Treffer: Implementació d'un sistema de manteniment predictiu basat en machine learning en una màquina formadora

Este Trabajo de Fin de Grado (TFG) se centra en establecer las bases teóricas y prácticas de un caso concreto de implementación de un sistema de mantenimiento predictivo utilizando técnicas de aprendizaje automático para una máquina formadora de cajas de la empresa Tavil Ind. SAU, dentro del marco de la Industria 4.0. El objetivo principal es integrar este sistema en el funcionamiento normal de la máquina para anticiparse a posibles fallos antes de que se produzcan. Esto permite mejorar la gestión de los recursos y reducir los costos asociados a paradas inesperadas y reparaciones de emergencia, concretamente en la correa de la máquina. Con este enfoque, el proyecto logra crear una base para transitar del mantenimiento preventivo actual al mantenimiento predictivo, mediante el análisis de señales eléctricas. La metodología utilizada incluye varios algoritmos de aprendizaje automático, incluyendo redes neuronales, para identificar patrones en cada ciclo de funcionamiento y predecir la vida útil restante (RUL, Remaining Useful Life) del componente. El proyecto se enmarca dentro del Internet de las Cosas (IoT), utilizando sensores integrados en el servomotor para recoger datos continuos en tiempo real sobre el estado de los equipos. Estos datos alimentan los modelos predictivos desarrollados en Python, un lenguaje de programación ideal para el aprendizaje automático gracias a su amplia gama de bibliotecas. Esta investigación abarca todo el proceso, desde la recopilación e importancia de los datos dentro de una empresa hasta la implementación de modelos predictivos para mejorar el mantenimiento de la máquina formadora de cajas. Este trabajo obtiene unas conclusiones concretas y locales que permiten ser una base para desarrollar soluciones más flexibles y extensivas en el futuro, donde destaca la inteligencia artificial como herramienta para la mejora de procesos industriales.
Aquest Treball de Final de Grau (TFG) se centra en establir les bases teòriques i pràctiques d’un cas concret d’implementació d’un sistema de manteniment predictiu utilitzant tècniques d’aprenentatge automàtic per a una màquina formadora de caixes de l’empresa Tavil Ind. SAU, dins del marc de la Indústria 4.0. L’objectiu principal és integrar aquest sistema en el funcionament normal de la màquina per anticipar-se a possibles fallades abans que es produeixin. Això permet millorar la gestió dels recursos i reduir els costos associats a parades inesperades i reparacions d’emergència, concretament en la corretja de la màquina. Amb aquest enfocament, el projecte aconsegueix crear una base per traspassar del manteniment preventiu actual al manteniment predictiu, mitjançant l’anàlisi de senyals elèctrics. La metodologia utilitzada inclou diversos algoritmes d’aprenentatge automàtic, incloent xarxes neuronals, per identificar patrons en cada cicle de funcionament i predir la vida útil restant (RUL, Remaining Useful Life) del component. El projecte s’emmarca dins de l’Internet de les Coses (IoT), utilitzant sensors integrats al servomotor per recollir dades contínues en temps real sobre l’estat dels equips. Aquestes dades alimenten els models predictius desenvolupats en Python, un llenguatge de programació ideal per a l’aprenentatge automàtic gràcies a la seva àmplia gamma de biblioteques. Aquesta recerca abasta tot el procés, des de la recopilació i importància de les dades dins d’una empresa fins a la implementació de models predictius per a millorar el manteniment de la màquina formadora de caixes. Aquest treball obté unes conclusions concretes i locals que permeten ser una base per desenvolupar solucions més flexibles i extensives en el futur, on destaca la intel·ligència artificial com a eina per a la millora de processos industrials.
This Bachelor’s Thesis (BT) focuses on establishing the theoretical and practical foundations of a specific case of implementing a predictive maintenance system using machine learning techniques for a box forming machine at the company Tavil Ind. SAU, within the framework of Industry 4.0. The main objective is to integrate this system into the normal operation of the machine to anticipate possible failures before they occur. This allows for better resource management and reduces costs associated with unexpected shutdowns and emergency repairs, specifically in the machine’s belt. With this approach, the project aims to create a foundation for transitioning from current preventive maintenance to predictive maintenance through the analysis of electrical signals. The methodology used includes various machine learning algorithms, including neural networks, to identify patterns in each operating cycle and predict the remaining useful life (RUL) of the component. The project is framed within the Internet of Things (IoT), using sensors integrated into the servomotor to collect continuous real-time data on the equipment’s status. These data feed the predictive models developed in Python, an ideal programming language for machine learning thanks to its wide range of libraries. This research covers the entire process, from the collection and importance of data within a company to the implementation of predictive models to improve the maintenance of the box-forming machine. This work draws concrete and local conclusions that serve as a foundation for developing more flexible and extensive solutions in the future, where artificial intelligence stands out as a tool for improving industrial processes.