Arma universal contra los paros de máquinas

Thomas Hilzbrich, Pablo Mayer y Felix Müller (de izquierda a derecha) han desarrollado la «Optimización inteligente de sistemas» y fundado la startup plus10 GmbH. (Fuente: Fraunhofer IPA / Foto: Rainer Bez)

Investigadores del Fraunhofer IPA han desarrollado una herramienta de análisis que, gracias a algoritmos de autoaprendizaje, detecta defectos en instalaciones de producción de alta velocidad, ayuda en la resolución de problemas y realiza benchmarking automatizado de máquinas. Ahora, los científicos se independizan con esta tecnología.

Sobre todo, la industria farmacéutica y de bienes de consumo trabaja con instalaciones de producción intensivas en capital y depende de maximizar continuamente la productividad. De lo contrario, se enfrentan a presiones de costos y brechas de financiación. Sin embargo, en la práctica se cumple: «Cuanto más compleja sea la instalación, menor será la productividad». Así lo resume Felix Müller, jefe del grupo de Optimización Autónoma de Producción en el Fraunhofer IPA. Además, muchas instalaciones de producción comprenden una gran cantidad de estaciones y trabajan tan rápido que las causas de errores no son visibles a simple vista.

Por ello, Müller y su equipo han desarrollado la «Optimización Sistemática Inteligente», una herramienta de análisis que detecta continuamente errores y sus causas en instalaciones de producción conectadas y de alta velocidad: un conector potente accede a los datos del control de la máquina a través del protocolo del fabricante en alta frecuencia. De esta forma, se crea una base de datos continua que varios algoritmos de autoaprendizaje analizan en sincronía temporal. Estos identifican detalladamente dónde se encuentran los errores en el sistema de producción, cómo están relacionados y qué prioridades tienen para su resolución. De esta manera, los defectos que pueden causar la caída de todo el sistema pueden ser solucionados más rápidamente o incluso predecidos.

El sistema aprende continuamente

Sin embargo, no siempre está claro qué hacer cuando se detecta un error potencial. Además, las notificaciones posteriores de la máquina complican aún más la situación para el operador. Por ello, Müller y su equipo han desarrollado Shannon®, un sistema inteligente de asistencia para operarios en instalaciones de producción complejas, basado en la «Optimización Sistemática Inteligente». Hasta ahora, era responsabilidad de los operadores decidir qué hacer para solucionar un error. Pero ahora, la máquina afectada envía una guía detallada paso a paso a su smartphone o tableta. La base de datos y las conexiones entre fallos y soluciones se amplían continuamente durante la operación de la planta.

De esta forma, los operadores pueden crear instrucciones por sí mismos, por ejemplo, para solucionar fallos. Estas instrucciones pueden incluir texto, fotos y videos. Además, el operador puede dar retroalimentación sobre la información proporcionada, lo que ayuda a mejorarla. También se fomenta que los operadores aporten conocimientos, por ejemplo, en la descripción de eventos detectados pero desconocidos. Así, con el tiempo, se construye una base de datos de conocimientos clara, comprensible y vinculada de forma integral, compuesta por errores, eventos y soluciones. Shannon® ya está en uso en varias fábricas como aplicación para tabletas y smartphones, y ha reducido significativamente el tiempo para solucionar fallos allí.

Incremento de eficiencia de hasta un 18 por ciento

También es posible realizar benchmarking automatizado de máquinas con la «Optimización Sistemática Inteligente»: en muchas plantas de producción hay decenas de máquinas idénticas o similares que realizan siempre el mismo ciclo de procesamiento. Un ejemplo son las máquinas de moldeo por inyección, fundición a presión o también máquinas de soplado y de embutido profundo. Aunque todas tienen la misma estructura, algunas trabajan más lentamente que otras. Esto suele deberse al desgaste de ciertos componentes, a comportamientos variables de los sensores o a diferentes configuraciones de herramientas y fluctuaciones en los materiales.

En el benchmarking de máquinas, primero se define el proceso completo en una máquina y se divide en pasos individuales. Luego, el conector de alta frecuencia en el control de la máquina genera una base de datos que un paquete de algoritmos de aprendizaje automático evalúa. Esto se realiza con todas las máquinas conectadas simultáneamente y se fusiona virtualmente en un proceso ideal. A partir de ello, la herramienta detecta inmediatamente si una máquina funciona más lentamente de lo previsto y relaciona esto con una causa técnica. Los usuarios pueden así no solo solucionar fallos antes de que ocurran, sino también obtener un ciclo de producción optimizado para las máquinas conectadas, combinando los mejores pasos individuales. Esto ha llevado, en aplicaciones prototipo anteriores, a reducciones en los tiempos de ciclo entre un 2 y un 18 por ciento. Incluso la máquina más rápida puede ser aún más rápida. La aplicación ya se ha convertido en un software de aprendizaje continuo llamado Darwin.

Fundación de una startup por parte de investigadores

En varias empresas proveedoras de automóviles y en un fabricante de máquinas de moldeo por inyección, Darwin, la herramienta de benchmarking inteligente, ya se ha implementado, incluso a nivel de planta. Shannon® ya se aplica en grandes empresas automotrices y farmacéuticas. Esto motivó a Felix Müller y a sus cofundadores Thomas Hilzbrich y Pablo Mayer a independizarse con la «Optimización Sistemática Inteligente». Su startup, plus10 GmbH, actualmente tiene oficinas en Stuttgart y Augsburgo y comenzará sus operaciones hoy.