Europa.- Durst está iniciando el proyecto Premise, con el que busca crear una IA de mantenimiento predictivo financiado con fondos europeos, con la Universidad Libre de Bozen-Bolzano (unibz).
El proyecto, encabezado por Johann Gamper, profesor y vicerrector de investigación de la Facultad de Ciencias de la Computación, tiene como objetivo desarrollar una infraestructura técnica con tecnologías de base de datos que permita medidas de mantenimiento predictivo en las instalaciones de producción. El proyecto se extenderá hasta finales de 2022 según se requiera.
Buscar el mantenimiento predictivo de imprentas con algoritmos
“Con en el proyecto Premise, en Durst estamos calculando algoritmos apropiados que hacen predicciones sobre los requisitos de mantenimiento, incluso para las áreas secundarias”, dijo Gamper. “En este proyecto, podemos probar tecnologías que hemos estado investigando durante años con nuestros socios industriales sobre la base de estudios de casos específicos y adaptarlos a requisitos específicos. Por lo tanto, estamos contribuyendo a la transferencia de tecnología, una misión importante de unibz”.
Los sensores específicos están integrados en los equipos de impresión que brindan información sobre el funcionamiento y el estado de los componentes y las piezas individuales. Para evitar el tiempo de inactividad de la máquina, existen especificaciones y ciclos de mantenimiento, pero cada imprenta tiene diferentes factores relacionados con la producción que afectan productividad y tiempos de operación. Por esta razón, se requieren algoritmos que hagan predicciones.
Durst por el mantenimiento predictivo para una imprenta inteligente
Michael Deflorian, gerente de la unidad de negocios de software y soluciones de Durst Group, comentó “El proyecto Premise es un componente más en nuestra visión de una imprenta inteligente, donde las infraestructuras en red, los sistemas de producción inteligentes y el software innovador permiten un proceso comercial automatizado. Con el mantenimiento predictivo desarrollado en el marco del proyecto y las técnicas de aprendizaje automático utilizadas, en el futuro se activará el mantenimiento de los sistemas de impresión de forma independiente para garantizar un funcionamiento predecible y sin problemas”.
La combinación de sensores inteligentes y evaluación de software para componentes y datos de la máquina forma la base para el mantenimiento predictivo, la detección de estados de error o la necesidad de servicio o reemplazo de repuestos por adelantado.
