Digital Twin de brazos robóticos: aplicación al mantenimiento predictivo digital
La evolución de la industria y la integración de robots a los procesos industriales ha marcado la cuarta revolución industrial denominada Industry 4.0. La integración de nuevas tecnologías a los procesos industriales como el Internet of Things (IoT) permite la interconexión de dispositivos, mejor mo...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Recursos: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/9059 |
| Acesso em linha: | https://hdl.handle.net/20.500.14352/9059 |
| Access Level: | acceso abierto |
| Palavra-chave: | 004(043.3) Digital Twin Mantenimiento predictivo IIoT Industry 4.0 MQTT BLE Inteligencia artificial MongoDB Ignition. Predictive maintenance Artificial intelligence Informática (Informática) 1203.17 Informática |
| Resumo: | La evolución de la industria y la integración de robots a los procesos industriales ha marcado la cuarta revolución industrial denominada Industry 4.0. La integración de nuevas tecnologías a los procesos industriales como el Internet of Things (IoT) permite la interconexión de dispositivos, mejor monitoreo y análisis del estado actual de cada una de las partes del proceso, lo que da paso a la implementación de Digital Twins (DT). Un DT es una representación del estado actual y/o comportamiento de un dispositivo o sistema. En los procesos industriales el mantenimiento de los equipos es una de las partes fundamentales, ya que una parada de producción no deseada representa grandes pérdidas de dinero, es por esto por lo que es de suma importancia saber cuándo un equipo está funcionando mal para realizar un mantenimiento. Esto se consigue con el mantenimiento predictivo, que permite tomar decisiones del proceso gracias a los datos generados del DT y aplicando técnicas de Inteligencia Artificial. En el presente proyecto se realiza un DT con el fin de realizar mantenimiento predictivo para evitar paradas de planta no deseadas y pérdidas de equipos. La adquisición de datos se lo realiza por BLE desde un nodo sensor genérico y se envía mediante MQTT a un servidor, donde se almacena todos los datos en MongoDB. Para la visualización de la información y del estado actual del sistema se desarrolló un dashboard en Ignition, un software SCADA, que se ocupa a nivel industrial. |
|---|