Evaluar la eficacia del proceso de fabricación a través de medidas indirectas
Dentro del proyecto Proactiv en el que participa Instituto Tecnológico AIDIMME se ha desarrollado el primer prototipo para calcular los indicadores básicos de la eficacia de un proceso de fabricación mediante la medición indirecta de sus variables de funcionamiento.
El planteamiento del proyecto Proactiv surge de la necesidad de obtener, de la forma más sencilla posible, los datos básicos que permitan medir la eficacia de cualquier proceso de fabricación independientemente de la generación tecnológica a la que pertenezca la máquina. De todos es conocida la dificultad que presentan las máquinas fabricadas hace pocos años, antes del advenimiento de la Industria 4.0 y su popularización, para extraer datos de funcionamiento y volcarlos en repositorios externos para su análisis. Con frecuencia se hace necesario, y resulta mucho más sencillo y económico que acudir al fabricante del equipo, instalar sensores externos que midan automáticamente aquellas variables básicas que nos informarán sobre la eficiencia del proceso: tasa de producción, paradas y sus motivos y la calidad resultante.
La hipótesis de partida del proyecto se basaba en trabajos previos, como el realizado en 2017, un grupo de estudiantes de la Universidad Carnegie Mellon [1], que desarrollaron un dispositivo multisensor integrado, basado en un procesador Particle Photon STM32F205, cuyo propósito es medir la actividad en diferentes recintos de un edificio, e incluso del edificio entero.
Este sistema, denominado ‘synthetic sensor’, persigue medir de forma indirecta multitud de aspectos con un único dispositivo. Como puede observarse en la figura 1, existen numerosos dispositivos que miden diferentes variables.
Ante la ausencia de elementos de aplicación industrial, se planteó el desarrollo de dispositivos multisensor que pudiesen captar de forma indirecta tanto el estado del proceso como la actividad del personal. Durante el transcurso del proyecto este segundo objetivo se simplificó mucho al considerar las implicaciones legales que podría tener la monitorización continua de la actividad de cada persona y la obtención de datos personales. Y adicionalmente los datos obtenidos se podrían volcar en una plataforma cloud que no dependiese de la infraestructura informática de la empresa.
Como resultado tangible del proyecto se ha obtenido un primer prototipo de los dos dispositivos que se planteaban inicialmente denominados D1 (control de proceso) y D2 (control del personal). El D1 incluye sensores de sonido, vibración en tres ejes, variación campo magnético, temperatura ambiente, iluminación y humedad ambiental. El D2 incluye sensores de movimiento, radiación térmica y lectura de sensores de RFID miniatura.
Figura 2. Dispositivo D2 de control de personal. Foto: AIDIMME.
Figura 3. Dispositivo D1 de control de proceso. Foto: AIDIMME.
Para convertir las señales indirectas en salidas comprensibles relacionadas con el control del proceso/personal es necesario utilizar técnicas de aprendizaje automático (machine learning), por lo que se ha diseñado una red neuronal de tres capas que trabaja a partir de los datos recogidos por los sensores. Esta red se utiliza para “entrenar” cada dispositivo, encontrándose en proceso de validación actualmente.
El volcado de datos se ha prototipado en la plataforma Microsoft Azure, que además de los servicios habituales, dispone de acelerador de soluciones para Factoría Conectada, que es el que se ha utilizado. Esto permite que se pueda utilizar la estructura y la app base que proporciona Microsoft, sin más coste que el uso de los servicios que se utilicen.
El proyecto Proactiv está financiado por Ivace con fondos Feder. Se cuenta con la participación de dos empresas: Lemec es una empresa especializada en la fabricación de elementos de fijación, y Profiltek, especialista en España en la fabricación de mamparas de baño a medida.
Referencias
[1] Gierad Laput, Yang Zhang, and Chris Harrison. 2017. Synthetic Sensors: Towards General-Purpose Sensing. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (CHI '17). ACM, New York, NY, USA, 3986-3999.
