docPresentación de PowerPoint
download 
Demanda Transcripción
Presentación de PowerPoint
Unidades y Áreas de Conocimiento Desarrollo de Producto Procesos de Diseño y Producción Electrónica de Potencia Innovación Estratégica Electrónica Comunicaciones Automática, Ing. Control Diseño y Producción Tecnologías de la Información Sensores Electrónica y computación Otros 15% 5% Microsistemas Tecnologías Software Ingeniería Mecánica Combustión y sistemas térmicos Sistemas alternativos de generación Automoción 12% Energía 5% Bienes de Equipo 30% Diseño Mecánico Ingeniería de Producto Energía Electrodoméstico 33% Líneas de investigación L1 L1 InteligenciaAmbiental AmbientalHogar Hogar Inteligencia • Inteligencia Ambiental para ayudar a personas de edad avanzada a llevar una vida independiente. L2 L2 SistemasElectrónicos Electrónicos Sistemas Avanzados Avanzados • Sistemas de Ayuda a la Conducción. • Sistemas de Tracción y Frenado Transporte Ferroviario. • Sistemas de Control de Distribución de Energía. L3 L3 SistemasMecatrónicos Mecatrónicos Sistemas • Sistemas Electromecánicos Avanzados de ayuda a tareas repetitivas de manipulación de cargas. L4 L4 Sensorespara parasistemas sistemasde de Sensores cuidado de la salud en el cuidado de la salud en el hogarinteligente inteligente hogar L5 L5 Personalizaciónen enMasa Masa Personalización L6 L6 EnergíaSostenible Sostenible Energía • Monitorización de parámetros de riesgo (corazón, glucosa, etc.). • Diagnóstico preventivo básico. • Configuración de Producto. • Plataformas de Producto-Servicio. • Modelos de cadena de suministro de proveedores. • Pilas de Combustible de Óxido Sólido. • Generación de Hidrógeno. Experiencia con Tecnologías de IA Lógica Fuzzy Redes Neuronales Algoritmos Genéticos Programación por Restricciones Experiencia de IKERLAN Usuarios de soft-computing Sistemas Fuzzy, Redes Neuronales, Algoritmos Genéticos • Conjunto de técnicas para resolver problemas con incertidumbre, no lineales, optimización... • Herramientas básicas que se han usado: ― Cubicalc (Hyperlogic). ― Fuzzytech. ― Tohiba inference engine. ― Microchip inference engine. ― Transfertech (NEC). ― Neural Network Professional. ― GA freeware. (Graz University of Tecnology). Tecnologías de Búsqueda y Optimización que se han usado también • Búsqueda local mediante Simulated Annealing. • Programación por restricciones. Otras Tecnologías que no se han usado • Investigación Operativa (Programación Lineal, Simplex, Programación Dinámica, etc.). Campos de aplicación Control de robots móviles... • Control de dirección. • Control de velocidad. • Ejemplos: Control de robots holónomos y no holónomos, aspiradoras autónomas. Control de electrodomésticos... • Control de funciones básicas de los electrodomésticos utilizando sensores baratos. • Control de funciones no lineales de los electrodomésticos. • Ejemplos: Control de horno, vitrocerámica radiante y de inducción, etc. Reconocimiento de patrones... • Identificación de patrones de absorción de agua de diferentes tipos de ropa y cargas en lavadoras. • Identificación de carga en cazuelas. • Identificación de carga en hornos. • Ejemplos: Control de horno, vitrocerámica radiante y de inducción, lavadora, etc. Optimización de parámetros de diseño mecánico... • El Proceso Productivo debe optimizar el aprovechamiento 1-D o 2-D de materia prima. • Ejemplos: corte de fleje para fabricación de tubos, procesos de imprenta, confección textil, etc. Campos de aplicación Optimización de Corte de Chapa, Papel, Textil... • El Proceso Productivo debe optimizar el aprovechamiento 1-D ó 2-D de materia prima. • Ejemplos: corte de fleje para fabricación de tubos, procesos de imprenta, confección textil, etc. Optimización de Layout de Cableados, Tuberías, Redes de Comunicaciones... • Cada pedido implica un diseño de layout que minimice longitudes de cableados, redes de comunicación, tuberías, etc. • Ejemplo: Cableado eléctrico mínimo necesario para cubrir una instalación/producto. Generación Masiva de Ofertas Personalizadas que requieren Optimización... • Cada oferta implica un diseño optimizado y/o un proceso productivo personalizado y optimizado. • Ejemplos: generación de ofertas en artes gráficas optimizando el proceso de impresión y post-impresión. Optimización Logística de Transporte, Rutas de Subcontratación... • Búsqueda de rutas óptimas entre subcontratistas para minimizar el coste combinado de subcontratación y transporte. • Ejemplos: Subcontratistas y Ruta de Transporte de mínimo coste para acabado de productos. Optimización Logística de Almacén... • Optimización de ubicaciones físicas de mercancías en almacenes. • Ejemplos: Ubicación de palets en almacenes automáticos para optimizar movimientos de transelevadores. Sistemas de Control Fuzzy Embarcados Horno combinado Funciones automáticas: • Cocinado • Tostado • Descongelado • Calentamiento Sensores baratos, actuadores estándares • Sensores: Temperatura (NTC), alcohol, hidrógeno, humedad (Óxido de Estaño). • Actuadores: Microondas, resistencias superior resistencia posterior (turbo), resistencia grill. e inferior (tradicional), Base de conocimiento – Empírica: Saber-hacer de los cocineros. – Múltiples experimentos con toma de datos. – Modelización de las funciones. Cocinar se define como la acción de extraer la humedad de los alimentos: Área Humedad = ∑ (h(t) – hambiente) h(t) - evolución de la humedad en el tiempo Tostar se define a partir de las distribuciones de Boltzman para energía radiante. Descongelar es incrementar un “poco” la humedad sobre la ambiental... Control de cocción para cocinas vitrocerámicas • Sensorización de presión y temperatura en Olla (reto). • Actuadores sobre Campana Extractora. • Control fuzzy embarcado en vitrocerámica. • Comunicación Robusta y fail-safe entre elementos. • Consumo Energético Mínimo en Sensórica y comunicación de Olla. • Optimización (Calidad de Cocción, Consumo Energético, Seguridad). Resultados 113 ºC 0,25 litros Agua 10 120 115 9 110 105 8 100 95 7 90 85 6 80 T(ºC) 75 5 70 65 4 60 55 3 50 45 2 40 35 1 30 25 20 0 0 5 10 15 t(minutos) 20 25 W TC J X (ME) Y (ME) P (TC) Control de suspensión semi-activa ENSAYOS EN PLATAFORMA STEWART ENSAYOS EN CARRETERA Application of Fuzzy Logic Control to the Design of Semi-Active Suspension • Passive suspension system is a compromise between ride and comfort. • LIPTRONIC project: LIPMESA-QUINTON HAZELL, IKERLAN • Several prototypes developed: ― Actions of the driver. ― Vehicle dynamics. • Intelligent suspension system ― Based on actions of the driver and/or vehicle dynamics. ― Applying fuzzy logic techniques. ― Taking advantage of the LIPMESA-QH continuously variable shock absorber. ― Other systems as a reference. • Suspension systems implemented: ― Previously in a Renault R-11 and Land Rover Discovery. ― Now in a SEAT-VW Cordoba GTI. Sistema con red neuronal embarcada Clasificación del tipo y la cantidad de ropa en una lavadora doméstica Absorción de 2 kg de punto poliester Absorcion en 2kg de felpa 250 250 200 Volumen Volumen 200 Serie1 150 Serie2 100 Serie3 150 Serie1 100 Serie2 50 Serie3 0 50 -50 1 2 3 4 0 5 6 7 8 9 10 11 t 1 2 3 4 5 6 7 8 9 10 11 t Absorción de 2kg de lana 250 Volumen 200 150 Serie1 100 Serie2 Serie3 50 0 -50 1 2 3 4 5 6 7 8 9 10 11 t El fenómeno de absorción proporciona suficientes parámetros para realizar la identificación: Absorción instantánea y absorción total (Tipo y peso). Peso Σ Mult F0 Mult F1 Popelín Mult F2 Mult Vaquero Fn Felpa BIAS M0 M1 M2 M10 Algoritmos genéticos Optimización del dilatación térmica de un termostato El problema Se desea optimizar la forma geométrica de un termostato típico para calefacción con objeto de maximizar su dilatación para un cierto rango de temperaturas. La forma geométrica es básicamente sinusoidal ya que de otro modo es difícil de fabricar. La forma actual del termostato produce una dilatación máxima de 1,2 mm. Simulación de Dilatación Térmica Se dispone de una herramienta de simulación por elementos finitos, ANSYS, capaz de calcular la dilatación del termostato. Esta herramienta ya dispone de su propio optimizador. Optimización del dilatación térmica de un termostato Prueba Experimental Un experto de Ikerlan, utilizando su propia experiencia y la función de optimización del ANSYS intenta mejorar el termostato Un algoritmo genético se acopla al ANSYS. Por cada individuo se simula en el ANSYS y se obtiene su dilatación (2 minutos por simulación) Se deja al algoritmo evolucionar con un total de 25 generaciones y unos 100 individuos por generación Resultados La solución inicial de la empresa tenía una dilatación máxima de 1,2 mm La solución del experto de Ikerlan-Optimizador ANSYS dilata 1,45 mm La solución obtenida por el genético dilata 1,72 mm p1 p α ψ p3 ϕ ULTRASONIC SENSORS Ajuste de robot no holónomo de seguimiento de paredes FUZZY RULE BASE ( 33 Rules) LE LC V1 CE RC RI PS PM PM PB PB LC NS NS PS PM PB CE NM NM ZE PM PM RC NB NM NS PS PM RI NB NB NM NS PS LE Situation V2 p4 ORIENTATION, DIRECTION, VELOCITY LE v LC -12 Reaction LE -15 CE -10 LC -10 -4 -5 -2 0 CE 0 RC 4 RI 10 RC 3 5 6 12 V1 RI 11 V2 Ajuste de robot no holónomo de seguimiento de paredes Problema Optimizar Control Fuzzy del Robot (velocidad de recorrido y distancia media a la pared). El ajuste del control implica ajustar los límites de las variables lingüísticas para parámetros como aceleración, frenado, giro, distancia de sensores a paredes. Se dispone de un Simulador Software que simula el comportamiento del Robot. Prueba Experimental Ajuste manual por parte de personal del departamento de robótica. Un algoritmo genético se acopla al simulador. Por cada individuo se simula el control y los parámetros devueltos son su evaluación. Se deja al algoritmo evolucionar con un total de 25 generaciones y unos 100 individuos por generación. Resultados Ajuste del genético netamente superior en múltiples circuitos de prueba. Cálculo de ofertas en artes gráficas Cálculo de ofertas en artes gráficas El Problema • Diariamente el grupo recibe un gran número de Peticiones de Ofertas en cada una de sus 4 plantas. • La generación rápida de ofertas optimizadas es un Cuello de Botella y es Vital para el Negocio. • Ejemplo de Oferta: Imprimir 25.000, 50.000 y 100.000 revistas de 80 páginas, 230x210 y varios tipos de papeles. Se desea optimizar y agilizar la generación de ofertas optimizando... • Proceso de Impresión. • Proceso de Post-Impresión. Resultados • Sistema Desarrollado e Implantado. • Agilización, Optimización y Homogeneización de las ofertas generadas en todas las plantas. • Generación Automática de Documentación de oferta a enviar al cliente. Cálculo de ofertas en artes gráficas Proceso de Impresión debe Optimizar... • Número de Planchas de Impresión. • Papel y Tintas utilizadas – Pliegos de Papel de tamaño óptimo. • Coste/Tiempo de Máquina de Impresión – Plantas y Máquinas óptimas. TAMAÑO PAPELES PLANTAS - MÁQUINAS Cálculo de ofertas en artes gráficas Proceso de Post-Impresion debe Optimizar... • Subcontratistas óptimos teniendo en cuenta tarifas y costes de transporte. • Coste de transporte desde último subcontratista hasta cliente final. Sistema de Planificación Ferroviaria Sta. Teresa Fueros Cruces Urbinaga Sestao Abatxolo Portugalete Peñota Santurtzi Bidezabal Etxebarri Bolueta Basarrate Santutxu San Mamés Indautxu Abando Moyua Casco Viejo Deusto Sarriko Sopelana San Inazio Lutxana Erandio Astrabudua Leioa Lamiako Areeta Aiboa Neguri Algorta Sistema de planificación ferroviaria Plentzia Urduliz Línea 1: Basauri-Plentzia Línea 2: Basauri-Santurzi Larrabasterra Berango Basauri Sistema de planificación ferroviaria Desarrollar una herramienta de soporte al proceso de Planificación y Scheduling del Servicio Ferroviario 7.00 7.30 Casco Viejo 8.00 8.30 9.00 9.30 10.00 10.30 11.00 11.30 Planificación del Servicio de Trenes 12.00 escala horaria tren San Inazio Diseño de Turnos de Conductores malla Areeta Getxo Asignación de Turnos a Conductores Urduliz Plentzia escala kilométrica material 12.30 13.00 Sistema de planificación ferroviaria GESTOR DE ESTACIONES • Diseño Gráfico de la Red Ferroviaria • Recursos como circuitos de vías, andenes... señal S24E01 E movimiento V24E01 ALG1 • Diseño Gráfico de Movimientos • Diseño Gráfico de Maniobras GET1 V24T01 S24S01 S23S01 V23G01 24 S24S03 S24M01 S24F01 10 V23T01 A2401 V23T03 V24G01 23 9 V24G02 V23G02 V23T02 A2403 V24A03 V24A02 S24S02 S24S04 24 ALG2 A2402 V23T04 11 • Análisis de Capacidad de Estaciones – Máxima Frecuencia de Retorno – Máximo tiempo de Permanencia – Soluciones de Cruce – Etc. V24A01 2 GET2 V24P01 V24E02 V24T02 S24E02 circuito de vía Los movimientos de los trenes ocupan recursos en las estaciones Sistema de planificación ferroviaria GRÁFICO DE SERVICIO 7.00 7.30 Casco Viejo 8.00 8.30 9.00 9.30 10.00 10.30 11.00 11.30 12.00 12.30 13.00 • Cálculo Automático de Mallas de Trenes material – Teniendo en cuenta la línea – Teniendo en cuenta las maniobras escala horaria tren San Inazio malla • Cálculo de Soluciones de Cruce Areeta • Visualización de ocupación de Recursos Getxo • Chequeo de Conflictos On-line Urduliz Plentzia escala kilométrica Las frecuencias de trenes deben ser posibles y seguras. Sistema de planificación ferroviaria CUADRO DE TURNOS 7.00 7.30 8.00 8.30 9.00 9.30 10.00 10.30 11.00 11.30 12.00 12.30 13.00 Casco Viejo inicio turno • Cálculo Semi-Automático de Turnos • Respetando Reglas de convenio laboral final turno turno de trenes San Inazio Areeta Getxo inicio turno • Objetivo del Cálculo: cambio de tren – Minimizar número de turnos – Minimizar tiempos sin servicio descanso en – Permitir jornada continuada modificaciones manuales – Cálculo ágil para posibilitar negociación Urduliz final turno turno de estaciones Plentzia Diseñar y Asignar turnos de conductores respetando el convenio laboral. Optimización de recursos materiales Optimización del proceso de corte de bobinas Optimización del proceso de corte de bobinas El Problema • La empresa fabrica tubos y perfiles metálicos. • La fabricación de los pedidos implican unas necesidades de flejes cortados a medida (ancho y peso). • Los flejes necesarios deben encajarse en las bobinas disponibles en stock. • Semanalmente se planifica el proceso de corte tratando de optimizarlo. Se desea optimizar y agilizar la planificación del corte de bobinas minimizando... • Desperdicio lateral de las bobinas. • Cambios de montaje de las máquinas de corte. • Flejes para stock generados. • Todo ello respetando las múltiples restricciones de corte de cada máquina y material. Resultados • Aplicación Operativa en varias plantas. • Resultados satisfactorios que optimizan el coste del proceso de corte. • Se ha agilizado la planificación permitiendo acortar el período de planificación del corte. • La empresa se encarga de mantener y actualizar la aplicación. Scheduling Dinámico de operarios desplegados en campo Scheduling dinámico de operarios desplegados en campo Scheduling dinámico de operarios desplegados en campo • Planificación y Scheduling periódico de Mantenimiento de Ascensores. • Comunicación de Tareas Asignadas a Operarios vía PDAs. • Replanificación on-line como consecuencia de: – Emergencias y Avisos del Call-Center. – Retrasos en mantenimientos. – Otro tipo de incidencias. • Localización de operarios adecuados para emergencias. • Planificación de rutas óptimas de los operarios. • Comunicación con operadores en campo vía PDAs. • Seguimiento on-line de progreso de tareas. PLANIFICADOR REPLANIFICADOR ¿¿Preguntas??
