Detección de anomalías en componentes de máquinas herramienta de producción de pieza repetitiva
Mondragon
Sector: Industria
Business Case
La máquina rectificadora LG400 realiza el mecanizado de grandes lotes de piezas repetitivas en una empresa del sector de automoción. La máquina se encuentra conectada y enviando datos relativos su utilización al cloud de Danobat de forma ininterrumpida. El día 2 de noviembre de 2020 el cliente reporta un problema en el cabezal pieza de la máquina.
Objetivos
El objetivo es realizar un algoritmo de detección de anomalías o cambios de escenario en el proceso de rectificado de pieza repetitiva, que permita identificar problemas en cabezales usando variables de máquina capturadas a frecuencia de 1 segundo.
Use case
Se enfoca el problema en tres fases: (i) análisis exploratorio de datos, (ii) generación del algoritmo de detección de anomalías y (iii) implementación del mismo.
Infraestructura
Híbrida, on premise, cloud.
Tecnologías utilizadas
Machine Learning y Deep Learning.
Datos utilizados
Se utilizan datos de temperatura, intensidad y corriente de la máquina en cuestión.
Recursos utilizados
El trabajo técnico ha sido dirigido por un doctorando de IDEKO y en cuanto a infraestructura, el trabajo de captura de datos y exploración inicial se ha basado en las características ofrecidas por la plataforma cloud de Danobat y la DANOBATBOX.
Dificultades y aprendizaje
Se ha identificado un problema en el que la aplicación de la IA puede dar buen resultado en un contexto de alta variabilidad como el del manufacturing con máquina de control numérico. En este contexto, se destaca la importancia de contar con un proceso de pieza repetitiva. Se resalta también la importancia del tratamiento de datos crudos previo.
KPIs (impacto en el negocio y métricas del modelo)
Detección de fallos / Fallos etiquetados.
Financiación
Privada.
Colaboradores
Se ha contado con el área de análisis de datos de IDEKO para el liderazgo tecnológico del caso de uso.
