LANVERSO

Automatización en la identificación y localización de procesos industriales.

Fechas

01/06/2022 –

31/12/2023

Participantes

Tecnalia Research & Innovation, UPV/EHU Dpto. de Lenguaje y Sistemas Informáticos, UPV/EHU Dpto. de Ingeniería Mecánica, Asociación centro tecnológico CEIT, TECNUN, Fundación TEKNIKER e Hispavista Labs.

Tecnologías Aplicadas

Data Science

Líneas estratégicas

Sistemas inteligentes

Situación

Facing the situation

Lanverso es la segunda pieza en la apuesta por la digitalización integral de la fábrica 4.0 iniciada con el proyecto Lantegi 4.0. Esta apuesta sigue el camino que llevará a lograr un objetivo final donde la automatización en la generación del modelo real de fábrica será integral y donde los gemelos funcionales de maquinaria y procesos podrán integrarse.

Objetivo del proyecto

Avanzar en el desarrollo de algoritmos y métodos que permitan la automatización en la identificación y localización inequívoca de activos y procesos industriales del mundo real y que permita la generación y conexión de datos semánticos dentro de entornos inmersivos con dichos activos y procesos digitalizados.

Dentro del objetivo hay dos piezas clave: 1) La identificación y localización inequívoca de cada proceso y activo dentro del marco integral de la fábrica 4.0, y 2) la inclusión de semántica existente y la generación de nueva semántica de forma automática, con el objetivo de dotar conocimiento a los procesos activos. Junto a estas dos piezas, la existencia de nuevos mundos inmersivos hace necesaria un proceso de investigación y adaptación de las tecnologías que se desarrollen en el proyecto.

PROYECT PROYECT

PROYECT

Objetivos principales

Avanzar en la captura automática de activos industriales: Aunque existen varios dispositivos de captura digital en el mercado, el reto técnico está en la generación de activos de forma automática, sin intervención humana, gracias a avances en algoritmos de visión e inteligencia artificial.
Desarrollar algoritmos de identificación y datasets de activos industriales: Existe muy poca literatura y datasets de activos industriales, además de muy específicos y orientados a casuísticas concretas, y por ello, el uso del Deep Learning es inviable en la mayoría de los casos en industria, exceptuando el sector de la automoción, que ha generado grandes datasets para coches autónomos. Avanzar en esto permitiría avanzar en la generación de redes neuronales para clasificación, identificación y segmentación, y obtención de pose 6D en entornos inmersivos.
Usar algoritmos de visión para la generación automática de datos semánticos: Solventar problemas de detección y medición gracias al avance en IA permitiría la generación automática de datos semánticos por visión.

Generar modelos híbridos reducidos de sistemas y procesos de fabricación: Permitiendo representar su comportamiento en el transcurso del tiempo e implementar soluciones correctivas en tiempo real.
Virtualizar los procesos productivos de la fábrica a través de la implementación de fenómenos estocásticos: Así como de una identificación inteligente de los fenómenos acústicos deterministas y aleatorios existentes en este tipo de entornos.
Avanzar hacia la estandarización de la conexión entre sistemas: Hoy en día no existe una forma estándar de interconexión entre dispositivos, procesos, activos y entornos inmersivos, siendo clave generar un modelo holístico común para todos.
Avanzar en la generación de hápticos y exoesqueletos semiactivos para entornos reales e inmersivos.

Objective

Acciones que Hispavista Labs desarrollará en este proyecto

Este proyecto permitirá a Hispavista Labs investigar en nuevas técnicas y tecnologías que permitan definir un modelo ontológico para la adquisición de señales de diferentes procesos industriales de diferentes células. A su vez, se profundizará en la predictibilidad de la defectología en tiempo real durante el proceso de adquisición de señales intentando minimizar también los costes de la misma.