F4ctorIA avanza en su segunda anualidad para la aplicación de inteligencia artificial a la fabricación de componentes de transmisión

---

O Porriño, 27 de septiembre de 2021.- La Unidad Mixta de Investigación (UMI) “F4ctorIA”, desarrollada en colaboración entre GKN Driveline Vigo y AIMEN, tiene por objetivo desarrollar nuevas tecnologías que permitan la aplicación de la Inteligencia Artificial (IA) a la fabricación avanzada de componentes de transmisión para el sector de automoción.

El objetivo principal de F4ctorIA es desarrollar y desplegar tecnologías avanzadas de Inteligencia Artificial como soporte al operario para la optimización de los procesos de fabricación, el aseguramiento de la calidad de los productos y la detección temprana del deterioro de máquinas.

F4ctorIA generará un nuevo conocimiento que permitirá crear una base tecnológica sólida que repercutirá directamente sobre la calidad de los productos manufacturados, a la vez que incrementará la competitividad de GKN Driveline Vigo dentro del sector. Además, contribuirá ala consolidación del concepto de fábrica universal e inteligente, maximizando al mismo tiempo la aplicabilidad de las tecnologías desarrolladas en otras industrias y sectores de actividad como el aeronáutico, metal-mecánico, naval y madera, entre otros.

Los retos principales de esta UMI son:

• Digitalizar la factoría, implantando una “cultura del dato” en la planta que permita a la empresa tratar los datos como un activo más y tomar decisiones en base a ellos y a los procesos de IA.
• Dotar de mayores capacidades a las celdas robotizadas aumentando su autonomía a la hora de realizar nuevas tareas y trabajar con nuevas referencias.
• Desarrollar un sistema de calidad integral centrado en el usuario donde se analicen todos los datos que se generan durante el proceso de fabricación de los productos y se proporcione un feedback a los operarios para que puedan tomar acciones orientadas a la mejora de la calidad de los productos fabricados.
• Optimizar los procesos y realizar un mantenimiento avanzado de los equipos y máquinas, desarrollando nuevos algoritmos para la seguridad, optimización y diagnóstico de la planta.

La puesta en marcha de esta UMI consolida la alianza establecida hace varios años entre GKN Driveline Vigo y AIMEN para desarrollar nuevas tecnologías de fabricación sostenible para el sector de automoción que consoliden a la planta viguesa como suministrador de juntas homocinéticas de transmisión de automóvil de referencia a nivel mundial.

Áreas de investigación

Dentro de la UMI, se están abordando 4 Áreas de investigación específicas orientadas a:

1. El desarrollo de una arquitectura de comunicaciones específica, la optimización de los flujos de información y la integración de interfaces inteligentes.
2. El desarrollo e integración de sistemas de percepción en robots, la capacidad de adaptarse a nuevas tareas sin programación explícita y la optimización de la interacción hombre-máquina.
3. El desarrollo de sistemas de visión soportados mediante IA, sistemas de identidad digital del producto, Data Analytics y herramientas de soporte al operario.
4. La sensorización de máquinas, el mantenimiento prescriptivo de las mismas y el desarrollo de sistemas autoadaptativos y de soporte a la decisión del operario.

Hitos tecnológicos alcanzados en la segunda anualidad

En cuanto a los principales avances e hitos tecnológicos alcanzados durante la segunda anualidad, destacan entre otros:

1. Establecimiento de protocolos para el uso, distribución, almacenamiento y gestión de los datos y de los modelos de inteligencia artificial desplegados en la planta.
2. Desarrollo de una infraestructura digital de repositorios donde almacenar los datasets generados.
3. Desarrollo de los primeros interfaces inteligentes que permitan explotar y visualizar al personal la relación entre los distintos parámetros del dataset.
4. Desarrollo de técnicas avanzadas de detección y seguimiento de personas en espacios compartidos por parte de los robots.
5. Despliegue en la planta nuevos pilotos de visión artificial basados en redes neuronales.
6. Integración de sensores y posterior toma de datos en equipos representativos de diferentes procesos de la planta (temple, mecanizado y montaje), para crear datasets de las variables monitorizadas y de las características de los productos fabricados.
7. Desarrollo inicial de algoritmos de inteligencia artificial que permitirán relacionar las variables de proceso monitorizadas con la calidad final de la pieza y con fenómenos asociados a la degradación de los procesos.