- FABRICACIÓN
FAGOR ARRASATE
Detección de anomalías en accionamientos servo
A veces los accionamientos de nuestras automatizaciones suelen degenerarse por causa de desgastes, holguras, cambios de condiciones de trabajo, etc. En este proyecto se pretende definir ciclos correctos de trabajo según datos de funcionamiento, y detectar ciclos anómalos.
Detectar ciclos anómalos de nuestra automatizaciones, dejando abierta la opción de clasificar los fallos a medida que se vayan generando.
Realizar un aprendizaje de cuál es la evolución de par de un motor según los parámetros de funcionamiento (Recorridos, ángulos, gpm), y avisar cuando un ciclo sale del patrón estándar, y valorar por cuánto ha salido del patrón estándar.
Edge y Cloud
Machine Learning & Deep Learning
StrokeData: dataset con condiciones normales de la automatización DegreeData: dataset con la evolución del par motor ValidationData: dataset de validación
Equipo de ciencia de datos y experto del dominio
Realizar un aprendizaje de cuál es la evolución de par de un motor según los parámetros de funcionamiento (Recorridos, ángulos, gpm), y avisar cuando un ciclo sale del patrón estándar, y valorar por cuánto ha salido del patrón estándar
- Financiación
- Colaboraciones
INETUM BAIC
es
10/09/2026
Calidad, FABRICACIÓN, Guipúzcoa, Machine Learning & Deep Learning