DIGITALIZACIÓN 32 Ilustración 6. Estudio de viscosidad en copa Ford. Fuente: solucionesenmedicionindustrial.com. los aditivos que se utilicen, etc. Si es posible controlar estas magnitudes se puede obtener un valor preciso de la viscosidad de la pintura. El desarrollo de sensores virtuales consta de un conjunto de pasos iterativos tal como se muestra en la Ilustración 5. En este sentido, el Instituto Tecnológico Aidimme ha desarrollado sensores virtuales amedida para distintos procesos productivos con la iniciativa ‘Virtual Sense’, financiada por el fondo FEDER a través del IVACE, para la captura de datos de vital importancia para procesos clave que afectan directamente al acabado final de los productos. La novedad tecnológica reside en el reto del propio diseño del sensor virtual, que se programa a medida para cada proceso, actividad o parámetro a medir, controlando variables que actualmente no se miden o se hace de forma manual en periodos de tiempo discretos, por ejemplo, el gramaje en las líneas de aplicación de pintura, o la viscosidad del producto comentado. A través de técnicas de inteligencia artificial y tratamiento de datos, se establece el modelo que relaciona los parámetros medidos físicamente con la variable objetivo. De esta forma, tras el periodo de entrenamiento del sensor bajo las condiciones del proceso, se ajusta el modelo de cálculo de la medición, aunque se puede modificar tras cada calibración o incluso cuando cambie el proceso. Es decir, el sensor virtual es adaptativo a los cambios en el proceso. IDENTIFICACIÓN DE VARIABLES El primer paso es la identificación de variables cuyo valor pueda guardar relación con el valor final de la magnitud a medir. Para esta tarea es posible contar con la opinión de expertos en cada caso particular, pero no hay que limitarse a estudiar las variables que se sabe con certeza que están correlacionadas, sino que hay que añadir también aquellas para las que se tienen sospechas fundadas aunque no exista ninguna certeza, en caso de que estas no tengan un efecto, o este sea marginal, podrán ser descartadas más adelante. Ilustración 7. Ilustración de un outlier. Fuente: probabilidadyestadstica.net. El requisito indispensable para ser estudiadas es que su medición tenga un coste reducido de tiempo y dinero, al menos, inferior al coste hipotético de la medición de la magnitud a estimar. RECOGIDA DE DATOS En esta fase, es necesario realizar una toma de todas las variables implicadas, tanto de entrada como de salida en variedad de condiciones para que el sistema de inteligencia artificial tenga una base sólida sobre la que cimentarse. Siguiendo los ejemplos descritos anteriormente, es posible utilizar un estudio de Copa Ford en laboratorio para obtener los datos de viscosidad en distintas configuraciones de las variables de entrada. En el caso de la atmósfera explosiva, es posible realizar la toma de datos en un sistema aislado fuera de la ATEX, una vez el modelo está entrenado se puede utilizar dentro de la ATEX. El objetivo de esta fase es obtener tantos datos y con tanta variedad como sea posible para nutrir fuertemente al modelo. Es vital, sin embargo,
RkJQdWJsaXNoZXIy Njg1MjYx