Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2021-126659OB-I00

Financiado

APRENDIZAJE AVANZADO PARA LA MEJORA DE LA PRODUCTIVIDAD EN FACTORIAS INTELIGENTE...

APRENDIZAJE AVANZADO PARA LA MEJORA DE LA PRODUCTIVIDAD EN FACTORIAS INTELIGENTES HOY EN DIA EXISTEN GRANDES CANTIDADES DE DATOS EN LAS FACTORIAS INTELIGENTES, QUE SE PUEDEN USAR PARA CREAR MODELOS USANDO TECNICAS DE APRENDIZAJE AUTOMATICO. ESTOS MODELOS PUEDEN POSTERIORMENTE USARSE DENTRO DE UN GEMELO DIGITAL... ver más

01/01/2021

UVA

53K€

Presupuesto del proyecto: 53K€

Líder del proyecto

UNIVERSIDAD DE VALLADOLID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 996

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

UVA

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

FAIRWork Flexibilization of complex Ecosystems using Democratic AI ba... 3M€ Cerrado

RTC-2017-6378-7 SCOUT: (Software COgnitivo Para la Trazabilidad Industrial) 637K€ Cerrado

RTC-2017-6401-7 Plataforma horizontal de smart data y deep learning para la... 489K€ Cerrado

SIDE4,0: Smart Industry 4.0 Modelling Framewo... SIDE4,0: Smart Industry 4.0 Modelling Framework aplicado a l... Rechazado

COGNITWIN COGNITIVE PLANTS THROUGH PROACTIVE SELF LEARNING HYBRID DIGI... 9M€ Cerrado

RTC-2016-4896-7 Plataforma de Monitorización de Maquinaria con Aprendizaje d... 276K€ Cerrado

Líder del proyecto

UNIVERSIDAD DE VALLADOLID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 996

Presupuesto del proyecto 53K€

Descripción del proyecto HOY EN DIA EXISTEN GRANDES CANTIDADES DE DATOS EN LAS FACTORIAS INTELIGENTES, QUE SE PUEDEN USAR PARA CREAR MODELOS USANDO TECNICAS DE APRENDIZAJE AUTOMATICO. ESTOS MODELOS PUEDEN POSTERIORMENTE USARSE DENTRO DE UN GEMELO DIGITAL O BIEN USARSE DE FORMA AISLADA EN TAREAS DE MONITORIZACION, DIAGNOSIS O PROGNOSIS. ESTE ESCENARIO ES ESPECIALMENTE INTERESANTE EN ENTORNOS DONDE NO EXISTEN MODELOS ANALITICOS DEBIDO A LA COMPLEJIDAD DEL PROCESO.EN EL CONTEXTO DE FABRICACION DISCRETA, DONDE LAS TAREAS MENCIONADAS SE PUEDEN APLICAR A SUBSISTEMAS DE FORMA CASI INDEPENDIENTE Y LOS MODELOS SERAN MENORES (DEBIDO AL USO DE DATOS ESPECIFICOS DEL SUBSISTEMA), SE PROPONE MEJORAR LA PRODUCTIVIDAD UTILIZANDO TECNICAS AVANZADAS DE APRENDIZAJE AUTOMATICO (INCLUIDO DEEP LEARNING), COMO SON EL APRENDIZAJE SEMI-SUPERVISADO O ARQUITECTURAS GAN PARA CLASIFICACION CON POCOS EJEMPLOS ETIQUETADOS O MODELOS COMO LSTM PARA LA PREDICCION DE SERIES TEMPORALES A CORTO Y MEDIO PLAZO. ESTAS TECNICAS SE USARIAN PARA MEJORAR LA PRODUCTIVIDAD A TRAVES DE DOS CAUCES: POR UN LADO, IMPLEMENTANDO TECNICAS DE MANTENIMIENTO PREVENTIVO A TRAVES DE TECNICAS DE DIAGNOSTICO Y PROGNOSIS DE ULTIMA GENERACION PARA MINIMIZAR EL TIEMPO EN EL QUE NO HAY PRODUCCION O PARA EVITAR PARADAS INESPERADAS O PROCEDIMIENTOS DE MANTENIMIENTO BASADOS EN PLANIFICACION Y NO EN EL ESTADO DEL SISTEMA. LA SEGUNDA VIA DE MEJORA SERIA A TRAVES DE LA DETECCION TEMPRANA DE PIEZAS DEFECTUOSAS. SI SE CONSIGUE UNA DETECCION PROXIMA AL TIEMPO REAL SE CONSEGUIRIA SACAR LA PIEZA DE LA CADENA DE PRODUCCION, EVITANDO GASTOS INNECESARIOS DE ENERGIA O MATERIALES. SE PROPONE COMPROBAR LA VIABILIDAD DE LA PROPUESTA EN DOS CASOS DE ESTUDIO DE LA FACTORIA DE MOTORES DE VALLADOLID DE RENAULT ESPAÑA, S.A. (RESA). EL PRIMER CASO DE ESTUDIO SERIA UNA INYECTORA DE ALUMINIO QUE GENERA LOS MOLDES DE LOS MOTORES, CENTRANDONOS EN MEJORAR EL MANTENIMIENTO A TRAVES DEL MANTENIMIENTO PREDICTIVO, INTENTANDO MEJORAR LOS TIEMPOS ENTRE CICLOS DE MANTENIMIENTO Y LA ESTIMACION DEL FIN DE VIDA UTIL DE PIEZAS CRITICAS PARA INTENTAR ALARGAR TAMBIEN EL TIEMPO ENTRE CICLOS DE MANTENIMIENTO. EL SEGUNDO CASO DE ESTUDIO TAMBIEN ESTA RELACIONADO CON ESTE PROCESO, PERO EN ESTE CASO CONSISTIRIA EN ANALIZAR LAS TERMOGRAFIAS EXISTENTES DE LOS MOLDES TRAS CADA INYECCION PARA INTENTAR DETECTAR PATRONES ASOCIADOS CON LA CREACION DE PIEZAS DEFECTUOSAS E INCLUSO PREDECIR SU APARICION. ESTO PERMITIRIA RETIRAR ANTES LAS PIEZAS DE LA CADENA DE PRODUCCION. PARA ESTAS TAREAS CONTARIAMOS CON LA PARTICIPACION EN EL EQUIPO DE TRABAJO DE TRES MIEMBROS DE LA PLANTILLA DE RESA QUE ACTUARIAN COMO EXPERTOS Y NOS GUIARIAN EN EL PROCESO DE GESTION DE DATOS PREVIO A LA APLICACION DE CUALQUIER ALGORITMO DE APRENDIZAJE. LOS MODELOS DE CLASIFICACION O PREDICCION SE PODRIAN IMPLANTAR INMEDIATAMENTE EN EL PROCESO DE PRODUCCION DE LA FACTORIA. ANTENIMIENTO PREDICTIVO\REDES GENERATIVAS ADVERSARIAS\REDES NEURONALES CONVOLUCIONALES\PREDICCION DE SERIES TEMPORALES\CLASIFICACION DE IMAGENES\APRENDIZAJE SEMI-SUPERVISADO\APRENDIZAJE PROFUNDO\PROGNOSIS\CONTROL DE CALIDAD

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores