Monitorización del proceso de mecanizado

Participantes

Etxetar

Universidad Politécnica de Madrid

Aingura insights

Pre-procesado Pre-procesado
Transporte y Almacenamiento Transporte y Almacenamiento
Transformación Transformación
Adquisición de datos Adquisición de datos

Sectores

Industria Industria

Aplicaciones

Monitorización de condiciones Monitorización de condiciones

impacto

  • Monitorización de máquinas mediante técnicas de aprendizaje automático apropiadas para su aplicación en entornos dinámicos, donde las fallas no son muy comunes y están relacionadas con la degradación.
  • Monitorización en tiempo real el estado de los rodamientos con respecto a la referencia generada.

Desarrollar Tecnologías de Inteligencia Artificial (AI)

  • Inteligencia de datos.
  • Interfaces máquinas / personas.
  • Sensores inteligentes.
  • Machine learning.
  • Análisis de patrones, predicción y clasificación inteligente.

Retos

  • Desarrollar un sistema de monitorización de máquinas que permita la detección de fallas en elementos críticos, en este caso, el cabezal del husillo.
  • Desarrollar primeros pasos para la detección de anomalías en procesos altamente dinámicos.

resultados

  • Tamaño del conjunto de datos: 1 GB / día
  • Número de variables: 10 - 110
  • Tiempo de muestreo: 50 - 100 ms
  • Se ha podido desarrollar sistemas de adquisición de datos que aseguran su calidad extrayéndolos de sistemas de producción como máquinas herramienta.
  • Una vez asegurada esta calidad, se desarrollaron los primeros patrones de máquina.
  • Estos patrones se han examinado y comparado con la referencia para detectar posibles desviaciones en relación con la referencia.
  • Este sistema permite monitorizar el estado del cojinete delantero del cabezal del husillo. Su falla puede hacer que la máquina y la línea de producción se detengan.
Patrón de trabajo del cabezal del husillo.
Patrón de trabajo del cabezal del husillo.

Publicaciones

Autor: J. Diaz-Rozo, C. Bielza, y P. Larrañaga

Título: Machine learning-based CPS for clustering high throughput machining cycle conditions

Publicación: Procedia Manufacturing, vol. 10, pp. 997-1008

Fecha: January 2017

Más información

Contacta con nosotros