M315 Industria MetalMecánica

DIGITALIZACIÓN E INDUSTRIA 4.0 52 Una vez definida dentro de la estra- tegia de transformación digital un proyecto de mejora relacionado con el análisis de datos, se cuenta con la infraestructura física (sensores y cap- tadores de información), el software necesario para el análisis (se pueden programar aplicaciones desde cero con tutoriales que se encuentran en internet), se puede iniciar a crear apli- caciones que sirvan para lo que se haya considerado conveniente, por ejemplo: Estos son solo algunos de los ejemplos que se pueden encontrar en la litera- tura científica, a día de hoy hay más de 140 (Bertolini et al. 2021) trabajos en los que se exponen claramente las apor- taciones y los resultados industriales de las aplicaciones probados con datos Dentro del marco del proyecto 5G-Euskadi, se va a realizar la integración de tecnologías 5G den- tro de un entorno de fabricación industrial como es el CFAA, con objeto de mejorar el rendimiento y la eficiencia de los procesos industriales llevados a cabo en el centro y dar cabida a nuevos tipos de aplicaciones innovadoras de monitorización de procesos y de tratamiento de datos. Actualmente, el CFAA forma parte de una infraestructura de red expe- rimental llamada Smart Networks for Industry (SN4I, https://i2t.ehu. eus/es/resource/sn4i), basada en las tecnologías 5G como son la Virtualización de Funciones de Red (NFV) y las Redes Definidas por Software (SDN). SN4I proporciona recursos de cómputo, red y almace- namiento sobre una infraestructura Cloud compuesta por un nodo en el CFAA, otro en el rectorado en Leioa y otro nodo en la Escuela de INTEGRACIÓN DE TECNOLOGÍAS 5G EN EL CFAA Ingeniería de Bilbao (EIB), ofreciendo en conjunto una mayor cantidad de recursos. Las ventajas de SN4I se basan en la rapidez, automatización y flexi- bilidad en el despliegue de servicios de red mediante la virtualización y el particionado de recursos. En este contexto, uno de los objetivos del proyecto 5G-Euskadi es el desplie- gue de una red 5G de baja latencia orientada al entorno de comunicacio- nes industrial. Para ello, el operador de telecomunicaciones, Euskaltel, en colaboración con el proveedor de infraestructura ZTE, ha dotado de cobertura 5G al área donde se localiza el CFAA. De este modo, el siguiente paso es la progresiva migración de la sensorización de las máquinas de fabricación avanzada del CFAA que requieran las prestaciones a esta nueva tecnología. Por otro lado, se están evaluando diversas alternativas de ampliar las capacidades de SN4I mediante la instalación de una infraestructura dedicada de Multi-Access Edge Computing (MEC). El paradigma MEC, otro pilar clave de 5G, se basa en mover los recursos de procesa- miento al borde de la red, o, dicho de otra manera, lo más cerca posible de donde se generan los datos a ser procesados (por ejemplo, sensores). El objetivo de MEC es lograr una reducción significativa de la laten- cia respecto al paradigma Cloud más tradicional, haciendo posible la implementación de funciones de monitorización de procesos indus- triales con requerimientos críticos en cuanto a tiempo de reacción a diferentes eventos. Para optimizar este tipo de casos de uso, un MEC se centra en permitir el despliegue de aplicaciones basadas enmicroser- vicios, en general más ligeras y ágiles que las máquinas virtuales. Un ejemplo de caso de uso consiste en la monitorización del proceso de brochado de una brochadora. Los sen- sores instalados en la brochadora que experimentales o al menos probados con un conjunto de datos accesible, publicados desde el año 2000 hasta la fecha. Estos trabajos están divididos en áreas tan diversas como: Gestión del mantenimiento • Clasificación y predicción de los modos de fallo. • Monitorización del estado y detec- ción de fallos. • Minimización del tiempo de inactividad y planif icación del mantenimiento. Gestión de la calidad • Control de calidad en línea. • Detección y clasificación de defectos. • Reconocimiento de imágenes para la identificación de defectos. • Gestión del ciclo de vida. El Machine Learning, ML, es una rama de la inteligencia artificial que estudia los algoritmos capaces de aprender de forma autónoma, directamente a partir de losdatos de entrada