Machine learning en la industria del automóvil

Abstract

Hoy en día, las grandes instalaciones industriales tienen la necesidad de realizar acciones de mantenimiento predictivo sobre sus equipos haciendo uso de información sobre el estado de deterioro de sus elementos útiles. Gracias a este mantenimiento predictivo basado en aprendizaje automático o de máquina, es posible conocer la evolución del ciclo de vida de cierto elemento de la instalación mediante el exhaustivo análisis de magnitudes y campos altamente relacionados con su estado de degradación y rotura. Partiendo de un gran conocimiento del funcionamiento de los equipos y de aquellos comportamientos considerados anómalos, se consigue predecir de manera precisa el momento en el que se deben llevar a cabo acciones sobre esos determinados equipos realizando la sustitución del útil en cuestión y por tanto realizando, por ejemplo, acciones de mantenimiento. En este Trabajo Fin de Grado se presenta una experiencia real en la implantación de algoritmos de aprendizaje automático para tratar de realizar mantenimiento predictivo sobre las pinzas robóticas que se encuentran en las líneas de producción de SEAT.

Nowadays In large industrial facilities, machine maintaining actions, based on its components degradation state, have crucial influence over production performance. Predictive maintenance systems target is acknowledging life cycle temporal evolution of certain element, through the analysis of magnitudes and fields high related with its degradation state. Accurate information about machine state enables us to determine when the friction is too high for the gripper of the robot. During this study and in this document, it presents a real experience with the implementation of machine learning algorithms to try to perform a predictive maintenance on the robotic grippers that are in the production lines of SEAT.