DIGITbrain es un proyecto de innovación europeo que tiene como objetivo impulsar la industria manufacturera proporcionando una plataforma accesible, modular y colaborativa para el desarrollo más rápido de soluciones Digital Twin. De esta forma, DIGITbrain busca liberar el potencial de innovación y mejorar la competitividad en un mundo cada vez más digitalizado.
En 2020, el Instituto Tecnológico de Aragón – ITAINNOVA– participó en la primera convocatoria de experimentos junto a la empresa zaragozana Inymon, dedicada a la inyección y decoración de piezas plásticas de pequeño y mediano tamaño, y Montimagen, una compañía francesa dedicada al desarrollo de software.
El experimento se centró a la digitalización de un proceso de moldeo por inyección para una rápida configuración del proceso y optimización de la producción.
Antecedentes
Para cada pieza nueva que Inymom pone en producción, la configuración y optimización del proceso supone una fase clave para mantener la competitividad de la empresa en un mercado muy exigente en cuanto tiempo y costes.
En este sector es habitual el uso de herramientas de simulación para diseñar el proceso de inyección de piezas termoplásticas. Se emplean en la etapa de diseño de moldes con el objetivo de anticiparse a los problemas de fabricación, analizando alternativas de diseño y moldes, para así reducir costes y tiempo de desarrollo.
Sin embargo, cuando este molde ya está construido y la pieza en producción, ya no es viable realizar simulaciones, que posibilitarían la toma de decisiones para poder realizar ajustes ante posibles variaciones. Se centra, entonces, un enfoque prueba error.
Esto supone una importante pérdida de oportunidades ya que las herramientas de simulación que reproducen la física de los procesos dejan de ser útiles ante la imposibilidad de obtener resultados de manera inmediata, lo que es necesario para la toma de decisiones en la línea de inyección.
Objeto del experimento
ITAINNOVA amplió la aplicación CAELIATM Injection, utilizada por Inymon. Se trata de un servicio para reducir el tiempo de producción en la fase de configuración y reducir los tiempos de ciclo durante la producción.
De esta forma, obtuvieron una herramienta que apoya la optimización del proceso del modelado basado en simulaciones que tienen en cuenta la física del problema subyacente. Permite respaldar la selección de parámetros de proceso adecuados que minimicen el tiempo de ciclo de inyección y, al mismo tiempo, mantengan los indicadores de calidad de la pieza.
Esta aplicación se diseñó para utilizarse en el taller, por lo que es sencilla y fácil de emplear, requiriendo un mínimo de formación y sin experiencia previa en el modelaje necesaria por parte del operario. Para ello, se asigno una interfaz gráfica de usuario donde el ingeniero de procesos puede modificar las diferentes configuraciones de la maquina en un entorno virtual.
Impacto técnico
La principal innovación para la industria del moldeo por inyección se centra en que la configuración del proceso está guiada por la información proporcionada por las herramientas de simulación que tienen en cuenta la física del proceso. Es decir, la información proporcionada por la simulación extiende su uso desde la etapa del diseño hasta la configuración del proceso y la producción de piezas.
Este enfoque complementa a otros comúnmente utilizados y centrados exclusivamente en los datos capturados en la línea de inyección mediante la aplicación de técnicas de Machine Learning. La principal aportación es que proporciona información al ingeniero de procesos desde el principio, cuando el molde está configurado, pero todavía no hay datos reales disponibles del sistema de monitoreo. También proporciona unos datos interpretables de lo que sucede en el interior del molde, complementando enfoques de caja negra basados en redes neuronales.
Para llegar a este punto, el desarrollador realizó una secuencia de actividades previamente. En primer lugar, estableció el modelo de simulación adecuado basado en información sobre los pasos del proceso de inyección, y cuyos resultados son estimaciones de los indicadores de calidad de las piezas. Estas simulaciones se explotan a través de un DOE de simulación que permitirá explorar la ventana de procedimientos.
Las técnicas de orden reducido permiten encapsular estos resultados en modelos simples que se ejecutan sobre la marcha y constituyen un gemelo digital del proceso, siendo operable a través de la interfaz de usuarios. Según los datos recopilados directamente en la línea de inyección, el desarrollador también puede actualizar y corregir el gemelo digital para lograr una mayor precisión.
Impacto económico esperado
El principal impacto económico se centra que la aplicación Caeliatm- Injection, que permitirá reducir el tiempo-coste requerido para la configuración del proceso, reduciendo así el número de pruebas, desperdicio de material, energía y horas no productivas, tanto de la maquinaria como del operador.
SOBRE ARAGÓN EDIH
Nace en 2017 gracias al esfuerzo del Instituto Tecnológico de Aragón (ITAINNOVA), el Instituto Aragonés de Fomento (IAF) y la Universidad de Zaragoza (UNIZAR) con el objetivo de digitalizar la región y sus industrias, mejorar la competitividad del sistema productivo, impulsar el ecosistema de innovación y la sostenibilidad de las empresas.
Aragón EDIH es centro de referencia en Big Data e Inteligencia Artificial centrada en sistemas cognitivos y computación de altas prestaciones (HPC), aplicadas en áreas de conocimientos como los procesos de fabricación inteligentes, la robótica y la logística.
En junio de 2022, Aragón EDIH fue seleccionado como uno de los 12 Centros de Innovación Digital españoles de referencia en Europa y recibió el sello de excelencia de la Unión Europea.
