Técnicas de inteligencia artificial para optimizar procesos de la industria aeronáutica
El objetivo de la investigación de esta tesis ha sido aplicar dos técnicas de inteligencia artificial, la minería de datos (Data Mining) y el aprendizaje automático (machina learning), a problemas relacionados con la industria aeronáutica. “Son algoritmos y modelos clasificadores que extraen información de grandes volúmenes de datos e infieren conocimiento a partir de esos datos” explica Ferreiro.
En concreto, se han estudiado tres problemas mediante las técnicas indicadas: el pronóstico de desgaste de freno en el avión para un mantenimiento predictivo, la predicción de la aparición de rebaba durante el proceso de taladrado en la fabricación de las piezas y la predicción del número de basicidad (BN) del aceite en base a datos espectroscópicos.
Predicción de la aparición de rebaba del taladrado
Este problema está relacionado con el proceso de fabricación. Al fabricar las piezas, deben de cerciorarse de que la rebaba, la muesca, que se levanta al taladrar, no supera el límite máximo de 127 micras que tiene establecido la industria aeronáutica. “Hemos desarrollado un proceso a partir de las señales internas de la máquina, que detecta cuando se supera el límite en tiempo real” explica Ferreiro. Normalmente, tras el taladrado, siempre se aplica un proceso para eliminar la rebaba sobrante, pero gracias a este estudio, el proceso se aplicaría sólo cuando se rebasa el límite. Esta parte de la investigación se inició en el proyecto ARKUNE.
Pronóstico del desgaste del freno del avión
El objetivo final consistía en reducir los costes de mantenimiento en línea del avión, es decir el mantenimiento realizado después del aterrizaje entre vuelo y vuelo, postergando éste al momento y lugar más propicios. Por otro lado, el estudio también tenía como objetivo reducir los tiempos de espera entre vuelos asegurando su puntualidad al eliminar los retrasos ocasionados por el mantenimiento correctivo actual. “Se suelen chequear una serie de componentes del avión entre vuelo y vuelo. A veces aparece un problema que no ha sido contemplado de antemano; por ello, lo que se pretende es tener una estimación del desgaste de ciertos componentes para prever todos los recursos que van a ser necesarios” dice Ferreiro. “También se pretende optimizar la ruta de los aviones, porque a veces interesa realizar el mantenimiento en un país determinado, y para ello se precisa de una planificación previsa del estado del avión”. Esta línea de investigación surgió del proyecto europeo TATEM.
Predicción del número de basicidad (BN) del aceite en base a datos espectroscópicos
Este problema afronta la medición del nivel de degradación del aceite. “Se usa el número de basicidad (BN) para estimar en qué estado se encuentra: si está bien, si hay que monitorizarlo porque empieza a degradarse o si es necesario sustituirlo” dice la autora. El objetivo de la investigac ión fue obtener un modelo para detectar el estado del BN para poder realizar una valoración sobre el estado de degradación del aceite sin necesidad de llevar a cabo el análisis en el laboratorio. La obtención del BN en los equipos del laboratorio es una valoración mediante ácido perclórico, una tarea costosa no sólo en equipamiento y material, sino también en personal y tiempo. La idea desarrollada en esta tesis es sustituir ese método de análisis por un método de espectrometría FTIR dentro del infrarrojo cercano. Con dicho método, “se puede desarrollar un sensor e integrarlo en la máquina o en lo que se esté monitorizando, sin tener que hacer el análisis en un laboratorio” explica Ferreiro.