Ford Almussafes y CEU UCH, premiados en los Factories of the future Awards 2021 por su modelo para predecir averías

Imagen de los premios
Imagen de los premios - CEU UCH
Publicado: lunes, 5 julio 2021 11:14

   VALNCIA, 5 Jul. (EUROPA PRESS) -

   El modelo de predicción de averías en el área de estampación para carrocerías diseñado por investigadores de Ford Valencia y la Universidad CEU Cardenal Herrera (CEU UCH) ha obtenido el premio 'Factories of the Future Awards 2021', en la categoría de 'Liderazgo en la transformación digital de la planta industrial'.

   Estos galardones son concedidos anualmente en el congreso internacional Advanced Factories, que se ha celebrado en Barcelona. En este foro, dedicado a la innovación, automatización e industria 4.0, se premian las mejores aplicaciones de la inteligencia artificial al ámbito de la producción industrial a nivel mundial.

   El modelo predictivo de Ford y la CEU UCH forma parte de la tesis doctoral de Iván Peinado sobre el área de estampación de Ford en la planta de Almussafes, que está desarrollando bajo la dirección del profesor Nicolás Montes, investigador principal del Grupo en Automatización Industrial y Robótica (AIR) de la CEU UCH, y Eduardo García Magraner, gerente del área de Ingeniería de Carrocerías y Prensas de Ford Valencia y doctor por esta Universidad.

   Esta tesis está financiada por la Fundación para el Desarrollo y la Innovación (FDI) de la Generalitat Valenciana y Ford, detalla la institución académica en un comunicado.

   Según explica Iván Peinado, "en la planta de estampación de carrocerías, las averías que pueden aparecer en los equipos producen en algunos casos paradas inesperadas en la producción, con la repercusión económica que ello implica. Por eso es tan importante diseñar sistemas que nos permitan predecir la aparición de averías que causan paradas imprevistas y evitar sus costes".

INTERNET DE LAS COSAS A ESCALA INDUSTRIAL

   Para abordar esta mejora, el equipo de ingenieros de Ford y la CEU UCH se planteó como objetivo obtener la mayor información posible en tiempo real del proceso de estampación. El tratamiento adecuado de estos datos, aplicando herramientas relacionadas con la industria 4.0. y el uso de técnicas de inteligencia artificial, ha permitido establecer indicadores de predicción de posibles averías, evitando que sucedan.

   Peinado apunta que, en la propuesta premiada en el Factories of the Future Awards 2021, "se ha empleado técnicas IIoT, que es el internet de las cosas para el ámbito industrial o Industrial Internet of Things".

   "Así hemos conseguido tener totalmente conectados todos los componentes del proceso de estampación y recibir toda la información de los sensores instalados en la maquinaria y sus equipos autómatas. Un servidor conecta la red OT con la IT para enviar todos los datos desde los equipos a nuestra base de datos en la nube", añade.

   Gracias a esta facilidad de acceso a todos los indicadores acumulados, el equipo de Ford y la CEU UCH ha desarrollado diferentes 'dashboards' o cuadros de mando para monitorizar las variables más críticas del equipo de estampación y diseñar un modelo predictivo de averías, a partir del análisis exhaustivo del funcionamiento normal de trabajo. "De este modo, podemos ahora controlar cualquier posible anomalía que puede anticipar una avería, evitando las paradas de reparación y sus consecuencias económicas negativas para la producción", destaca Iván Peinado.

   Los premios Factories of the future son concedidos en el foro Advanced Factories para reconocer las mejores iniciativas de la industria 4.0 cada año. El equipo formado por Ford Valencia y la CEU UCH ya fue finalista en la última edición de 2020 de estos premios, en la categoría de Investigación y desarrollo, con el proyecto 'Miniterms 4.0' liderado por los investigadores Nicolás Montes, de la CEU UCH, y Eduardo García Magraner, de Ford Valencia.

   Ambos han dirigido la investigación de Iván Peinado, premiada en esta edición de 2021, esta vez en la categoría de Liderazgo en la transformación digital de la planta industrial.

Leer más acerca de: