Metodología para aplicación industrial de soluciones de mantenimiento inteligente. Integración de técnicas de Analítica Predictiva y Machine Learning en plataformas IoT

El mantenimiento inteligente (MI) es una de las aplicaciones básicas de la digitalización

Investigador principal

Adolfo Crespo Márquez

Sede

US

Tecnología

a. Machine Learning
b. IoT
c. Big Data

Sector

2

Agentes agregados

SOLTEL IT SOFTWARE SLU (STL)

Resumen de la propuesta

El mantenimiento inteligente (MI) es una de las aplicaciones básicas de la digitalización Las soluciones MI combinan inteligencia analítica analítica predictiva como Machine Lea rning, Big Data, etc e inteligencia basada en reglas . A pesar de que estas técnicas son maduras el nive l de aplicaci ón industrial de l MI y su impacto son bajo s E ste proyecto propone una metodología para diseñar e impl ementar proceso s MI análisis de mantenimiento integración de técnicas predictivas y sistemas de información digitalización de la decisión y control de resultados ; y su validación sobre casos industriales.

Objetivo del proyecto

Vivimos una transformación digital en el mantenimiento caracterizada por mayores niveles de información de los activos y mejores posibilidades de control de la gestión, en tiempo real y a lo largo de la vida úti l. El uso generalizado de sistemas de información y técni cas analíticas ha convertido en crítica la gesti ón de los datos, la información y el conocimiento a lo largo del ciclo de vida de los activos.

Obj.  principal desarrollar y probar una metodologí a para facilitar el diseño end to end de soluciones de mantenimiento inteligente

Obj. particulares

1. Desarrollar metodologías de análisis de la información de los activos
2. Desarrollar casos concretos de técnicas de analítica predictiva para toma de decisión de mantenimiento
3. Generar un software d e soporte al diseño de estas soluciones incluyendo: gestión de datos, interconexión de sistemas de información, herramientas de análisis, interfaces de decisión y control del rendimiento del mantenimiento.
4. V alidar la metodología y las técnicas de analítica s desarrolladas sobre casos de uso reales: trenes alta vel ocidad, fotovoltaica, distribución eléctrica (TRL7)

Resultados esperados e indicadores

El impacto científico, el grupo de investigación tiene la intención de seguir manteniendo su nivel de publicaciones. En los últimos cuatro años, se han publicado en revistas científicas del primer / segundo cuartil en el área de este proyecto un total de 16 publicaciones y se han editado 3 libros en Springer.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual):1
  • Patentes:
  • Nº contratos transferencia:
  • Congresos:5
  • Publicaciones indexadas:3-5

Justificación potencial impacto tecnológico del proyecto (TRL)

El impacto se ha orientado hacia métodos y técnicas específicas de aplicación intensiva prevista en sectores industriales en los que la gestión de activos es especialmente importante debido a la intensidad de la capitalización . Aplicaciones particulares de mantenimiento predictivo son cono cidas en distintos sectores. El enfoque de integración de tecnologías y el esfuerzo de validación en casos reales llevará los resultados del proyecto a niveles TRL 6 7 , ya que la metodología propuesta junto con el software de apoyo podrá comercializarse al finalizar el proyecto