ALGORITMOS DE PREDICCIÓN PARA OPTIMIZAR PROCESOS
Como bien es sabido, hoy en día la IA y el machine learning están teniendo un gran impacto en todos los sectores: sanidad, distribución, banca… y también en el sector industrial. Muchas empresas industriales se plantean utilizar algoritmos de predicción para optimizar sus procesos. Los objetivos principales de estos proyectos suelen ser: mejorar el mantenimiento predictivo de las máquinas, mejorar el proceso de control de calidad o reducir el defectivo generado en un proceso de fabricación concreto, por ejemplo, la estampación. Para LKS Next, la industria es uno de nuestros pilares deespecialización más importantes, por ello, estamos desarrollando una solución integral para el proceso de uso de las prensas prescribiendo los parámetros óptimos de configuración de las mismas para evitar el máximo de defectivos.
La solución comienza con un módulo de recogida de los datos, que permite tanto la adquisición de los datos ya recopilados en la operación actual, como el registro de aquellos que no se traten en estos momentos y sean requeridos por el algoritmo. Esto es básico ya que es la materia prima del sistema, y a pesar de que la industria 4.0 hoy en día está muy extendida, hay empresas que aún no han comenzado a recoger sus datos y otras muchas no lo hacen de una manera óptima, perdiendo así una gran cantidad de información útil. Para este caso, los datos se refieren tanto a parámetros de operación, como a propiedades del material utilizado, características de las diferentes referencias a fabricar en la línea, sin olvidar el registro del defectivo generado en cada lote, imprescindible tanto para el aprendizaje del modelo como para la validación de su precisión posterior.
Una vez recogida y procesada esta información, el modelo pre-estructurado se personaliza para el caso concreto, obteniendo los factores con mayor influencia en la generación de defectivo en las piezas y aprendiendo de la realidad de los datos del caso concreto para ofrecer los resultados óptimos para cada uno de ellos. A partir de ahí, el sistema ofrecerá para cada nuevo lote a fabricar dos valores clave para un buen funcionamiento del sistema de producción; por una parte, el porcentaje de errores esperado en una orden de fabricación concreta, con lo que se podrán tomar las decisiones necesarias. Por otra parte, y como salida principal, también se estimarán los parámetros óptimos configurables de la prensa, los que harán que se reduzca al mínimo la posibilidad de generación de defectivo en el proceso. Por último, la solución contará con un módulo de exportación de los resultados obtenidos que abarca desde un interfaz de ayuda a la operación, hasta la integración personalizada con los sistemas del cliente que dispongan de estas capacidades.
Rodrigo Iglesias y Sergio Cavia, Consultores Data & Analytics en LKS Next
Desde LKS Next, para ayudar a nuestros clientes en su transformación digital para mejorar su competitividad, hemos desarrollado diferentes proyectos en estas tecnologías, desde el equipo de Data & Analytics. Como ejemplo, realizamos predicciones de ventas para el sector textil, aplicaciones de soporte a la decisión en el campo de cardiología, ayuda a técnicos de SAT etc. En el ámbito de fabricación industrial, mediante esta solución buscamos acompañar a las empresas del sector metalúrgico en la inmersión en la industria 4.0, haciendo más accesibles estas tecnologías para todo tipo de empresas de distintas complejidades.
