El buen funcionamiento de los equipos es clave para la productividad industrial. Sin embargo, una parte importante de la maquinaria existente en las líneas de producción está acercándose al final de su vida útil. El proyecto europeo RECLAIM H2020, en el que el Centro Tecnológico del Calzado de La Rioja, CTCR, participa como socio, trata de aumentar la eficiencia al tiempo que se reducen los costes y la huella de carbono gracias a la restauración y remanufacturación de la maquinaria que ya se considera antigua, en lugar de proceder a la compra de nuevos equipos.
Y es que, la adaptación digital de las diferentes máquinas es primordial para lograr estos objetivos. Para ello, ya se ha avanzado en la toma de los requisitos necesarios en cada uno de los cinco sectores elegidos, entre los que se encuentra la industria del calzado. La adquisición de información y su tratamiento, mediante sistemas informáticos, permitirá establecer modelos de comportamiento.
Este mes de octubre de 2020 se cumple el primer año de funcionamiento del proyecto RECLAIM, que se encuentra plenamente operativo, cuyo trabajo, hasta el momento, se ha caracterizado por intentar conocer, de la forma más exhaustiva posible, el funcionamiento diario de las máquinas que forman parte de estos sectores, con el objetivo de detectar cuáles son los fallos más recurrentes que presentan y sacar diferentes indicativos a modo de conclusiones.
Otro asunto que se está tratando en este momento, en el marco del proyecto, es el del estudio de los sensores instalados en las plantas piloto y que proporcionarán la información de esas cadenas de producción digitalizadas, para conocer el estado real de las máquinas en cada momento. En este sentido y gracias a la cantidad de datos que estos sensores van a recoger, se podrá hacer un modelo predictivo para detectar cuándo un sistema está cerca de fallar, adelantarnos a ese fallo y evitar parones por largos períodos de tiempo.
También, otra herramienta importante que va a desarrollar el proyecto RECLAIM es el soporte de toma de decisiones, que va a consistir en un novedoso programa que, con todos los datos que ha ido adquiriendo de las máquinas, nos permita tomar decisiones sobre lo que hacer o no hacer: si merece la pena arreglarla, comprar otra nueva, etc.
‘Digital twins’
Toda esta adaptación, permite al CTCR adentrase en la era de los ‘Digital twins’ o gemelos digitales, cuya importancia se verá acrecentada en la próxima década, pues se espera que este mercado alcance los 35,8 mil millones para 2025. En términos más coloquiales la apuesta por esta tecnología no es más que la generación de una réplica virtual de un producto, servicio o proceso que simula el comportamiento de su homólogo físico, con el objetivo de monitorizarlo, analizar su reacción ante determinadas situaciones y mejorar su rendimiento y eficacia. Por lo tanto, la puesta en marcha de un gemelo digital se concreta en un sistema u objeto real cuya estructura y la información que maneja cuenta con una copia virtual donde es posible experimentar sin correr riesgos, algo muy beneficioso para los procesos de fabricación. De hecho, Gartner predice que en 2021 la mitad de las compañías industriales usará gemelos digitales, lo cual les ayudará a aumentar su eficacia en un 10%.
La unión de los mundos físico y virtual mediante gemelos digitales posibilita un análisis exhaustivo de la información, algo que combinado con soluciones de ‘big data’, internet de las cosas e inteligencia artificial permite llevar un riguroso control de los sistemas para evitar problemas, prevenir tiempos de inactividad, probar nuevas oportunidades de negocio, planificar escenarios futuros mediante simulaciones y personalizar la producción a partir de los requerimientos de los clientes.
Al contar con una réplica virtual se puede obtener un ‘feedback’ inmediato de la actividad en curso y aplicar las posibles correcciones en un tiempo récord. Por este motivo, los gemelos digitales son especialmente útiles para el mantenimiento de máquinas y equipos conectados que generan y analizan grandes volúmenes de datos.
This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement N°869884
