Ayesa – Optimización en industria de procesos
Ayesa
Sector: Industria
Business Case
¿Cómo conseguir reducir el consumo energético y emisiones de CO2 en aquellas industrias cuyos procesos de fabricación duran horas/días? ¿Cómo hacer un enfoque común de una planta cognitiva de predicción/optimización que sirva para 4 plantas productivas distintas?
Objetivos
Identificar, recoger y homogeneizar la información relevante en el proceso. Elaboración de modelos de predicción y simulación. Elaboración de un gemelo digital que permita optimizar procesos clave siendo lo más realista posible.
Use case
Arquitectura para la captura de datos en planta, envió a una plataforma centro donde se almacena. Generación de diferentes modelos de predicción que permiten la generación de modelos de optimización de un valor clave del proceso. Visualización al operario de la información relevante para favorecer su toma de decisiones.
Infraestructura
On Premise y Cloud.
Tecnologías utilizadas
Aprendizaje profundo
Datos utilizados
Data set privados de los valores del proceso en real time de cada uno de los 4 casos de uso (industrias de procesos reales)
Recursos utilizados
Técnicos de proceso, técnicos en la captura y tratamiento de dato industrial, Ingenieros de datos, Científico de datos , especialistas en UX.
Dificultades y aprendizaje
Procesos complejos, con variables que interactúan entre ellas, con un gran componente de decisión humana, inercias muy largas en el proceso, dependencias entre procesos,…
KPIs (impacto en el negocio y métricas del modelo)
Reducción de consumo energético, reducción de emisiones de C02, reducción en scrap, procesos y productos fuera de calidad.
Financiación
Este proyecto ha recibido financiación del programa de investigación e innovación Horizonte 2020 de la Unión Europea bajo el acuerdo de subvención Nº 869931.
Colaboradores
14 socios de 8 países, entre ellos : Acerálava, Ideko, Ingeteam , Savvy, …
