DIGIPRIN

Gemelos digitales e IA generativa para una producción más precisa, predecible y eficiente.

Fechas

01/04/2024 –
31/07/2025

Participantes

Ceit (líder), Azterlan, Lortek, Ikerlan, Edertek (Fagor Ederlan Taldea), Hispavista Labs

Código de expediente

KK-2024/00113

Financiación

Programa ELKARTEK 2024 – Gobierno Vasco

Prioridad estratégica
RIS 3 - PCTI 2023

Industria inteligente

Ámbito de aplicación

Inteligencia de Negocio Optimización de Procesos

Tecnologías prioritarias

Python.
Modelos basados en Transformers.
Bases de datos vectoriales.
NoSQL.

Información

La industria de la movilidad atraviesa una transformación profunda: nuevos materiales, electrificación del vehículo y plantas productivas cada vez más conectadas.

Facing the situation

Los procesos de fabricación dejan de ser una caja negra y pasan a entenderse como sistemas que pueden modelarse, simularse y optimizarse en tiempo real. Hacerlo con rigor exige una arquitectura de datos coherente, modelos predictivos fiables y la capacidad de integrar información heterogénea procedente de múltiples plantas y fuentes.

Datos gobernados, modelos generativos, decisiones más precisas

Hispavista Labs participa en dos líneas complementarias: la reducción de defectología en procesos de fundición mediante simulación enriquecida con IA, y el desarrollo de modelos predictivos para soldadura láser estructural aplicada a chasis de autobús, tren y vehículo pesado. La aportación se sitúa en la capa donde converge la ingeniería de datos con los modelos avanzados de aprendizaje automático.

PROYECT PROYECT

PROYECT

PROYECT

Tres componentes de la arquitectura

  • Gobernanza distribuida de datos:
    • Diseño del pipeline y del espacio central de gobernanza que recibe información heterogénea procedente de múltiples plantas, mediante una arquitectura event-driven preparada para grandes volúmenes y alta frecuencia.
  • Modelos generativos sobre Transformers:
    • Desarrollo de modelos predictivos basados en arquitecturas Transformer capaces de anticipar los siguientes pasos del proceso de unión por láser, mejorando los tiempos de detección y reduciendo la latencia operativa.
  •  Optimización de embeddings:
    • Diseño de embeddings personalizados para la representación eficiente de los datos de proceso, con foco en la reducción de ruido y la mejora de la precisión sin inflar la infraestructura.

Objective

Impacto

  • Reducción del defectivo
    • Anticipación de problemas de calidad antes de que se materialicen, con impacto directo en costes y rechazos.
  • Visibilidad operativa
    • Información estructurada y accesible que sostiene decisiones rápidas y fundamentadas.
  • Procesos más predecibles
    • Gemelos digitales que replican el comportamiento real y permiten simular escenarios antes de aplicarlos en planta.
  • Arquitectura escalable
    • Una base sólida sobre la que seguir construyendo, sin reinventar los cimientos en cada proyecto.

TAKE ACTION TAKE ACTION TAKE ACTION

TAKE ACTION TAKE ACTION TAKE ACTION

Más Casos de éxito

Colabora con nosotros

Conviértete en partner y colaboremos juntos para sacar adelante iniciativas innovadoras con futuro.

"*" señala los campos obligatorios

Este campo es un campo de validación y debe quedar sin cambios.

Synergies