Puesta en marcha y monitorización de un banco de ensayos para estudio de respuesta al fallo de sistema basado en cilindros neumáticos

Abstract

En la presente época caracterizada por avances tecnológicos acelerados, el presente estudio se adentra en el impacto transformador de las aplicaciones de la inteligencia artificial (IA) en el ámbito de la fabricación industrial. Este sector, con sus procesos complejos y numerosas operaciones, está en vías de experimentar cambios significativos debidos a la adopción de soluciones impulsadas por el desarrollo de aplicaciones de aprendizaje automático, orientadas a mejorar la eficiencia, productividad y la toma de decisiones en el sector. Con el propósito de abordar esta inminente transformación, el presente trabajo introduce innovaciones en el campo del aprendizaje automático que comprenden modelos de inteligencia artificial generativa, entre otros. Los tres modelos concebidos abren las puertas a la implementación de un plan de mantenimiento predictivo en componentes del sector de la máquina herramienta, aunque cabe destacar que estas soluciones son altamente adaptables y escalables a diversos sectores. Sin embargo, antes de la aplicación de estos modelos, es imperativo llevar a cabo la puesta en marcha y validación de un banco de ensayos, cuyas tareas se definen también en el escrito presente. Este banco sirve, sobre todo, como plataforma para el montaje de los sensores que proporcionan los datos para el estudio posterior, relacionado con las implementaciones de modelos basados en redes neuronales. Los resultados obtenidos en este estudio son sumamente satisfactorios; no solo se han logrado cumplir con los objetivos establecidos para la generación de modelos de detección de anomalías, sino que además se ha orientado a parte del grupo del centro de investigación del centro tecnológico hacia el estudio más detenido de uno de los modelos presentados.

Aurrerapen teknologiko azeleratuak nagusi diren garai honetan adimen artifizialeko (IA) aplikazioek industria-fabrikazioan duten eragin eraldatzailea aztertzea izan da helburu azterketa honetan. Fabrikazio industrialean aldaketa ugari eta nabarmenak gertatzen ari dira, ikaskuntza automatikoko aplikazioen garapenak bultzatutako soluzioak inplementatzen baititu, horien helburua delarik sektorean eraginkortasuna, produktibitatea eta erabakiak hartzea hobetzea. Gain-gainean den iraultza honetan murgildu ahal izateko, lan honek ikaskuntza automatikoan oinarritutako aurrerapenak aurkezten ditu, besteak beste adimen artifizial sortzailearen ereduak sortuz eta azalduz. Garatutako hiru ereduek makina-erremintaren sektorean nonahi erabiltzen diren elementuen mantentze-lan prediktiboaren plan bat ezartzeko baliabideak eskaintzen dituzte. Hala ere, soluzio horien irismena eta potentziala makina-tresnaren sektoretik haratago doa, askotariko sektoreetan aplika daitezkeen ereduak baitira, ez industriaren arloan soilik. Nolanahi ere, eredu hauek aplikatu aurretik, ezinbestekoa da proba-banku bat muntatzea eta balidatzea. Hori kontuan hartuta, ereduen emaitzak aurkeztu aurretik, beharrezkoak izan diren kontrol-elementuak, materialak, softwarea eta esperimentuen diseinua azalduko dira dokumentuan zehar. Banku horrek, batez ere, ondorengo azterketarako datuak ematean dituzten sentsoreak muntatzeko plataforma gisa balio du, zeina lotuta baitago sare neuronaletan oinarritutako ereduen inplementazioekin. Ikerketa honetan lortutako emaitzak oso pozgarriak izan dira; izan ere, anomaliak atzemateko ereduak sortzeaz gain, ikerketa honetan azaldutako eredu sortzaileak posible egin du ikerketa-zentroan ikerketa-arlo berri bat sortzea.

In the epoch characterized by accelerated technological progress, this study explores the transformative impact of artificial intelligence (AI) applications within the realm of industrial manufacturing. The intricacies of this sector, with its complex processes and multifaceted operations, stand poised for substantial modifications owing to the adoption of applications propelled by the evolution of machine learning. These applications are explicitly designed to enhance efficiency, productivity, and decision-making processes within the industrial manufacturing sector. In pursuit of addressing this imminent transformation, the present work introduces advancements in the field of machine learning, incorporating generative artificial intelligence models, among others. The three models developed offer avenues for implementing a predictive maintenance plan applicable to components widely employed in the machine tool sector. It is noteworthy that these solutions exhibit a high degree of adaptability and scalability, extending their applicability to diverse industrial sectors. Prior to the deployment of these models, it is imperative to conduct the implementation and validation of a test bench, the details of which are delineated in this document. This test bench serves as a pivotal platform for the assembly of sensors, providing data essential for the subsequent examination pertaining to the implementations of neural network models. The results derived from this study are exceptionally satisfactory; not only have the predefined objectives for the generation of anomaly detection models been achieved, but also the generative model elucidated in this study has paved the way for further research within the research centre’s team.