El trabajo premiado consiste en el diseño de una herramienta IIoT (Industrial Internet of Things) para monitorizar en tiempo real el equilibrio de las prensas durante el proceso de estampado, detectar anomalías por desequilibrio o discontinuidad y predecir posibles averías, explica la institución académica en un comunicado.
Esta tecnología, premiada con el GMTEA 2023 de Ford, forma parte de la tesis doctoral que el doctorando Iván Peinado realiza en la CEU UCH, con financiación de la Fundación para el Desarrollo y la Innovación (FDI), y bajo la dirección del profesor doctor Nicolás Montes Sánchez, investigador principal del Grupo en Automatización Industrial y Robótica (AIR) de la CEU UCH, y del doctor por esta Universidad Eduardo García Magraner, gerente del área de Ingeniería de Carrocerías y Prensas de Ford Valencia.
Los tres investigadores han publicado los resultados de este nuevo desarrollo tecnológico premiado por Ford en la revista científica Sensors, en el artículo titulado «Virtual Sensor of Gravity Centres for Real-Time Condition Monitoring of an Industrial Stamping Press in the Automotive Industry».
Ya en 2019, su modelo matemático de predicción de averías en las líneas de producción de carrocerías y prensas «Miniterms 4.0», diseñado por el equipo de la CEU UCH y Ford en Valencia, fue la mejor innovación del año en la multinacional americana, logrando el premio Henry Ford Technology Award 2019, que Ford otorga anualmente a la mejor propuesta presentada por sus 80 plantas y 3 centros de investigación en todo el mundo.
La evolución de su metodología, ahora para detectar anomalías por desequilibrio o discontinuidad en el proceso de estampado, les ha hecho merecedores de este nuevo premio de Ford, el Global Manufacturing Technical Excellence Award (GMTEA), solo cuatro años después.
Detección anomalías por desequilibrio
Según explica el autor de la tesis doctoral, Iván Peinado, «el sistema premiado se basa en la misma filosofía que el proyecto »Miniterms 4.0", es decir, utiliza los datos ya disponibles en las máquinas de las plantas de producción para generar herramientas IIoT.
En este caso se ha definido el denominado «Criterio 360», para almacenar datos de los sensores de las prensas cada vez que la posición de su eje principal ha girado un grado. Dado que el eje principal gira en un ciclo completo de la prensa, este criterio nos permite obtener información de las fases del proceso y muestra fácilmente en qué parte del ciclo se encuentran los datos medidos".
El doctor por la CEU UCH Eduardo García Magraner, de Ford Valencia, destaca que el nuevo sistema «detecta anomalías por desequilibrio o discontinuidad en el proceso de estampado mediante el algoritmo DBSCAN, lo que permite evitar paradas inesperadas y averías graves. Además de realizar las pruebas previas para verificar que realmente se detectan desequilibrios mínimos en el proceso de estampado, el sistema ha estado conectado a la producción normal en la planta de Almussafes durante todo un año, mostrando su plena efectividad».
Según apunta el profesor de la CEU UCH Nicolás Montés, «el trabajo realizado en la tesis de Iván Peinado, así como en la tesis previa del doctor Eduardo García Magraner sobre los »Miniterms«, demuestra que la clave del éxito en estos sistemas predictivos es utilizar los sensores que ya hay instalados en la industria, para desarrollar herramientas para el Internet Industrial de las Cosas (IIoT)».
«Actualmente, --prosigue-- los centros de investigación, universidades y empresas proponen herramientas IIoT para las que es necesario instalar sus propios sensores y utilizar su propia red para extraer los datos a una Base de datos localizada en sus instalaciones. Estas soluciones no son viables en la industria, porque se necesitaría instalar y mantener miles y miles de sensores para cubrir todas las máquinas existentes en una factoría como la de Ford. Por esta razón no se generaliza su uso y solo se usan en máquinas críticas».
Colaboración universidad-empresa
En este sentido, Montes destaca la importancia de la colaboración Universidad-Empresa para el desarrollo de herramientas que puedan implantarse efectivamente en la industria.
«Nuestro concepto 'I3oT' propone desarrollar herramientas IIoT mediante el uso de los sensores ya instalados, los que hacen que la línea tenga un funcionamiento automático. Esto permite la obtención de datos sin instalar nuevos sensores y desde todas las máquinas y factorías ya monitorizadas. Por ejemplo, actualmente hay instalados cerca de 40.000 minitérminos en las factorías de Almussafes, Craiova y Sarlouis, con un coste mínimo. Esto es I3oT: un Internet de las Cosas industrial e industrializable».
Y añade. «Nuestro concepto I3oT debería hacer pensar a los centros de investigación y universidades que no es posible trabajar solos en el laboratorio, porque entonces, cuando se quiere hacer transferencia hacia la industria, esta no es posible. El trabajo codo a codo con la industria, entendiendo sus problemas y limitaciones, es el camino a seguir para alcanzar la tan ansiada Industria 5.0».
Junto a los investigadores Iván Peinado Asensi, Nicolás Montes Sánchez y Eduardo García Magraner, forman parte del equipo investigador de Ford y la CEU UCH premiado con el GMTEA 2023 Hilario Teruel Sempere, de Ford; los doctorandos de la CEU UCH Javier Llopis Ballester y Antonio Lacasa Corral, también personal de Ford; y Juan Carlos Latorre Iranzo, Personal de apoyo a la investigacion de la CEU UCH destinado en Ford.
Sin comentarios
Para comentar es necesario estar registrado en Ultima Hora
De momento no hay comentarios.