El CSIC i la Universitat Politècnica de Madrid han desenvolupat un programa que, mitjançant tècniques de ‘machine learning’, genera informació útil i recomanacions que permetin optimitzar els processos productius. El programa, de cost assequible, s'ha creat en el marc del projecte europeu KITT4SME perquè les pimes puguin accedir a aquest tipus d'eines.
Visualització de les sortides del programa utilitzant un panell/interfície d'usuari amb dos indicadors: rendiment i peces defectuoses"A les empreses no sempre saben quins factors influeixen més en els resultats", explica Rodolfo Haber, investigador del Centre d'Automàtica i Robòtica, centre mixt del CSIC i la Universitat Politècnica de Madrid (UPM). “Fixen uns paràmetres i pensen que va bé, quan en realitat, si analitzessin bé les dades, podrien descobrir que la modificació dels paràmetres milloraria els resultats”.
Diu Rodolfo Haber que “el gran valor de les empreses són les dades” i la seva anàlisi pot reportar moltes millores per a l'empresa. No obstant això, aquesta anàlisi pot resultar costosa i complexa per a les petites i mitjanes empreses.
En aquest context es va llançar el projecte europeu KITT4SME, que té com a objectiu posar a l'abast de les PIME eines assequibles d'intel·ligència artificial per optimitzar-ne els sistemes de producció.
En el marc d'aquest projecte, l'equip investigador dirigit per Haber ha desenvolupat un programa que mitjançant tècniques de ‘machine learning’ analitza tots els paràmetres i variables d'un procés de fabricació, els contrasta amb els indicadors econòmics i de producció, i n'elabora diferents models optimitzats. D'aquests models, el programa escull el més adequat per a l'empresa i ofereix una sèrie de recomanacions sobre quins valors dels paràmetres i les variables permetrien millorar els indicadors, quantificant a més la millora que es produiria.
“El gran valor de les empreses són les dades i la seva anàlisi pot reportar moltes millores per a l'empresa"
El programa es pot aplicar a qualsevol procés productiu independentment del nivell de maduresa tecnològica, i utilitza tant les dades dels processos productius i paràmetres de màquines, com les variables associades amb els índexs de rendiment (producció, taxes de rebuig, qualitat/temps, etc.), explotant al màxim les dades històriques.
Amb totes aquestes dades, realitza un modelatge automàtic utilitzant intel·ligència artificial, optimitza els paràmetres dels models i en selecciona el millor. Després, utilitza un algorisme evolutiu per optimitzar el model seleccionat i determinar les variables i els paràmetres més rellevants per millorar l'exercici de la planta de fabricació o del procés productiu corresponent. A més grau de maduresa tecnològica, més fàcil serà implementar l'eina, diuen els investigadors, encara que l'empresa haurà de fer un treball inicial per introduir i condicionar les dades.
Els científics busquen més empreses que vulguin col·laborar per continuar amb la validació de l'eina abans de portar-la a la seva comercialització
Posada a prova amb èxit en una línia pilot i en una empresa
"Les eines actuals", afegeix Haber, "són molt cares i només accessibles per a grans empreses". Les eines comercials actuals fan gairebé sempre una avaluació d'aquest tipus en diferents etapes i el resultat no és ni interpretable ni utilitzable directament per les empreses, cosa que crea una alta dependència dels experts en el camp i processos molt llargs, amb uns costos inassumibles per a moltes empreses petites.
L'eina, encara en fase de validació, s'ha posat a prova amb dades proporcionades per una línia pilot i per una empresa amb resultats exitosos. Els investigadors continuen buscant empreses que vulguin col·laborar per portar la solució a un nivell 7-9 de l'escala de maduresa tecnològica, per continuar amb la validació de l'eina abans de portar-la a la comercialització.
Contacte:
Marisa Carrascoso Arranz
Vicepresidència Adjunta de
Transferència del Coneixement - CSIC
Tel.: +34 915681533