UN ACERCAMIENTO A LA INDUSTRIA 4.0 A TRAVÉS DE REDES NEURONALES PARA LA REDUCCIÓN DE SCRAP EN UNA EMPRESA AUTOMOTRÍZ (AN APPROACH TO INDUSTRY 4.0 THROUGH NEURAL NETWORKS FOR SCRAP REDUCTION IN AN AUTOMOTIVE COMPANY)
Resumen
El presente artículo se deriva de la implementación de un algoritmo de Redes Neuronales, como un acercamiento de la industria 4.0, que busca obtener la predicción de un rango de valores en el cual los parámetros permitan proporcionar un ahorro de scrap de aluminio en las inyectoras de fundición. Con la implementación del algoritmo, al realizar la predicción de los parámetros óptimos, se logró disminuir en un 25% en promedio los defectos de poros, mallenado, falta material y fisuras, así como el reproceso de las piezas de aluminio. El software instalado permite además, contar con un histórico en tiempo real de cada turno de los operadores de las máquinas inyectoras. Después de haber realizado pruebas en las máquinas en donde se instaló el sistema, se pudo apreciar la gran utilidad que representó el uso de inteligencia artificial para predecir y hacer eficientes los procesos de las inyectoras de aluminio, al haber reducido la catidad de scrap y defectos en las piezas de aluminio.
Palabra(s) Clave: Fundición, Industria 4.0, red neuronal artificial, scrap, predicción.
Abstract
This article is derived from the implementation of an algorithm of Neural Networks, as an approach of industry 4.0, which seeks to obtain the prediction of a range of values in which the parameters allow to provide savings of aluminum scrap in the injectors of foundry. With the implementation of the algorithm, when predicting the optimal parameters, it was possible to reduce pore defects, filling, material and cracks by 25% on average, as well as the reprocessing of aluminum parts. The installed software also allows you to have a real-time history of each shift of the operators of the injection machines. After having carried out tests on the machines where the system was installed, it was possible to appreciate the great usefulness of the use of artificial intelligence to predict and make efficient the processes of aluminum injectors, having reduced the amount of scrap and defects in the aluminum parts.
Keywords: Foundry, Industry 4.0, artificial neural network, scrap, prediction.
Texto completo:
551-568 PDFReferencias
Freeman, J. A., Skapura, D. M. (1993). Redes Neuronales. Algoritmos, técnicas de propagación. México: Addison-Wesley.
Fuente, E. (2015). Industria 4.0. Dyna Ingenieria e Industria 90(3): 16–17.
Hilera J., Martínez V. (1995). Redes neuronales: fundamentos, modelos y aplicaciones. Madrid, RA-MA,
Kagermann, H., Lukas, W., Wahlster, W. (2011). Industrie 4.0: Mit dem Internet der Dinge auf dem Weg zur 4. industriellen Revolution. En Ingenieur.de [Sitio web]. Recuperado de https://www.ingenieur.de/technik/fachbereiche/produktion/industrie-40-mit-internet-dinge-weg-4-industriellen-revolution/
Kohonen, T. (2017). Self-Organizing-Maps. Springer, Berlin, Second edition., 362 p.
Pajares, M., Santos, M. (2006). Inteligencia artificial e Ingeniería del Madrid, RA-MA.
Pao Y.H., (1995). Neural Net Computing for pattern Recogniton. In Chen, L.F. Pau and P.S.P. Wang (Eds) Handbook of Pattern Recogniton and Computer Vision,125-162 p.
Zegarra, C. y Pérez, M. (2018). Industria 4.0: oportunidades y retos en México. En revista Forbes. Recuperado de https://www.forbes.com.mx/industria-4-0-oportunidades-y-retos-en-mexico/
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx