Publicaciones en Congresos, Conferencias y Jornadas
Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/535
Browse
5 results
Search Results
Item Modelo para la digitalización de activos de la industria batch basado en el estándar ISA 88(51º JAIIO - SIIIO, 2022) Pairol Fuentes, Rachel; Alvarado Domínguez, Johnny; Vegetti, Marcela; Roldán, Luciana; Gonnet, SilvioUn Asset Administration Shell (AAS) representa digitalmente un asset y facilita la interoperabilidad entre los miembros de la cadena de valor de la Industria 4.0. El AAS organiza la representación de los datos de un asset mediante submodelos compuestos por elementos (datos, propiedades, archivos, colecciones, entre otros) que permiten describir las principales características del asset en diferentes dominios. Diferentes submodelos de componentes electrónicos han sido desarrollados a la fecha, sin embargo, el desarrollo de éstos en el dominio de las industrias de procesos está aún pendiente. Esta contribución propone un modelo para representar digitalmente assets del dominio de la industria de procesos batch. El modelo propuesto parte de la extensión del metamodelo del Asset Administration Shell, e incorpora la definición de submodelos apropiados para este tipo de industria. Los conceptos incluidos están basados en el estándar ISA 88, específicos de la industria de procesos batch. Se presenta también la instanciación de dicho modelo en un caso de uso en la producción de detergente.Item Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0(CONAIISI 2021, 2021-11) Pacchiotti, Mauro José; Paletto, Pablo AndrésEn la Industria 4.0, la utilización de las TICs posibilita la recolección y procesamiento de gran cantidad de datos acerca del funcionamiento de los diferentes equipamientos industriales, por lo que representa un desafío el aprovechar los conjuntos de datos de distintos sensores para tareas de mantenimiento predictivo de los dispositivos. Este trabajo propone un modelo experimental que simula la captura de datos y clasificación del estado de un dispositivo en tiempo real, utilizando datos sintéticos, datos provistos por la industria y modelos de aprendizaje profundo. Se realizaron dos experimentos con series de datos de diferente origen y características para entrenar los modelos de aprendizaje profundo, logrando una alta precisión en la predicción del estado del dispositivo en función de los valores de los sensores en los instantes previos.Item Propuesta de digitalización de un sistema hidropónico autocontenido(JIT 2023, 2023-10-17) Aicardi, Agustín; Auday, TomásEste trabajo se enfoca en la digitalización de un sistema para el ensayo de la producción de plantas medicinales a través de la hidroponía. Se describe cómo lograr la interoperabilidad de activos con capacidad de comunicación pasiva dentro de las arquitecturas de la Industria 4.0, a un bajo costo. Esto se consigue a través de un control automático, que regula los parámetros del sistema a través de mediciones de sensores y el procesamiento de datos, para que las plantas puedan desarrollarse en un ambiente controlado. Además, se propone la creación de un gemelo digital del sistema para integrar los datos del sistema en tiempo real, proporcionando una visión completa y actualizada del mismo. Se presenta un sistema innovador y eficiente que demuestra el potencial de estas novedosas tecnologías y sus arquitecturas de referencia en esquemas productivos.Item Laboratorio autocontenido de hidroponía 4.0(VIII CAIM - III CAIFE, 2023-12-14) Mattei, Agustín; Orué, Matías; Caliusco, María LauraLa hidroponía es el método de cultivo con ausencia de suelos, es decir, las plantas crecen en diferentes sustratos o incluso sólo sobre una película de agua. Esta técnica se está utilizando para el cultivo de hortalizas y verduras ya que el rendimiento de los cultivos hidropónicos puede duplicar o más los de los cultivos de suelo. Los avances tecnológicos aplicados al control y ejecución de procesos han hecho de la automatización del cultivo hidropónico una realidad que ha permitido la incorporación de este tipo de método en diferentes industrias como la farmacéutica. Dichas industrias están interesadas en cultivar con sistemas hidropónicos plantas medicinales para fabricar medicamentos para el tratamiento de enfermedades crónico-degenerativas. El desafío existente actualmente es que la cosecha de este tipo de plantas se realiza en su estado silvestre, por lo cual se da en la mayoría de los casos por recolección artesanal. Por lo tanto, la información disponible sobre producción hidropónica para estos insumos vegetales es aún escasa. Con el advenimiento de la Industria 4.0 y el concepto de digitalización que incorpora, se puede ir más allá del control del proceso de hidroponía para digitalizar información necesaria que permita vincular parámetros de la calidad de una planta con los factores ambientales que se consideran prioritarios en el proceso de cultivo. Este trabajo presenta el diseño e implementación de una unidad autocontenida, basada en tecnologías de la Industria 4.0, para realizar ensayos de procesos hidropónicos, registrando y procesando información interviniente en la totalidad de factores decisivos para el crecimiento de las plantas, buscando resultados que optimicen y estandaricen su proceso de cultivo. Así, utilizando estas unidades autocontenidas se podrá llegar a la definición de los valores adecuados para los diferentes parámetros controlados, como la luz, la humedad, la temperatura y el caudal de agua, para el cultivo de plantas de interés para las industrias farmacéuticas.Item Digitalización de una máquina de soldadura de polímeros termoplásticos(JIT 2023, 2023-10-17) Donnet, Lucas J.; Kurdunn, Iván S.Este trabajo presenta un modelo de transformación digital basado en la norma DIN SPEC 91345:2016-04, aplicado a un equipo de soldadura de placas compuestas por polímeros termoplásticos. El modelo permite crear una representación digital exhaustiva de la soldadora y su proceso, con el propósito de acceder a información relevante del proceso de soldadura para la toma de decisiones, y en tiempo real. Los resultados obtenidos incluyen la validación del modelo a través de un prototipo didáctico y la lectura de datos en una interfaz gráfica, conforme a los lineamientos de la arquitectura de referencia de Industria 4.0. En esta primera etapa, serán simulados los datos provenientes de variables físicas, para en una segunda etapa, donde se haya depurado el modelo se implementarán los sensores correspondientes, evitando costos innecesarios.