Utilización de Gemelos Digitales para la medición y optimización del rendimiento de una línea de producción.

Abstract

Este proyecto se basa en el concepto de “gemelo digital”, en auge durante los últimos años dadas sus potenciales aplicaciones en campos diversos. La idea fundamental detrás de este concepto es el diseño de una réplica virtual de un activo real, de tal manera que se produzca un intercambio de información entre ambos que mejore las prestaciones de dicho activo. Por ejemplo, en el campo de la industria, una cierta maquinaria podría contar con un gemelo digital que monitorice su funcionamiento y, en base a simulaciones, pudiera predecir y ajustar futuros comportamientos. En el presente trabajo se persigue el desarrollo de un gemelo digital de una línea de producción que permita optimizar el rendimiento de la misma, aspecto clave en las operaciones de empresas de manufactura. La línea de producción real, en concreto, se corresponde con el paletizado y almacenaje de panes envasados. Así, mediante el diseño formal e implementación de un gemelo digital de esta, se realizan simulaciones del funcionamiento de la planta con un alto grado de fidelidad empleando distintas configuraciones de sus componentes y bajo distintos contextos situacionales. Se han diseñado una serie de indicadores claves del desempeño (o KPIs con sus siglas en inglés) que son registrados durante dichas simulaciones. El análisis estadístico de estos KPIs permitirá seleccionar las configuraciones adecuadas en función de los contextos (p.ej., aquellas que maximicen la producción), información valiosa que será realimentada a la planta real para su funcionamiento óptimo. La definición del diseño formal del gemelo digital en cuanto a sus propiedades se realiza en base a las propuestas del Digital Twin Consortium, mientras que la implementación de dicho gemelo se lleva a cabo en CoppeliaSim, tecnología que también permite el cálculo y registro de KPIs. Finalmente, con el objetivo de analizar dichos KPIs se emplearán módulos Python para el análisis de datos, empleando cuadernos Jupyter para el prototipado.