Reconfiguración y supervisión automática de sistemas ciberfísicos basada en gemelos digitales e Inteligencia Artificial. Aplicación a una línea piloto de Industria 4.0

• Autores: Yarens Joaquín Cruz Hernández
• Directores de la Tesis: Rodolfo Elías Haber Guerra (dir. tes.), Fernando Castaño Romero (codir. tes.)
• Lectura: En la Universidad Politécnica de Madrid ( España ) en 2024
• Idioma: español
• Tribunal Calificador de la Tesis: Fernando Matía Espada (presid.), Daniel Galán Vicente (secret.), José Luis Calvo Rolle (voc.), Emilio Jiménez Macías (voc.), Matilde Santos Peñas (voc.)
• Programa de doctorado: Programa de Doctorado en Automática y Robótica por la Universidad Politécnica de Madrid
• Calificación: Sobresaliente Cum Laude
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
      • Sistemas automatizados de producción
  • Ciencias tecnológicas
    • Tecnología industrial
      • Procesos industriales
• Enlaces
  • Tesis en acceso abierto en: Archivo Digital UPM
• Resumen

  • La reciente convergencia de un grupo de avances tecnológicos como el Internet de las Cosas, la analítica de datos, la robótica y los entornos avanzados de simulación, unido al rápido crecimiento de la Inteligencia Artificial, han propiciado el surgimiento de un nuevo paradigma de fabricación: la Industria 4.0. Este se caracteriza por la digitalización de los procesos productivos y gira en torno al concepto de sistema ciberfísico, en el cual se integran los procesos del mundo real con los del espacio virtual. Estos sistemas permiten la creación de entornos industriales más eficientes, flexibles y adaptables. Sin embargo, el ritmo vertiginoso al que están ocurriendo estas transformaciones dificulta la asimilación del nuevo paradigma de fabricación a ciertos actores ya que no existe una ruta prestablecida para su adopción. Si bien algunas iniciativas han definido arquitecturas de referencia, estas presentan la limitación de enfocarse solamente en aspectos teóricos sin profundizar en cuestiones prácticas. Esta tesis tiene como objetivo principal el diseño y desarrollo de métodos de reconfiguración y supervisión automática de sistemas ciberfísicos mediante gemelos digitales e Inteligencia Artificial. El reto científico-técnico radica en que estos métodos deben materializarse en módulos de Inteligencia Artificial, embebidos en plataformas computacionales, listos para ser aplicados a procesos productivos con el fin de facilitar la digitalización en las empresas de fabricación. El primer módulo se basa en una metodología de aprendizaje automático automatizado para generar parametrizaciones óptimas de los procesos productivos. A partir de datos históricos que deben incluir variables del proceso productivo y los Indicadores Clave de Desempeño que se desean optimizar, se llevan a cabo una serie de etapas para preprocesar los datos; seleccionar las variables con mayor influencia para cada Indicador Clave de Desempeño; determinar de entre una serie de algoritmos y estrategias de modelado cuál es el más adecuado para modelar cada Indicador Clave de Desempeño y; finalmente, utilizar los modelos seleccionados para plantear un problema de optimización multiobjetivo cuya solución son las parametrizaciones óptimas del proceso productivo. Las principales ventajas de este método son que, a pesar de su complejidad, su utilización es sencilla y puede ser aplicado a un amplio rango de procesos productivos. Las capacidades de este módulo le permiten actuar como capa de inteligencia de gemelos digitales, lo cual fue demostrado en una línea piloto. Como resultados se obtuvieron modelos con valores del coeficiente de determinación superiores a 0.98 y se generaron conjuntos de Pareto óptimos para diferentes restricciones. Además, el gemelo digital demostró ser capaz de coevolucionar con el proceso productivo al ser sometido deliberadamente a varias perturbaciones que alteraban su comportamiento. El segundo módulo tiene el objetivo de mantener la productividad de los equipos de fabricación utilizando una estrategia basada en la Lógica Borrosa, específicamente en los sistemas de inferencia borrosa. Este módulo se puede aplicar a equipos de carácter heterogéneo y tiene gran relevancia ya que permite de una manera sencilla evitar fluctuaciones en su ritmo de trabajo, previniendo la subutilización o sobreutilización de los equipos una vez que han sido configurados para un régimen de trabajo. El módulo es capaz de operar dentro de un determinado rango de fluctuaciones, mientras que, si se sobrepasa este rango, se asume que ha ocurrido una situación anómala y se detiene la producción para evitar consecuencias no deseadas. La efectividad de este módulo también fue probada en una línea piloto. Con el desarrollo de esta tesis se busca contribuir a la democratización de la Inteligencia Artificial en el sector industrial al facilitar a los diferentes actores herramientas para construir soluciones basadas en Inteligencia Artificial de manera simple y asequible.