Fomentamos la innovación en tecnologías y herramientas de digitalización dirigidas a la producción inteligente de componentes

A día de hoy, la demanda de piezas fabricadas con fundiciones de hierro ha aumentado debido a sus propiedades tecnológicas, y sobre todo, a su gran competitividad económica. Este hecho, junto con la situación de crisis en Europa y la amenaza de países como China o la India, provoca una mayor necesidad de optimizar las propiedades físicas de estos materiales y/o desarrollar nuevos tipos de aleaciones de hierro con características innovadoras. Estos nuevos materiales, especialmente los que presentan una alta capacidad de resistencia frente a la corrosión a alta temperatura, tienen potencial de aplicación en la fabricación de piezas en las que, hasta ahora, se emplean aceros u otras aleaciones con costes de producción más elevados.

Por esta misma razón, Hispavista Labs junto con Ceit, Azterlan, Lortek, Tecnun y Tubacex Innovación, tiene como objetivo fomentar la extensión e innovación en tecnologías y herramientas de digitalización dirigidas a la producción inteligente de componentes diseñados para trabajar en entornos hostiles a través de un conjunto de desarrollo previstos (ETHPRIN) que permitirá evaluar la eficacia de los procesos de producción empleados y el comportamiento en uso de los componentes.

ETHPRIN desarrollará tecnologías y las nuevas capacidades de modelización con aplicación a todos estos procesos, las cuales favorecerán la digitalización de la producción industrial. Además, el proyecto abordará una de las etapas más críticas para la consecución de ese objetivo: la falta de nuevos modelos de producto y de proceso.

Se ejecutarán modelos de base física, modelos basados en datos y modelos híbridos con el fin de:

• Dotar de inteligencia en los procesos.
• Incrementar la capacidad predictiva.
• Contar con una aplicabilidad extensa a conjunto de aceros, aleaciones, fundiciones y/o rangos de conficiones de proceso.
• Dar una respuesta online durante las etapas de procesamiento industrial y predecir el comportamiento en condiciones de servicio en entorno hostil.

Objetivos principales

• Simulación avanzada de procesos de fundición.
• Modelización avanzada de procesos de conformado en caliente y tratamientos térmicos.
• Modelización avanzada de proceso de recargue de aleaciones CRA.
• Verificación de comportamiento en servicio corrosión de fundición nodular con recargue de CRA.
• Diseño de algoritmos distribuidos para monitorización y predicción de procesos de degradación.
• Desarrollo de metodología pipeline en machine learning y mejoras del sistema de aprendizaje federado.
• Evaluación del comportamiento anisótropo en propiedades mecánicas y colapso de aleaciones CRAs:

Nuestro cometido en este proyecto consistirá en desarrollar tecnología para transferirla a sus unidades de negocio a través de Sistemas Inteligentes de Big Data, Internet of Everything, Nuevos modelos de negocio en Internet, Inteligencia Competitiva y Machine Learning, una vez los conceptos hayan alcanzado la madurez adecuada. A su vez, el proyecto nos permitirá a Hispavista Labs ampliar la exploración, diseño y validación de una arquitectura de Aprendizaje Federado dentro del ámbito de los procesos industriales, y a su vez, servirá para su futura aplicación en otros sectores en los cuales la privacidad de datos está frenando la evolución de las aplicaciones de IA.