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.

Avances

Este proyecto propone avances en el área del mantenimiento inteligente (MI), considerándolo como una de las aplicaciones básicas de la digitalización. Gracias a los recursos del proyecto podemos continuar investigando en soluciones MI que son combinación de la inteligencia analítica (analítica predictiva como Machine Learning, Big Data, etc.) e inteligencia basada en reglas. Se trata de fomentar el nivel de aplicación industrial de estas técnicas dando a conocer distintas aplicaciones en curso. A continuación, resumimos artículos de impacto publicados (sólo seleccionamos los de revistas del JCR) publicados durante el año 2020 y 2021 que consideramos directamente relacionados con el objetivo de la investigación, cuya finalización se ha visto favorecida por la financiación recibida por este proyecto. Es posible comprobar como muchos de los casos estudiados están validados sobre casos industriales como propone la memoria del proyecto (Véase por ejemplo, en los artículos en revista, el caso de los compresores de LNG (1) y la aplicación a bombas criogénicas de la revista (3) realizados en la planta de regasificación de gas natural de Huelva, el caso de los rodamientos en trenes de velocidad alta de fabricantes nacionales, aplicado en Kazajistán de la revista (6), o el caso de equipos rotativos de la revista (5)).

Publicaciones en revistas (JCR):

1.   Hidalgo, Fernando, Gómez Fernández, Juan Francisco, Cerruela García, Gonzalo, Crespo Marquez, Adolfo: Dimensionality Analysis in Machine Learning Failure Detection Models. A Case Study with LNG Compressors. En: Computers in Industry. 2021. Vol. 218. Núm. 103434. Pag. 1-13. https://doi.org/10.1016/j.compind.2021.103434

2.   Ramezani, Saeed, Moini, Alireza, Riah, Mohamad, Crespo Marquez, Adolfo: Predicting the remaining useful life in the presence of the regime-switching behavior of health index using distance-based evidence theory. En: Insight (Northampton). 2021. Vol. 63. Núm. 1. Pag. 37- 46. https://doi.org/10.1784/insi.2021.63.1.37

3. Crespo Marquez, Adolfo, Crespo del Castillo, Adolfo, Gómez Fernández, Juan Francisco: Integrating Artificial Intelligent Techniques and Continuous Time Simulation Modelling. Practical Predictive Analytics for Energy Efficiency and Failure Detection. En: Computers in Industry. 2020. Vol. 115. Núm. 103164. Pag. 1-15. https://doi.org/10.1016/j.compind.2019.103164

4. Crespo Marquez, Adolfo, Gómez Fernández, Juan Francisco, Martínez Galán Fernández , Pablo, Guillen Lopez, Antonio Jesus: Maintenance Management through Intelligent Asset Management Platforms (IAMP). Emerging Factors, Key Impact Areas and Data Models. En: Energies. 2020. Vol. 13. Núm. 3762. Pag. 1-19. https://doi.org/10.3390/en13153762

5. Ramezani, Saeed, Moini, Alireza, Riahi, Mohamad, Crespo Marquez, Adolfo: A model to determining the remaining useful life of rotating equipment, based on a new approach to determining state of degradation. En: Journal of Central South University. 2020. Vol. 27. Pag. 2291-2310. https://doi.org/10.1007/s11771-020-4450-7

6. Crespo Marquez, Adolfo, De la Fuente, Antonio, Marcos Alberca, Jose Antonio, Navarro, Javier: Designing CBM Plans, Based on Predictive Analytics and Big Data Tools, for Train Axle Bearings. En: Computers in Industry. 2020. Vol. 122. Núm. 10392. Pag. 1-13. https://doi.org/10.1016/j.compind.2020.103292

Libros:

1. Crespo Marquez, Adolfo (Editor/a), Macchi, Marco (Coeditor/a), Parlikad, Ajith Kumar (Coeditor/a): Value-based and Intelligent Asset Management. Londres. Springer. 2019. 363. ISBN 978-3-030-20703-8

Capítulos en Libros:

1. Gonzalez-Prida Diaz, Vicente, Zamora Bonilla, Jesús P., Crespo Marquez, Adolfo, Moreu de Leon, Pedro: Statistical Learning Process for the Reduction of Sample Collection Assuring a Desired Level of Confidence. Pag. 1-14. En: Applications of Machine Learning. Algorithms for Intelligent Systems.. Singapore. Springer - Nature. 2020. ISBN 978-981-15-3356-3

2. Candón, Eduardo, Martínez-Galán Fernández, Pablo, De la Fuente, Antonio, Gonzalez-Prida Diaz, Vicente, Crespo Marquez, Adolfo, et. al.: Implementing Intelligent Asset Management Systems (IAMS) within an Industry 4.0 Manufacturing Environment. Pag. 2448-2493. En: 9th IFAC Conference on Manufacturing Modelling, Management and Control MIM 2019. Austria. International federation of automatic control. 2019. ISBN 2405-8963

3. Gonzalez, Pablo, Guillen Lopez, Antonio Jesus, De la Fuente, Antonio, Candón, Eduardo, Martínez-Galán Fernández, Pablo, et. al.: Index for asset value measure obtained from condition monitoring digitalized data interpretation. A railway asset management application. Pag. 92-102. En: Critical Service continuity, Resilience and Security: Proceedings of the 56th ESReDA Seminar. Luxembourg. Publications Office of the European Union, 2019. 2019. ISBN 978-92-76-13359-9

4. Serra Parajes, Javier, Crespo Marquez, Adolfo: Analysis of the impact of the Asset Health Index in a Maintenance Strategy. Pag. 125-134. En: Critical Service continuity, Resilience and Security: Proceedings of the 56th ESReDA Seminar. Luxembourg. Publications Office of the European Union, 2019. 2019. ISBN 978-92-76-13359-9

5. Serra, Javier, De la Fuente, Antonio, Crespo Marquez, Adolfo, Sola Rosique, Antonio, Guillen Lopez, Antonio Jesus, et. al.: A model for lifecycle cost calculation based on asset health index. Pag. 91-98. En: International Conference on Smart Infrastructure and Construction 2019 (ICSIC). 2019. ISBN 978-0-7277-6466-9

6. Crespo Marquez, Adolfo, De la Fuente, Antonio, Guillen Lopez, Antonio Jesus, Sola Rosique, Antonio, Serra Pajares, Javier, et. al.: Defining Asset Health Indicators (AHI) to Support Complex Assets Maintenance and Replacement Strategies. A Generic Procedure to Assess Assets Deterioration. Pag. 79-99. En: Value-based and Intelligent Asset Management. Londres. Springer. 2019. 363. ISBN 978-3-030-20703-8

7. Ferrero, Jesús, Gómez Fernández, Juan Francisco, Guillen Lopez, Antonio Jesus, Olivencia, Fernando, Crespo Marquez, Adolfo: A CPS for Condition Based Maintenance Based on a Multi-agent System for Failure Modes Prediction in Grid Connected PV Systems. Pag. 165-185. En: Value-based and Intelligent Asset Management. Londres. Springer. 2019. 363. ISBN 978-3-030-20703-8

Analítica Predictiva y Machine Learning en plataformas IoT