Aplicación de técnicas de aprendizaje automático y optimización a problemas reales en la industria 4.0

Abstract

La inteligencia artificial está siendo uno de los elementos más disruptivos de la actualidad. Esto es así gracias a la capacidad de generar soluciones de calidad a todo tipo de problemas mediante el uso de algoritmos convenientemente entrenados, previa captura de información. La industria, aunque de una forma más tardía que otros sectores, no es ajena a esta revolución, de hecho, se habla ya de la cuarta revolución industrial, o de una manera más genérica de la industria 4.0. Pero, ¿está la industria, sus equipamientos y sistemas realmente preparados para abordar esta revolución? En esta tesis intentamos dar respuesta a dos importantes problemas que existen actualmente en la industria: la mejora de procesos productivos y la optimización de la planificación de la producción mediante sistemas de aprendizaje automático y algoritmos de optimización multiobjetivo. Respecto a la mejora de procesos productivos, desarrollamos una nueva metodología: Analizar, Sensorizar, Preprocesar, Predecir, Implementar y Desplegar (ASPPID), un flujo de trabajo iterativo que abarca desde la adquisición de equipos de detección hasta la evaluación cuantitativa de su contribución a la mejora de la fase de producción en cuestión. El objetivo de esta metodología es ayudar a los equipos de mejora a tomar decisiones con conocimiento de causa sobre qué partes del proceso deben ser detectadas y cómo explotar esta información para lograr una mejora verificable del ciclo de producción, con un caso de uso real en el que se evidencia que la reducción de piezas producidas fuera de especificación se reduce gracias al uso de esta metodología, lo que pone de manifiesto el papel crucial de la ciencia de datos en la cadena de negocio de las plantas de fabricación.