Adimen artifizialaren etorrerak 4.0 Industria ere irauli du, eta eragina izaten ari da industria-inguruneetako arazoak hautemateko, monitorizatzeko eta diagnostikatzeko dugun moduan.
Aldaketa horren guztiaren eta, batzuetan, ziurgabetasunaren eraginez, industriako enpresek eta langileek zailtasun batzuk gainditu beharra dute, hala nola lan-baldintzen aldakortasuna, datu-bolumen handiak modu seguru eta eraginkorrean transferitzeko mugak eta jasangarritasunaren erronkak
Zer soluzio teknologiko eskaintzen ditu NEXTMON proiektuak?
NEXTMON proiektuak espero du soluzio teknologikoak lortzea askotariko sektore eta merkatuetan dagoeneko identifikatuta dauden eta komertzialki konpondu ez diren monitorizazio-erronkei aurre egiteko. NEXTMON proiektuaren helburu zientifiko-teknologikoek ildo hauek izango dituzte ardatz:
- Datuak eskuratzeko sistemak (DAQ) gauzen Internet industrialeko (IIoT) teknologiekin hibridatzea.
- Lan-erregimen aldakorreko sistemen egoera monitorizatzea.
- Monitorizaziorako behar diren datu-iturrien kopurua murriztea.
- Sentsore hiperespektral eta 2D eta 3D sentsore multimodalen informazioa integratzea.
- AAko ereduen bizi-zikloaren kudeaketa informazio-mota batzuetarako.
- Adimen banatuko sistema federatuak.
Helburu zientifikoak eta jarduera-ildoak
1D seinaleen monitorizazioa erregimen aldakorretan: Ordenaren segimendua (order tracking, OT) teknika eraginkorra da bibrazio-seinale ez-geldikorrak analizatzeko, monitorizatzeko eta hutsegiteak diagnostikatzeko
Seinale-iturrien bereizketa: Blind source separacion (BBS) izenean biltzen diren teknikei esker, iturburuaren arabera bereiz daitezke seinaleak.
Olatu-energiako sorgailuen osasun-egoeraren monitorizazioa mantentze-lan prediktiboak egiteko:
- Bibrazioen analisia: bibrazioen monitorizazioari esker, garaiz hauteman daitezke portaera normalaren desbideratzeak, eta, beraz, mantentze-lan egokiak egin ezusteko hutsegiteak prebenitzeko.
- ESA (electrical signature analysis): hainbat teknika baliatzen ditu seinale elektrikoak (hala nola korrontea eta tentsioa) analizatuz makina elektrikoen egoera monitorizatzeko. MCSA (motor current signature analysis) metodologian, motorren edo sorgailu elektrikoen korronte elektrikoaren maiztasuna analizatzen da, sisteman hutsegiteak edo anomaliak hautemateko eta diagnostikatzeko.
Korronte hiperespektralen eta 2D eta 3D korronteen pertzepzioa birziklatze-korronteetan:
- Sentsore espazialen baterako erregistroa (HSI, RGB, 3D)
- Dimentsionaltasuna murriztea, sentsorea optimizatzea
- Pertzepzio-eredu aurreratuak, multimodalak eta linean ezar daitezkeenak garatzea
- MLOps paradigma. Etengabeko ikaskuntza eta datuan oinarritutako teknikak. AAko ereduen bizi-zikloaren kudeaketa informazio-mota batzuetarako.
- Sentsore hiperespektral eta 2D eta 3D sentsore multimodalen informazioa integratzea.
Datuak kudeatzeko sistemak: Informazioaren teknologien bilakaerari eta datuak streaming bidez gordetzeko eta kudeatzeko tresna berrien garapenari esker, bildutako datuak modu aurreratuan kudeatzeko aukera dago gaur egun, serie tenporaletako datuak kudeatzeko, datuak modu banatuan biltegiratzeko eta datuak streamingean prozesatzeko tresnen bidez. InfluxDB erabiltzea serie tenporalen datu-base gisa, eta, ondoren, analisi-fluxuetan integratzea.
Sistema federatuak: Ikaskuntza federatua funtsezko metodologia da esparru honetan, eta aukera ematen du adimen artifizialeko ereduak lankidetzan entrenatzeko, haien azpiko datuak partekatu gabe, datuen pribatutasunari eta segurtasunari buruzko funtsezko kezkei helduz. INYCOM sistema federatu bat garatzen ari da AISYM4MED proiektuaren esparruan. Sistema horri esker, osasun-datuen iturriak erabil daitezke algoritmo bat bera entrenatzeko, aldez aurretik bateratu beharrik gabe.
Proiektuaren erreferentzia: CPP2023-010810
Programa: BAEko lankidetza publiko-pribatuko 2023ko proiektuak
