TECNOLOGÍA DIGITAL 54 financiado por el Gobierno Vasco en la convocatoria Hazitek 2021, se están aplicando técnicas de analítica de datos e inteligencia artificial, para la detección temprana de rotura de la herramienta. En el proceso de mecanizado se produce un incremento constante en el desgaste de la herramienta hasta que este adquiere un valor crítico y la herramienta se daña ocurriendo un fallo. Este proceso se refleja en un incremento en la fricción entre herramienta y pieza mecanizada, aumentos en las fuerzas, vibraciones y potencias de corte. Tradicionalmente se han empleado diversos métodos, directos e indirectos para controlar la salud de la herramienta. Entre los primeros encontramos la medición con sistemas ópticos, mientras que los segundos pueden basarse en la medición de fuerzas o el monitoreo de señales acústicas, entre otros. Sin embargo, en la búsqueda por ofrecer productos y servicios digitales, las máquinas incorporan cada vez más sensórica adicional y cuentan con plataformas para la recogida continua de datos. El proyecto busca emplear estos sistemas para diagnosticar la rotura sin necesidad de otros dispositivos externos. Empleando técnicas de Machine learning, que permiten a las máquinas aprender de los datos históricos, se pueden generar funcionalidades de identificación de rotura. Estos modelos se despliegan después en casos reales industriales, para lo cual se deben generar procesos de productivización que aseguren su validez a lo largo del tiempo. Para ello el proyecto emplea las técnicas de MLOps que son una serie de prácticas para desplegar y mantener modelos de machine learning en producción de manera fiable y eficiente. Para la recogida de datos de entrenamiento de los modelos de ML se ha trabajado sobre una fresadora equipada con acelerómetros con las mismas características y posiciones que los que incorpora el sistema DAS de Soraluce en el mercado. Los experimentos incluían herramientas con distintos diámetros y número de plaquitas que se han probado en diferentes condiciones de mecanizado, en concordancia y en oposición, con diferentes anchos y profundidades de corte sobre material de acero F118. La plataforma empleada tiene como elementos principales un PLC o controlador de Ingeteam, un Gateway Iot de Savvy Data Systems y un cloud. El cloud permite la visualización de datos y el almacenamiento de históricos. El entorno de entrenamiento se encuentra actualmente en un servidor propio. El Gateway permite además la implementación de aplicaciones en contenedores (docker) lo cual aporta mucha flexibilidad para el despliegue posterior de los modelos a nivel Edge. Figura 17. Escenario de experimentación. Figura 18. Recogida y analítica de los datos.
RkJQdWJsaXNoZXIy Njg1MjYx