Manteniment operacional i predictiu per dinamitzar la indústria

La implantació de solucions innovadores, en què la digitalització dels processos juga un paper fonamental, és clau per reduir costos operatius i de producció, assolir els objectius de sostenibilitat i consolidar la transformació cap a la Indústria 5.0. En aquest sentit, l’aplicació de tecnologies disruptives per simular les operacions crítiques, com el manteniment, està sent clau per aconseguir l’optimització dels processos, recursos i energia. Així mateix, les necessitats dels consumidors estan canviant cada vegada de manera més ràpida, la qual cosa obliga les empreses a adaptar-se i actuar amb temps. És aquí on la intel·ligència artificial pot aportar molt valor a aquest tipus d’indústries, augmentant les seves capacitats productives i millorant la seva eficiència.

En l’àmbit industrial, els models predictius engloben una sèrie de tècniques estadístiques de mineria de dades, modelització predictiva i aprenentatge automàtic que, a través de les dades, es pot arribar a fer una anàlisi de la tendència i, de manera no induïda, trobar de manera autònoma patrons de repetició que ajuden les empreses a anticipar escenaris i poder prendre decisions com l’avaluació del risc, la detecció d’anomalies en la fabricació o en determinades operacions del tipus que siguin.

Aquelles indústries que tenen els seus processos amb dispositius i sensors connectats necessiten conèixer com es comporta la planta fora de la normalitat per a així prendre decisions amb l’objectiu d’optimitzar-la. Tanmateix, el cost i risc de configurar la planta per a aquest comportament és molt elevat i és aquí on entren els bessons digitals. Aquesta tecnologia es nodreix de les dades en temps real que s’extreuen de tots els actius físics que influeixen en el procés productiu, gràcies al fet que totes elles han estat digitalitzades, emmagatzemades i processades, i interactuen amb altres dades virtuals i dades d’interacció entre elles. Aquesta informació específica es basa en l’historial de dades de casos d’ús reals, per la qual cosa és una gran eina per poder analitzar i comprendre les diferents fases del producte i d’aquesta manera poder optimitzar-les. «De cara a millorar els processos de manteniment, hi ha un canvi en l’estratègia d’instal·lar sensors i emmagatzemar les dades produïdes per ells, a una estratègia basada en casos d’ús, és a dir, a seleccionar un procés industrial (o part d’ell), definir un objectiu i veure com millorar-lo incorporant aquestes tecnologies innovadores» assenyala José Carlos Baquero, director de la Divisió d’Intel·ligència Artificial i Big Data de GMV, durant la taula rodona sobre “Digitalització i simulació de processos industrials”, organitzada per enerTIC en la trobada “Fòrum Tendències 2022: Next Industry 5.0”.

A GMV estem treballant amb aquest tipus de tecnologies en la detecció d’anomalies, indicant on s’està produint el problema; en tasques d’inspecció de qualitat automàtica amb tècniques de visió artificial; en l’automatització de magatzems amb robòtica autònoma; en robòtica col·laborativa en laboratoris; o en el disseny de bessons digitals per conèixer millor el comportament de la planta i poder entrenar models d’aprenentatge automàtic.