Solución en la nube para prevenir defectos en la manufactura de autopartes

Solución en la nube para prevenir defectos en la manufactura de autopartes

Comunicate con el proveedor:

Contactar

!noticia guardada!

Con el fin de detectar con antelación posibles defectos en las autopartes de aluminio durante el proceso de manufactura, el equipo de desarrollo de la empresa Fagor Ederlan emprendió la tarea de construir un sistema que pudiera utilizar los datos de manufactura disponibles para predecir problemas de calidad.

Según un caso de éxito publicado por Microsoft, utilizando una solución en la nube de esta compañí­a, llamado Azure, así­ como un modelo de aprendizaje automático, un equipo de desarrolladores conjunto pudo crear una solución prototipo que identifica las piezas defectuosas con mayor rapidez y que a su vez puede aplicarse a las diferentes máquinas y fábricas de la organización.

El proyecto se basa en una máquina de moldeo que toma medidas cada milisegundo. Los datos capturados durante el proceso de moldeo son útiles en la construcción de modelos de aprendizaje de la máquina que indican cuando la calidad de la autoparte no está dentro de los estándares.

La máquina de Fagor Ederlan tiene un software de control que reúne toda la información de los sensores como archivos CSV. Para cada pieza, calcula promedios, medios y otros valores estadí­sticos de los datos. Para minimizar el impacto en la máquina, se desarrolló una versión ligera de Windows. Cada vez que se detecta un nuevo archivo CSV en una carpeta, los datos se enví­an a IoT Hub.

El resto del proceso ocurre en Azure. Para desarrollar el servicio, tomaron en cuenta todas las preocupaciones de comunicación, crearon un plan de prueba y probaron el servicio en las situaciones más probables, como cortes de red y otros problemas de conectividad.

Para minimizar estos desafí­os, el equipo redujo el tamaño de los archivos zip y los archivos eliminados una vez que están disponibles en la nube, proporcionando dos modelos de aprendizaje automático para recopilar datos.

El objetivo de la solución es la identificación temprana de piezas defectuosas en una máquina de moldeo de aluminio. Durante el proceso de inyección, la máquina toma muchos parámetros por milisegundo como la velocidad, la presión y el funcionamiento del inyector. Esto crea un archivo CSV de 800 KB con todas las mediciones y otro con medias. El proceso de llenado de la matriz y el enfriamiento de la pieza toma entre 60 y 90 segundos. Cuando la pieza está terminada, hay una radiografí­a y una inspección visual para detectar las defectuosas. Pero el chequeo final viene por parte del cliente, lo que suele ocurrir un mes después de que se construye la pieza.

Te podría interesar...

Lo más leído

Reciclaje del metal duro
Remoción de material

Reciclaje del metal duro: un negocio sostenible que reduce el impacto ambiental en la indu...

・Mar 7, 2023
 industria metalmecánica para 2024
Sostenibilidad

La industria metalmecánica se encuentra en profunda transformación, conozca las tendencia...

Dianny Niño, editora Metalmecánica・Ene 17, 2024
Centros de mecanizado
Conformado

Aquí le contamos qué son los centros de mecanizado, para que sirven, sus funciones princip...

Equipo editorial de Metalmecanica ・Ene 18, 2024
Grupo Hi-Tec
Fabricación

Como parte del Open House 2023, el Grupo Hi-Tec dio a conocer ofertas tecnológicas avanzad...

Equipo editorial de Metalmecanica ・Mar 28, 2023