Retos
La industria se enfrenta a costes operativos crecientes y a la pérdida de productividad debido a las ineficiencias del mantenimiento reactivo (correctivo) y preventivo basado en calendarios. La falta de un sistema inteligente para el monitoreo de condición (Condition Monitoring) de activos industriales impide el aprovechamiento de grandes volúmenes de datos (Big Data) para predecir fallos. Esto resulta en paradas no planificadas, altos costos de stock de repuestos y un impacto negativo en la vida útil de la maquinaria.
Objetivos del proyecto
El objetivo principal de AMIEVA es investigar y diseñar una solución de mantenimiento inteligente para realizar el mantenimiento predictivo de máquinas de fabricación y detectar defectos de corrosión en las empresas industriales. Para ello se utilizarán tecnologías de computación en la nube y en el borde, visión computerizada, IoT, algoritmos de IA y análisis de datos. GALEO se enfocará sobre el aplicativo relacionado con el mantenimiento predictivo. En esta línea el objetivo es implementar una solución de Hiperautomatización que permita la transición del mantenimiento reactivo a un modelo Predictivo y Prescriptivo basado en datos y algoritmos avanzados. Para alcanzar este objetivo fundamental se trabajará en las siguientes líneas:
- Investigación de un equipo IoT en el edge que permita la captura y procesamiento en el extremo de variables que informen acerca de las condiciones de salud y funcionamiento de los equipos monitorizados en AMIEVA
- Construcción de una novedosa arquitectura edge-cloud que permita el procesamiento de todas las telemetrías extraídas desde las máquinas
- Creación de algoritmos de Machine Learning para la detección temprana de anomalías y la predicción precisa de fallos.
- Validación de los diferentes componentes en un entorno industrial
AMIEVA se trata de un proyecto colaborativo donde GALEO colabora con las empresa ICUBE, Grupo SEM y Táctica TIC, así como el Centro tecnológico CTIC (subcontratado).
Resultados esperados
Plataforma edge-cloud para el mantenimiento predictivo de equipos industriales, basada en la monitorización de diferentes variables que influyen en el funcionamiento de los equipos y la detección temprana de eventos adversos
Proyecto subvencionado por
Referencia de la ayuda: IDE/2024/000892 (Proyecto cofinanciado por del Gobierno del Principado de Asturias, a través de la Agencia SEKUENS, y por el Fondo de Transición Justa de la Unión Europea).
