Deep Learning, presente y futuro del mantenimiento predictivo y el control de calidad en la industria

14 / 01 / 2020

Deep Learning, presente y futuro del mantenimiento predictivo y el control de calidad en la industria
En 2013, la distópica serie de Netflix ‘Black Mirror’ nos mostraba a Martha...

Una mujer desesperada por la muerte de su marido, que recurría a un software capaz de aprender de las conversaciones y de la huella electrónica que había dejado su esposo para entablar con él nuevas comunicaciones virtuales. Cuantos más datos introducía Martha, en forma de fotografías y vídeos, más completa era la respuesta del sistema, hasta el punto de que los mensajes por escrito dieron paso a conversaciones telefónicas y finalmente a un cuerpo biónico, una reproducción de su marido con vida propia, aunque artificial.

El episodio, titulado “Ahora mismo vuelvo”, se convirtió en un hito de la serie, y permitió mostrar el alcance de las múltiples aplicaciones de la Inteligencia Artificial, que consigue que las máquinas aprendan a desempeñar de forma autónoma tareas tradicionalmente desempeñadas por el ser humano.

La continua búsqueda de soluciones disruptivas basadas en la tecnología, ha llevado a DOMINION a explorar las posibilidades que ofrece esta herramienta de análisis y procesado de datos de la mano de otros referentes en el campo de la Industria 4.0. Una de las formas que toma la Inteligencia Artificial en la que DOMINION está especializado es el Deep Learning, un subconjunto de algoritmos de Machine Learning (Aprendizaje Automático) basado en Redes Neuronales Artificiales que, según explica Arkaitz Etxezarreta, Data Analytics Manager de DOMINION, “necesita una gran cantidad de datos y potencia de computación para sacar a relucir todo su potencial”.

Esta herramienta es aplicable, entre otros, a procesos propios de la industria como el mantenimiento predictivo y en especial a “la inspección de calidad tanto superficial como dimensional”, un ámbito en el que DOMINION participa junto con otros partners tecnológicos en diversos proyectos de investigación.

El objetivo principal consiste en trasladar el conocimiento de dominio de las personas que realizan este tipo de revisiones de calidad a un sistema que permita realizarlas de forma automatizada, valiéndose para ello de una solución concreta de captación y procesado de imágenes a través de ésta u otras técnicas.

Arkaitz Etxezarreta

Arkaitz Etxezarreta

| Data Analytics Manager

Se trata de un proceso complejo que exige, en primer lugar, llevar a cabo una intensa labor de captación y etiquetado de “miles de imágenes sobre las diferentes tipologías de defectos de la pieza que se quiere supervisar”. Este procedimiento, uno de los más importantes de todo el proceso pero que a veces se da por sentado, se realiza con un sistema de captación de imágenes que exige una minuciosa configuración, en el que influyen multitud de aspectos como el posicionamiento del sistema, la iluminación y las sombras que se generan, el tipo de luz, el tamaño de los defectos que se quieren detectar, etc. Todas estas imágenes “sirven para entrenar un algoritmo de Deep Learning para que extraiga y generalice de forma autónoma características propias de cada defecto. Una vez configurado y con la solución desplegada en planta, un proceso que se puede prolongar durante años, contribuye a realizar este tedioso proceso." 

Hasta el momento, DOMINION ha participado junto con el centro tecnológico especializado en Visión Artificial Vicomtech y la empresa líder en transformación de acero para automoción Gonvarri en un proyecto de I+D dirigido a detectar defectos en planchas de diferentes tipos de acero a través de técnicas de Deep Learning. 

Los resultados de la fase piloto han sido alentadores para el futuro de esta aplicación, puesto que han arrojado un porcentaje de acierto en la detección de defectos superior al 80%. El hándicap, según explica Etxezarreta, continúa siendo la obtención y catalogación de las diferentes tipologías de defectos en grandes cantidades, puesto que el sistema todavía no es capaz de diferenciar entre ellos con la precisión necesaria. “La clave del éxito en la utilización de este tipo de tecnología se encuentra en la cantidad de datos disponibles para entrenar el algoritmo”, afirma.

Pero las posibilidades que ofrece son enormes. Según asegura, esta tecnología puede ser una “herramienta de apoyo” fundamental en línea productiva, donde los operarios tienen un tiempo limitado para realizar varias comprobaciones y se ven obligados a revisar únicamente una muestra de las piezas. Un sistema equipado con visión artificial puede comprobar el 100% de la producción gracias a tecnología como el Deep Learning. Por ejemplo, comprobar que el parachoques de un vehículo incorpora correctamente todos los componentes que lo integran antes de que el operario proceda a su ensamblaje definitivo en la cabina. Además de aliviar la carga de trabajo del operario, este sistema de control permite localizar de forma prematura posibles errores o fallos de montaje, y evitar así tener que localizar el defecto cuando la pieza está ya terminada y ensamblada. 

Además del control de calidad, el Machine Learning ofrece enormes posibilidades en el mantenimiento predictivo, donde DOMINION ofrece servicios integrales que le sitúan en una posición de liderazgo. Gracias a su expertise en analítica de datos y a sus equipos multidisciplinares, DOMINION puede configurar algoritmos específicos dirigidos a identificar patrones de funcionamiento erróneo en diferentes procesos industriales y optimizar así las labores de mantenimiento. “Recabamos datos provenientes de sensores, estados de máquina, etc., tanto actuales como su histórico, para construir un patrón que nos permita saber en qué estado se encontraba un activo de producción antes de llegar a una situación de fallo. Con esta información podemos configurar un sistema de alerta temprana que nos avisa en el momento en que detecta comportamientos similares a los que dieron lugar a un fallo en el pasado”, explica. Estas técnicas también permiten reducir el llamado “tiempo de diagnóstico” e incrementar al máximo la eficiencia de este tipo de tareas en cualquier tipo de sector, desde el energético hasta el metal.

“Nuestra propuesta de valor radica en que podemos prestar un servicio integral que engloba desde la adquisición, instalación y configuración de los sistemas de captación de datos e imágenes hasta el entrenamiento y ajuste de la algoritmia necesaria, incluyendo recientes técnicas de Deep Learning, y su despliegue en planta productiva. DOMINION está plenamente orientado a mercado para acompañar a sus clientes, aumentar la eficiencia de sus procesos y, en definitiva, solucionar sus problemas del día a día”, concluye el Data Analytics Manager de DOMINION.

Artículos relacionados

Generación distribuida, el nuevo paradigma del consumo eléctrico

Servicios One Stop Shop basados en la tecnología para aumentar la eficiencia de la planta de Michelin en Vitoria-Gasteiz

“Hemos podido anticipar, diversificar y adaptarnos rápidamente a las nuevas tendencias y necesidades del mercado industrial en México, para seguir creciendo”