías de las máquinas, fallos técnicos, cambios en la composición de los materiales, fugas, escapes de lubricantes, etc., ... las causas son variadas y a menudo imprevisibles. Cuanto mejor y más rápido pueda reaccionar una empresa ante estas influencias, más resiliente, es decir, más resistente y, por tanto, más competitiva será a largo plazo. Como parte del proyecto de investigación SPAICER, se están desarrollando servicios inteligentes de resiliencia (SRS) con la ayuda de métodos de IA. El objetivo es permitir a las empresas reconocer y responder más rápidamente a las perturbaciones, incluso en la producción. En el mejor de los casos, será posible evitarlas por completo, o al menos reducirlas.

El Proyecto SPAICER está financiado por el Ministerio Federal de Economía y Protección del Clima. El consorcio está formado por investigadores, socios industriales y proveedores de servicios de apoyo del sector de las TI y el software. El proyecto de investigación está coordinado por el Centro Alemán de Investigación en Inteligencia Artificial (DFKI) de Saarbrücken.

Previsiones de desgaste: el momento ideal para el mantenimiento

La supervisión del estado de las máquinas de producción y el mantenimiento predictivo basado en la recopilación de datos en tiempo real desempeñan un papel clave en el reconocimiento del desgaste.

Como parte del proyecto SPAICER, la recopilación y el análisis de datos por parte de la IA se utilizarán en un caso de uso para determinar el momento ideal en el que una herramienta está desgastada hasta el punto de tener que ser sustituida, pero sigue siendo lo suficientemente buena como para garantizar una calidad constante del producto y un proceso de producción sin problemas. La dirección de este caso de uso corrió a cargo de la empresa Piezas Feintool Systems en Jena, que fabrica componentes para la industria del automóvil, por ejemplo, utilizando el corte fino.

El diagnóstico acústico estructural se utiliza para obtener datos detallados sobre el proceso de corte fino para el proyecto de investigación. Un método acústico innovador. Con ayuda de la IA, se analizarán los datos y se creará una previsión del desgaste para que los empleados estén informados a tiempo sobre las próximas tareas de mantenimiento (por ejemplo, la sustitución de los llamados elementos activos).

Las ventajas son evidentes: la predicción automática del desgaste facilita la planificación de los trabajos de mantenimiento y las secuencias de procesos. Esto no sólo ahorra el tiempo y los costes necesarios para las inspecciones periódicas de las herramientas, sino que también aumenta la calidad del servicio como proveedor y fabricante.

Optimización de los parámetros del sistema

Otro punto clave es el ajuste de las máquinas enderezadoras y las herramientas de corte fino. Cada vez que se cambian las bobinas de acero suministradas, hay que reajustar las máquinas y las herramientas en función de las propiedades estructurales de las bandas de acero. Esto cuesta tiempo y material, ya que es posible que haya que producir y probar 100 o más piezas antes de que la producción ofrezca la calidad requerida. Con cada bobina se suministra un certificado de obra (certificado 3.1). Sin embargo, estos datos no son suficientes para ajustar de inmediato la aplanadora y la herramienta de corte fino de forma que se consiga inmediatamente la calidad deseada. Las características de cada bobina son demasiado diferentes. En el marco del proyecto SPAICER, se va a crear un gemelo digital de las bobinas que contenga más datos, en particular sobre las propiedades de la microestructura, y que por tanto debería hacer más eficaz el ajuste de las máquinas y las herramientas en el futuro.

La bobina digital

Feintool Systems Parts en Jena es suministrada por la Reinhold Mendritzki Kaltwalzwerk GmbH & Co. KGque produce fleje de acero, enrollado en enormes bobinas. Actualmente, cada cliente recibe un certificado de obra con el fleje de acero entregado, que describe las características de la bobina, es decir, la geometría y las propiedades mecánicas, y confirma las especificaciones prescritas por el cliente.

Además de la geometría, las características de la bobina suelen consistir en un ensayo de tracción, la composición química, la dureza y la microestructura. Sin embargo, esto es sólo una pequeña parte de las propiedades de los materiales metálicos. Además, las mediciones sólo pueden realizarse al principio y al final de una bobina, ya que los ensayos no son no destructivos. Como resultado, los parámetros en los pasos de procesamiento posteriores, como el enderezado y el corte fino, tienen que ajustarse repetidamente con cada cambio de bobina y puede que no ofrezcan inmediatamente la calidad de producción deseada.

Como parte del proyecto SPAICER, se van a utilizar mediciones magnéticas adicionales para crear un gemelo digital de la bobina (bobina digital), que contiene datos mucho más significativos que el certificado de los trabajos anteriores.
El objetivo del proyecto de investigación es también desarrollar un modelo de proceso completo basado en la IA a partir de la bobina digital de Mendritzki y los datos de Feintool, que sugiera automáticamente los parámetros óptimos para el proceso de aplanado y corte fino. En el mejor de los casos, esto permitiría iniciar inmediatamente la producción con una calidad de 100 %. deZem está prestando apoyo en el desarrollo de la infraestructura de datos y los módulos de IA.

Visión: Nuevos modelos de negocio

Los gemelos digitales abren toda una nueva dimensión en el desarrollo de modelos de negocio. Por ejemplo, los datos digitales pueden ofrecerse como un producto complementario junto con el producto físico. Estos son especialmente valiosos en la industria de transformación, ya que se pueden mejorar los procesos y flujos de trabajo de producción y garantizar una calidad constante del producto. Además, en el futuro podrían ahorrarse tiempos de preparación innecesarios, la producción de piezas de prueba y, por tanto, también costes y materiales. En otras palabras, una situación en la que proveedores y clientes salen ganando y la base para una cooperación de confianza entre todas las partes a través de la transparencia.