Candidatura

STEEL SEED

El objetivo general que plantea el proyecto STEELSEED es contribuir a la mejora de los estándares de producción y el OEE en el entorno de la industria conectada, incidiendo de forma directa en dos aspectos, el control de calidad en etapas tempranas del producto y la mejora de la eficiencia energética de las instalaciones y de la cadena de producción gracias al diseño de una arquitectura federated learning para la industria 4.0 y a la implementación de algoritmos de IA

Indicadores y procesos de mejora

El proyecto completo incluye la instalación de una planta fotovoltaica para autoconsumo, además de una plataforma software para eficiencia energética y de industria 4.0.
Reduccion de consumo, Indices de reduccion en consumo electrico de la red
Mejoras del OEE monitorizando la producción, contabilizando el gasto energetico directo en cada unidad producida.
OEE en tiempo real y OEE predictivo. Permitiendo planificar la operación en tiempo real y dar respuesta a la demanda del mercado a futuro. Incluyendo facilidades para realizar inversiones por el crecimiento del mercado en Defensa.

Cuantificación/Estimación reducción consumo

Reducción de consumo, Índices de reducción en consumo eléctrico de la red: 40% de reducción aproximadamente (1734 Mw en dos años)
Reducción de consumo como consecuencia del control de coste energético por pieza fabricada, esto facilita la oferta comercial y aumenta la competitividad de la compañía a la hora de cerrar contratos. El ratio de control sobre pieza fabricada es del 100 % sobre las referencias mas demandadas. En control sobre la operación estos cambios ha facilitado un impacto de un 30 % en el control de la operación total en el ultimo año.

Cuantificación/Estimación reducción emisiones CO2

La cuantificación en cuanto a reducción de emisiones de CO2 se han reducido en 450 tn de CO2 en dos años.

Innovación aplicada y buenas prácticas

Desarrollo de algoritmos para predecir la calidad de las piezas fabricadas permitiendo elevar el OEE y evitando sobrecostes de produccion asi como plazos de entrega
Desarrollo de algoritmos para detectar variaciones negativas en el consumo de las maquinas de producción
Desarrollo de algoritmos para el aprendizaje y know how de la ejecución de operarios en la planta que permita conocer en detalle el conocimiento y experiencia, el impacto de nuevos recursos en la producción y predicción de necesidades.

Uso de tecnologías (TICs)

Los desarrollos de la plataforma se han realizado sobre WinCC OA.
Los interfaces se han desarrollado sobre Responsive para poder usar cualquier tipo de dispositivo para trabajar sobre los deferentes cuadros de mandos.
IA (Python, Django, XGBoost)
Interface de diseño UI Framework:Material-UI v6 y Framer Motion para animaciones
Librerias Reac 18
Lenguaje TypeScript 5
Framework Next.js 14
Autenticación JWT