Archivo por meses: noviembre 2018

«En MCIA hemos desarrollado algoritmos para la monitorización de sistemas industriales a medida»

“Hemos sido el único centro de investigación finalista de los testbeds del IoTSWC18”

Juan Antonio Ortega, junto con Luis Romeral, se codirector del Motion Control and Industrial Applications (MCIA UPC), un centro especializado en mantenimiento predictivo para el sector industrial, tecnología aplicada basada en la internet industrial de las cosas y big data analytics, que prevé posibles fallos y defectos en el funcionamiento de maquinaria, evita paradas de emergencia y tiempos muertos, ganando eficiencia y productividad.

 

CELSA Group es una empresa que agrupa varias plantas de transformación de acero internacionalmente. La base de su negocio es la fabricación de corrugado, perfiles, pletinas y alambrón. Con la intención de mejorar el funcionamiento de sus hornos eléctricos, CELSA contactó en 2017 con IThink UPC, la empresa de consultoría y servicios avanzados de software de la UPC. Ese es el origen de Data Driven Steel 4.0, un sistema de monitorización inteligente a partir de algoritmia que ha elaborado un equipo de investigadores del MCIA (centro miembro de CIT UPC) liderado por Juan Antonio Ortega, profesor del Departamento de Ingeniería Electrónica de la UPC. Hace unas semanas se presentó en el IOT Solutions World Congress.

En MCIA trabajamos desde hace años en una línea de diagnóstico de motores y de accionamientos que nos han permitido desarrollar la monitorización de plantas industriales complejas y completas. Ya teníamos experiencia en procesos similares con Gestamp y Lafarga, además de nuestro conocimiento acumulado en este campo y de manera más amplia, en digitalización de la producción en el marco de la industria 4.0.

La colaboración entre MCIA UPC y el Grupo CELSA se inicia. ¿Para hacer qué?

En los procesos de producción se miden multitud de variables: temperaturas, caudales, presiones… Se registran y se generan unas series históricas. Las empresas configuran las plantas con arreglo a esa información, pero no siempre obtienen los mismos resultados, aunque repitan los mismos patrones. A través de la algorítmica se pueden obtener correlaciones complejas entre variables que no sean detectables con los sistemas de monitorización tradicional. CELSA nos planteó que querían mejorar el consumo del horno eléctrico, y así pusimos en marcha la primera de las partes del programa, que llamamos POWER-EAF, y que consiste en modelar y monitorizar en continuo la desviación en el consumo energético del proceso de fundición para identificar sus causas principales.

CELSA Group es el tercer consumidor industrial de energía eléctrica en España, por lo que cualquier mejora en el horno eléctrico aumenta la eficiencia y la productividad del proceso.

Sí, ese es el primero de los proyectos de analítica que estamos desarrollando para ellos, pero hay otros tres: MINIROMBO, que permite caracterizar la formación de las barras resultantes de la colada; ZERO-COBBLE, orientado a caracterizar y detectar situaciones de riesgo de paradas de emergencia, y DEFLECTIONLESS, que está dirigido a caracterizar y monitorizar en continuo las afectaciones que provocan la aparición anomalías en los perfiles laminados.

El uso de los algoritmos va a permitir a la empresa interpretar de forma valiosa una información que mejora los rendimientos en varias fases del proceso productivo.

Y de relacionarlo todo entre sí, porque CELSA está abordando un proceso complejo de digitalización de la producción: pasan de un modelo en que cada una de las plantas del grupo recoge y analiza sus propios datos de forma independiente a hacerlo de manera integrada, subiendo los datos a una nube en la que estarán instaladas las aplicaciones de monitorización en tiempo real.

El trabajo del MCIA se basa en la algoritmia, pero requiere del apoyo de otros grupos para desarrollar todo el proceso y hacerlo operativo.

Esto se consigue a través de la colaboración con varios socios. Para la recogida de datos en una plataforma de Internet of Things (IoT) que se denomina Miimetiq y cuyo proveedor es la empresa Nexiona. IThink UPC configura y personaliza esa plataforma para integrar los algoritmos, y nosotros hacemos toda la analítica.

¿En qué momento se encuentra ahora el proyecto?

Estamos desplegando la plataforma de IoT, y de los cuatro proyectos POWER-EAF y MINIROMBO tienen la algoritmia bastante avanzada. Tenemos los primeros resultados, ya sabemos cuáles van a ser las algorítmicas que se van a utilizar, y hemos hecho pruebas piloto con históricos de datos. Eso nos ha permitido presentar el proyecto en el IOT Solutions World Congress que se acaba de celebrar en Barcelona.

¿Qué ha supuesto para el grupo la participación en un evento como el IoT Solutions World Congress?

Una buena oportunidad para conseguir visibilidad. Quedamos finalistas entre los 10 mejores testbeds por un jurado internacional y compitiendo con proyectos de todo el mundo. Y con un matiz importante: fuimos el único proyecto finalista de los testbeds en el que participa un centro de investigación, los demás eran de empresas.

 

 

 

 

 

 

¿El modelo es exportable a otros procesos industriales?

Sí. A través de los trabajos anteriores, de varias tesis doctorales y con Data Driven Steel 4.0 hemos desarrollado una metodología propia para desarrollar algoritmos para la monitorización de sistemas industriales a medida: sabemos cómo atacar el problema, con quién hay que hablar, qué preguntas hay que hacer, qué información necesitamos, cómo gestionar esa información y qué pasos debemos seguir para generar los modelos. Y esto nos ha permitido desarrollar un proceso de transferencia de tecnología que ha derivado en la creación de una spin-off, Dattium Technology, para desarrollar nuestra oferta y dar soporte en este tipo de procesos.