El profesor de la CEU UCH Juan Pardo Albiach desarrolla con la empresa valenciana Ceteck un “gemelo digital” para la predicción de averías en maquinaria mediante algoritmos de inteligencia artificial

La Universidad CEU Cardenal Herrera (CEU UCH) de Valencia y la empresa valenciana Ceteck Tecnológica S.L., ubicada en Rafelbunyol, han iniciado un proyecto de colaboración para incorporar nuevas técnicas de inteligencia artificial al modelo de gemelo digital para la industria 4.0 que desarrolla Ceteck, pyme fundada en 2004 por Ernesto Bedrina y Juan Vicente Sales. A través de la colaboración con esta empresa del investigador principal del grupo ESAI de la CEU UCH, el profesor Juan Pardo Albiach, trabajan en el desarrollo de algoritmos de Machine Learning y técnicas de Big Data para la predicción de fallos y el mantenimiento predictivo de maquinaria industrial que permita evitar paradas en la producción.

El proyecto ha obtenido una de las subvenciones para la realización de estancias de personal investigador doctor en empresas de la Comunitat Valenciana (AEST/2021) de la Conselleria de Innovación, Universidades, Ciencia y Sociedad Digital de la Generalitat Valenciana. Dentro de la Estrategia de Inteligencia Artificial (IA) de la Comunitat Valenciana, este proyecto se enmarca en la aplicación de la IA al tejido productivo de la Comunidad Valenciana, para favorecer el incremento de la productividad, la competitividad y la sostenibilidad de las empresas valencianas.

El profesor de la CEU UCH Juan Pardo Albiach, investigador principal del grupo ESAI, y Ernesto Bedrina, fundador de Ceteck Tecnológica, colaboran en el diseño de gemelos digitales para la predicción de averías en maquinaria industrial mediante inteligencia artificial.
El profesor de la CEU UCH Juan Pardo Albiach, investigador principal del grupo ESAI, y Ernesto Bedrina, fundador de Ceteck Tecnológica, colaboran en el diseño de gemelos digitales para la predicción de averías en maquinaria industrial mediante inteligencia artificial.

Modelos predictivos para evitar paradas

Según explican Bedrina y Pardo, la maquinaria industrial cuenta normalmente con sistemas de alerta que avisan de las averías en los equipos para evitar un daño grave, como algún peligro importante para el operario o el resto del equipamiento. Estas alertas normalmente finalizan con una parada segura del sistema. Con este proyecto conjunto, Ceteck y la CEU UCH pretenden ir un paso más allá para diseñar un modelo basado en inteligencia artificial que permita predecir cuándo se puede producir una avería antes de que se active la alarma de parada de un equipo industrial.

Para el desarrollo de este tipo de modelos predictivos para el mantenimiento de maquinaria es necesario monitorizar en tiempo real valores como temperaturas, vibraciones, tensiones, intensidades o valores de consumo, entre otras variables. Tratar estos grandes volúmenes de datos, también en tiempo real, requiere la aplicación de técnicas avanzadas de estadística para el Big data. El diseño de sistemas de inteligencia artificial permite identificar cuáles son las variables que más influyen en la avería de una máquina. Esta metodología permitirá planificar un mantenimiento predictivo de la maquinaria que evite las paradas en la producción.

En concreto, Ceteck y la CEU UCH trabajan ya en un modelo predictivo de fallos basados en vibraciones que pueda ser aplicado a diferentes tipos de máquinas. Esta metodología predictiva basada en inteligencia artificial se podrá integrar en el desarrollo de “gemelos digitales” por parte de Ceteck.

Este proyecto de colaboración Universidad-Empresa para la transferencia de resultados de investigación ha obtenido una de las AYUDAS para estancias de personal investigador en empresas AEST/2021 de la Conselleria de Innovación, Universidades, Ciencia y Sociedad Digital

Salto tecnológico sustancial

Para Ernesto Bedrina, “la principal ventaja que este proyecto con la Universidad puede traer a Ceteck en su desarrollo de gemelos digitales para la industria es el diseño de un sistema inteligente de predicción de averías, antes de que estas se produzcan. La colaboración con la CEU UCH va a suponer un salto tecnológico sustancial para el producto que desarrollamos, gracias a la aplicación de técnicas de inteligencia artificial de vanguardia que permiten la incorporación de modelos basados en datos”.

Por su parte, Juan Pardo Albiach, investigador de la CEU UCH, señala que “el proyecto busca la transferencia a la empresa del conocimiento adquirido en nuestra investigación estos últimos años en el área del aprendizaje automático entorno a los sistemas predictivos. Además, aportar a Ceteck una metodología basada en la investigación les permitirá en el futuro dedicar más esfuerzos a investigar en el área relacionada con la industria 4.0, e incorporar a sus equipos perfiles más investigadores, como los doctorandos que salen de la Universidad”.

Este modelo de gemelo digital para la predicción de fallos en diferentes tipos de maquinaria está basado en el análisis de vibraciones, para realizar un mantenimiento predictivo y evitar las paradas de emergencia que detienen la producción

Ceteck Tecnológica S.L. se dedica al desarrollo de gemelos digitales para la industria, que faciliten operaciones como la monitorización en tiempo real o la detección temprana de fallos en procesos de producción, así como mejoras en su eficacia y calidad. Situada en Rafelbunyol y fundada en 2004, Ceteck cuenta con amplia experiencia en la realización de proyectos complejos en el ámbito de la monitorización industrial en tiempo real, a nivel internacional y en trece sectores diferentes, como renovables, energía, minas, acero, Oil&Gas, farmacia o food&beverage, entre otros.

El Grupo de Sistemas Empotrados e Inteligencia Artificial (ESAI) de la CEU UCH, que dirige el profesor Juan Pardo Albiach, es un grupo multidisciplinar que desarrolla sus líneas de investigación entorno a la aplicación de técnicas de inteligencia artificial, minería de datos y otras técnicas avanzadas de estadística a problemas relacionados con el Big data, o grandes conjuntos de datos generados en tiempo real, para el desarrollo de sistemas inteligentes, de aprendizaje automático, detección de patrones y comprensión de grandes volúmenes de datos. Sus investigaciones se han aplicado en ámbitos tan dispares como la producción industrial, la domótica o la salud, con modelos predictivos neuronales y de lesiones y rendimiento deportivo.

Artículo anteriorMartes, 18 de enero de 2022
Artículo siguienteMiércoles, 19 de enero de 2022