Este proyecto, realizado en colaboración con AIMPLAS, nace ante la necesidad y dificultad que encuentran las empresas del sector del plástico en incorporar procesos más eficientes y ser más competitivos, producido en gran medida por la evolución hacia la Industria 4.0. Esta situación plantea retos asociados a la búsqueda de soluciones innovadoras, quepermita a las empresas ser más competitivas y les ofrezca nuevas oportunidades de negocio. Dichas soluciones pasan por la creación de procesos de fabricación más eficientes, de más calidad, con tiempos de entrega menor, que reduzcan costes, y que incorporen soluciones para detectar, o incluso predecir errores. Ser capaces de apoyar a las empresas valencianas en su proceso de transformación hacia la Industria 4.0 va a requerir, no sólo conocer los procesos de fabricación y su problemática, sino proveerlos de mecanismos y herramientas necesarias. Como resultado se construirá un Sistema de Mantenimiento Predictivo Avanzado (SMPa), mediante la aplicación de nuevas técnicas y tecnologías en el dominio de Big Data, Machine Learning y Business Intelligence, para su posterior validación en una experiencia piloto, que permita producir resultados transferibles al sector industrial manufacturero del plástico en la Comunidad Valenciana, facilitando así su incorporación a la Industria 4.0.

1. Realizar un Análisis Exploratorio de la Problemática que ha permitido la conceptualización, caracterización, exploración e identificación de variables y factores para confeccionar soluciones en el área del Mantenimiento Predictivo Avanzado. El estado del arte ha avanzado en la detección de parámetros para el diagnóstico (detección de anomalías), pronóstico (predicción de desgaste de las piezas) y el contraste entre las técnicas de fabricación supervisadas y no supervisadas. En la metodología para el análisis exploratorio de datos se ha establecido un workflow del proceso de ciencia de datos experimentando sobre benchmarks significativos para la industria del plástico. Se han analizado las diferentes plataformas visuales de ciencia de datos como Knime, Orange o RapidMiner y su integración con los cluster de Big Data. 2. Identificar y desplegar un Ecosistema de Sensorización para digitalizar y comunicar el funcionamiento de los diferentes componentes estructurales y herramientas de una inyectora de plástico con el objetivo generar información de valor para el SMPa. Para configurar este ecosistema de Sensorización que permita la capturar el comportamiento de inyectoras de plástico y transmitir grandes volúmenes de información para su posterior filtrado y análisis se ha trabajado con una máquina de moldeo de inyección Krauss-Maffei Serie EX-MC5, aplicando los casos de estudio a turbinas, rotor y rodamientos. Durante el 2018 se ha realizado: - Diseño y construcción del Sistema de Mantenimiento Predictivo Avanzado (SMPa) incorporando nuevas técnicas para almacenar, procesar, analizar, representar e interpretar grandes volúmenes de datos de funcionamiento de inyectoras de plástico con el objetivo de alertar, predecir y recomendar acciones que potencien la capacidad del proceso productivo. - Diseño y ejecución de un Proyecto Piloto que incluya a la empresa cooperante y sirva como “prueba de concepto” que demuestren la validez y efectividad del SMPa en un entorno relevante y que lo convierta en un caso de éxito que empodere las acciones de transferencia al resto de empresas del sector.» La empresa cooperante donde se llevará a cabo el proyecto piloto es Faperin