Industria manufacturera
Detección de anomalías en el proceso de electroerosión por hilo para la predicción de la rotura de la herramienta
Industria manufacturera
Detección de anomalías en el proceso de electroerosión por hilo para la predicción de la rotura de la herramienta
Business Case
Los sistemas productivos están experimentando una fuerte evolución desde el punto de vista de control y sensorización en dirección a hacer más inteligente la fabricación. En este escenario adquiere gran relevancia los sistemas con capacidades autónomas e inteligentes, capaces de estimar parámetros relevantes que permitan aumentar la productividad y la calidad de los productos. El grupo ViSens (UPV/EHU) ha abordado el desarrollo de sensores virtuales, aportando nuevos métodos basados en técnicas de aprendizaje automático, para la estimación de la degradación de los procesos, rotura y desgaste de las herramientas o empeoramiento en la calidad de las piezas.
Objetivos
El objetivo de este caso de uso es el desarrollo de un sensor virtual para la estimación de la degradación en el proceso de electroerosión por hilo (WEDM) . Uno de los problemas fundamentales del corte por electroerosión por hilo consiste en la disminución del rendimiento del proceso debida a la aparición de perturbaciones de diferente naturaleza. Este sensor virtual identificará estos comportamientos anómalos del proceso avisando con tiempo suficiente (mediante diferentes niveles de alarma) para actuar sobre el sistema y evitar así la rotura del hilo.
Use case
Casos de Uso
Infraestructura
On Premise;
Tecnologías utilizadas
Tecnologías utilizadas
Datos utilizados
Se han generado unas 500 secuencias de degradación/rotura de 250 valores cada una para espesores 50, 80 y 100 mm adquiridas a una frecuencia de 10 Mmuestras/s.
imagen
imagen
Recursos utilizados
Recursos humanos: en el caso de uso hay un equipo multidisciplinar (ingeniería de Sistemas y Automática e Ingeniería Mecánica) de 4 investigadores doctores de la UPV/EHU y una doctoranda para el desarrollo y entrenamiento del sistema de captura y monitorización de datos, algoritmia, validación e implementación en máquina real. Se ha contado con la colaboración de expertos en el proceso WEDM de la empresa ONA Electro-erosión. Infraestructura: Granja de 4 workstations con 64 GB RAM, tarjetas dedicadas nVIDIA. Tarjetas de adquisición de datos NI PCI 6115
Dificultades y aprendizaje
(A) Las arquitecturas de redes recurrentes o Elman permiten obtener tamaños de red menores, facilitando así su implementación en un sistema empotrado tanto desde el punto de vista de requisitos temporales (tiempo real) como de requisitos de memoria. (A) La metodología desarrollada ha capacitado al sistema para el aprendizaje de la degradación del proceso (diferentes tipos y diferentes niveles de alarma) para diferentes espesores de pieza. (D) Una de las principales dificultades de aplicación es conseguir una red con una arquitectura en paralelo capaz de detectar los diferentes tipos de comportamiento degradados del proceso (a pesar de su naturaleza tan distinta), y diferentes niveles de alarmas (Bajo, Medio, Alto) con suficiente antelación para evitarlos de manera autónoma. (D) Los algoritmos de optimización utilizados han sido ad-hoc para este proceso.
KPIs (impacto en el negocio y métricas del modelo)
Los resultados de la validación del sistema de diagnóstico de la degradación del proceso de fabricación de electroerosión por hilo superan los ratios de validación por encima del 92%.
Financiación
Financiación
Colaboradores
Ona Electroerosión S.A.
multimedia
