Ingesta de datos a cloud y machine learning
Seat busca trabajar en la línea del mantenimiento predictivo, para reducir tiempos de resolución de problemas, paradas, y hacer más eficiente el trabajo del personal de fábrica.
Por tanto, el objetivo del proyecto es el desarrollo e implantación de una arquitectura que permita estandarizar el proceso de ingesta y procesado de información desde los elementos de campo hasta el Cloud de AWS. Al mismo tiempo, la implementación de 10 casos de uso donde se apliquen técnicas de Machine Learning para la resolución de necesidades de mantenimiento predictivo.
Las más de 350 sondas Netin ya instaladas monitorizan las instalaciones de Seat, leyendo datos de la multitud de equipos de la planta y por protocolos diferentes.
El siguiente paso fue extender el sistema Netin DS actual con Netin HUB, que permite enrutar los datos hasta la nube.
Para el procesado de datos se plantearon dos canales diferentes, en función de la tipología y naturaleza del dato:
Para el análisis de datos en cloud, realizamos la integración de sistemas AWS, configurados y programados para distintas funciones en el trato de ese dato.
De esta forma, se monitorizan datos de relevancia para el estado de la máquina como puede ser la temperatura, la fuerza de la soldadura, los milímetros de soldadura, etc. El propio algoritmo desarrollado define en qué instante una variable se convierte en anómala, en base al aprendizaje del histórico de datos. Por tanto, este sistema aprende del estado de funcionamiento habitual.
Seat
Automoción
Digitalización
Industria 4.0