Uno de los retos con los que lidia el sector industrial es el del mantenimiento predictivo. Esto es, la monitorización de las máquinas en tiempo real para detectar si durante su funcionamiento hay algún desajuste. Si esto ocurriera, hay que intervenir antes de que se produzca un fallo que derive en la paralización de los equipos, y en consecuencia, de la actividad de la planta.
El objetivo es mejorar la disponibilidad de la maquinaria anticipándose a posibles colapsos y evitar periodos de paradas no programados.
Actualmente, esa supervisión se realiza a través de sensores que, instalados en los equipos, se encargan de captar datos sobre su estado y rendimiento. Estos datos se mandan a una plataforma que los analiza y ofrece información para la toma de decisiones. Por ejemplo, si hay que cambiar una pieza porque está muy desgastada antes de que dañe otros activos.
La eficacia de este sistema está sobradamente probada, aunque le falta ser del todo precisa.“La gestión y análisis de datos en una plataforma alojada en la nube produce retardos que, en ocasiones, son críticos para el funcionamiento de una planta industrial y no permiten anticiparse a los fallos con exactitud y tiempo suficiente”, afirma Belén Lanuza, directora gerente del Digital Innovation Hub Industry 4.0 (DIHBU), en conversación con D+I.
El siguiente es mejorar su precisión, no solo recopilando los datos utilizando tecnología edge computing (lo más cerca posible del punto donde se generan), sino también empleando un sistema que simula la forma en la que el cerebro procesa la información.
Tecnología neuromórfica
Desde este centro de innovación dedicado al sector industrial han puesto en marcha el proyecto NeuroC2PS4Maintenance junto al Instituto Tecnológico de Castilla y León (ITCL), responsables del desarrollo de la tecnología; y la pyme alicantina Intigia, especialista en la implementación de inteligencia artificial en sistemas embebidos. El DIHBU, con sede en Burgos, se encarga de coordinar las pruebas finales.
El fin es “desarrollar y validar un nuevo tipo de sensor inteligente, basado en algoritmos de aprendizaje profundo, capaz de alertar de errores con antelación y proporcionar una respuesta rápida y segura a aplicaciones de mantenimiento predictivo en escenarios industriales de alta exigencia”.
Para conseguirlo, el proyecto emplea lo que ya adelantábamos más arriba: tecnología neuromórfica. Un tipo de computación diseñada para imitar la forma de trabajar del cerebro humano. Lo que distingue los enfoques neuromórficos es "su capacidad de utilizar circuitos de hardware conectados de manera intrincada para ofrecer mejores soluciones a operaciones cognitivas sofisticadas".
El detector de anomalías de NeuroC2PS4Maintenance emplea algoritmos de aprendizaje profundo LSTM (long Short-Term memory). “Una de las novedades es que será capaz de detectar cuándo los datos utilizados para el desarrollo de los algoritmos están obsoletos y el sistema debe reentrenarse”, explica Javier Sedano, director de I+D de ITCL, a D+I.
“Nadie ha conseguido algo similar nunca. Hay tentativas en muchos sitios del mundo pero nunca se ha hecho nada al respecto. Lo que estamos haciendo es insólito”, asegura Lanuza. “Otra de las ventajas de este sistema es que no interactúa con la máquina, sino que se implementa en paralelo”.
El proyecto, que se inició en marzo de este año, se encuentra en fase de desarrollo. Tras realizar el estudio y aprobar las especificaciones, en el ITCL ya están trabajando en el algoritmo y en el diseño del hardware. Los responsables de la iniciativa calculan que a principios del próximo año contarán con un prototipo para validar y hacer el testeo, primero en el laboratorio y después en la planta que la multinacional Gonvarri tiene en Burgos.
Si los resultados son óptimos, “se conseguiría un prototipo único ideado y desarrollado en España, y que fabricaría una empresa española [en alusión a Intigia]”, resalta Lanuza.
El proyecto ha obtenido una financiación en cascada, o para terceros, de algo más de 128.000 euros. Una cantidad proveniente de la primera convocatoria de ‘Propuestas para Experimentos de Aplicación en el ámbito de los sistemas Ciberfísicos y Embebidos’, de la red europea DIH4CPS.
Esta línea de ayudas europea ofrece subvenciones a iniciativas en las que participen pymes y que cuenten con el acompañamiento específico de un DIH especialista en el entorno de prueba.