El Centro Tecnológico CTC y SEG Automotive, multinacional dedicada a la producción de alternadores y motores de arranque, están trabajando en el diseño y desarrollo de dos proyectos basados en técnicas de Inteligencia Artificial (IA) para optimizar las líneas de control de calidad y producción de la empresa.
Según ha informado CTC en un comunicado, la primera propuesta colaborativa tiene por objetivo mejorar la identificación de posibles defectos en las piezas fabricadas y automatizar su proceso de detección mediante modelos de Deep Learning.
Por otra parte, la segunda iniciativa busca dar solución a los fallos que pueden originarse durante la fabricación de alternadores a través de la detección predictiva y probabilística de piezas de proveedores que puedan contener errores.
Ambas organizaciones han realizado proyectos conjuntos con anterioridad con el objetivo de mejorar las líneas de fabricación de SEG Automotive.
La implementación de nuevas tecnologías en el proceso productivo aumenta la capacidad de detección de fallos potenciales y análisis de los mismos, disminuyendo el coste de los defectos e incrementando la productividad neta.
Asimismo, supone un aumento del valor competitivo como empresa dentro del mercado, desarrollando soluciones innovadoras con el apoyo de CTC como socio tecnológico.
ANÁLISIS DE RUIDO EN PIEZAS A TRAVÉS DE IA
SEG Automotive utiliza actualmente varios procesos de medición de ruido para el control de calidad. A través del análisis de las ondas sonoras emitidas por las piezas fabricadas, la empresa es capaz de detectar los posibles daños que puedan contener, así como también las causas de los mismos.
El proyecto desarrollado por el Centro Tecnológico CTC tiene por objetivo añadir técnicas de Inteligencia Artificial en el proceso de detección de defectos para automatizar su funcionamiento y optimizar la eficiencia actual del sistema de la empresa.
Mediante modelos de Deep Learning, el algoritmo creado por CTC aprenderá de los datos históricos y actuales recopilados durante el control de calidad, analizando y etiquetando los defectos a identificar. A raíz de este aprendizaje, el prototipo será capaz de reconocer automáticamente y con mayor precisión las piezas que contengan algún tipo de defecto.
El valor añadido de esta solución al análisis utilizado por SEG Automotive es el perfeccionamiento de la identificación de posibles daños y la mejora del rendimiento de los resultados obtenidos por los sistemas actuales. También implica la optimización del tiempo que invierten los operarios de la empresa en el control de calidad.
DETECCIÓN PREDICTIVA Y PROBABILÍSTICA DE ERRORES
SEG Automotive utiliza diversas piezas de proveedores durante el proceso de fabricación de sus alternadores. Si alguna de las citadas piezas no se encuentra dentro de sus tolerancias específicas, son potenciales a causar problemas en el proceso productivo de la empresa.
El Centro Tecnológico CTC propone una solución tecnológica que permita detectar las piezas que pueden causar errores mediante la aplicación de análisis predictivo y probabilístico a través de diversos modelos de Machine Learning.
Los resultados del proceso de fabricación quedan registrados en las bases de datos de trazabilidad de SEG Automotive. A partir de esta información, el algoritmo desarrollado por CTC detectará patrones de comportamiento en las series históricas y será capaz de predecir en tiempo real los potenciales fallos de piezas en el proceso de fabricación.
Al utilizar algoritmos de predicción de series temporales modernos, se crea un sistema eficiente para detectar fallos y posibles defectos en las piezas de lotes de proveedores. Esta solución permitirá a la empresa adelantarse a los errores y evitar así dañar tanto su producción como la propia maquinaria.