Model d’analítica predictiva per la industria 4.0

Abstract

L’avanç estrepitós de la tecnologia ha anat dotant d’autonomia a les màquines fins tenir la seva pròpia intel·ligència. Però, perquè voldríem que les màquines aprenguessin per si soles? Interessos humans. Es parla d’optimització de processos, creació de models eficients i reducció de costos. En sintonia de tots aquests interessos es troba la Industria 4.0, aprofitant tots els recursos disponibles per la seva potenciació. L’entorn que engloba aquesta nova generació industrial comporta un gran volum de dades generat per xarxes sensorials, que requereixen d’intel·ligència artificial i tècniques d’anàlisis de dades. A partir d’aquí, l’objectiu principal d’aquest projecte és la creació d’un model d’aprenentatge automàtic basat en l’analítica predictiva per tal de detectar patrons suficientment estables i extreure’n un perfil predictible. L’objectiu final d’aquest model de manteniment predictiu seria detectar anomalies difícilment previsibles per tal de poder actuar a temps i realitzar les reparacions pertinents sobre la màquina en qüestió. Finalment, s’han pogut obtenir resultats satisfactoris, sobre diferents models aplicats a un conjunt de motors semblants d’igual finalitat al sistema d’aspiració d’una industria 4.0.

Technological advances have provided a certain degree of autonomy in machines until the point of having its own intelligence. But why would we want that self-progress? Human interests. We talk about process optimization, creation of efficient models and costs reduction. In line with those concepts is Industry 4.0, taking advantage of all available resources for its empowerment. The domain of this new generation involves a large volume of information generated by sensor networks, which requires artificial intelligence and data analysis techniques. With that, the main goal of this project is to compute a supervised learning model (ML) based on predictive analysis to detect patterns that are stable enough to create a predictable profile. The final objective of this predictive maintenance model would be detect anomalies that are difficult to foresee and act in time by carrying out all the appropriate repairs with respect to the machine concerned. Finally, we got satisfactory results have been obtained on various models applied to a set of similar engines with the same objective as the suction system of an industry 4.0.