CASANDRA

Objetivos

CASANDRA pretende alcanzar los siguientes objetivos técnicos:

Visión de CASANDRA para una arquitectura de fabricación modular, escalable y en red a lo largo del ciclo de vida de producto.

• Implementar un hilo digital modular y jerárquico que impulse la interoperabilidad de los datos a lo largo de la cadena de valor para mejorar la trazabilidad, la eficiencia y la calidad en la fabricación y ensamblado de piezas de gran tamaño.
  • Plataforma digital y middleware para el intercambio y agregación de datos fluidos y seguros, permitiendo la trazabilidad a lo largo del ciclo de vida del producto, no solo del componente final ensamblado sino también de los subensamblajes a lo largo de la cadena de suministro.
  • Hilo digital modular y jerárquico como una solución de extremo a extremo que coordina la información de producto y proceso para conectar datos de calidad, datos de producción con el flujo de ingeniería y diseño.
  • Modelos de información común y estándares de datos para lograr la interoperabilidad al describir las propiedades y acciones de las diferentes entidades que componen el proceso de fabricación de componentes de gran tamaño.

  

  Modelo de arquitectura de referencia para implementar un flujo digital de datos jerárquico en la fabricación de piezas de gran tamaño.

• Implementar herramientas centradas en los trabajadores que ayuden en la ejecución de tareas intensivas en mano de obra preservando sus conocimientos y habilidades.
  • Robótica en espacio de trabajo compartido abordando robots industriales de alta capacidad de carga adaptados para su uso en espacio compartido con operarios, soluciones portables y ligeras para llevarlas al componente en que se realiza la tarea, y manipuladores móviles para preensamblaje o intralogística.
  • Herramientas VR/AR ubicuas y portátiles que aborden proyección para ayudar a los trabajadores en el posicionamiento preciso de componentes, proporcionar instrucciones paso a paso a los operadores, uso de AR para la mejora de la seguridad del operario, supervisión remota o asistencia en el diseño 3D colaborativo.
  • Optimización de la experiencia del usuario y ergonomía para reducir el estrés físico y mental, mejorando la ejecución de operaciones manuales de fabricación, mediante planificación y optimización de la experiencia de usuario y exoesqueletos lumbares y de miembros superiores adaptativos asistidos por IA.

  

  
• Implementar modelos basados en datos de soporte a la decisión para una fabricación autónoma, más eficiente y sostenible, a través de la integración de gemelos digitales de producto, procesos y recursos (PPR)
  • Gemelos digitales basados en datos de producto, procesos y recursos que respaldan la conectividad, interoperabilidad y modularidad.
  • Estrategia de fabricación “Quality by design” para una fabricación sin defectos combinando monitorización distribuida, control de calidad e IA.
  • Detección temprana de defectos evitando su propagación a las siguientes etapas de fabricación.

  
• Implementar modelos basados en datos para avanzar en el desarrollo de un sistema de soporte a la decisión integral, avanzando a una fabricación autónoma, más eficiente y sostenible.
  • Edge intelligence habilitando sistemas distribuidos de procesamiento local de la información, minimizando la circulación de grandes conjuntos de información.
  • Frugal AI y active learning que permitan desarrollar modelos de IA de mayor rendimiento que requieran cantidades de datos o costes computacionales moderados y, una gestión accesible del ciclo de vida de los distintos modelos de IA implicados en todo el proceso de fabricación asegurando la explicabilidad y la robustez de los mismos ante posibles variaciones en el proceso o las posibles degradaciones que los modelos sufran con el tiempo
  • Aprendizaje federado apoyado en la generación de espacios de datos a lo largo de la cadena de valor.
  • Decision Support System (DSS) basados por una parte en la visualización de datos multimodales de distintas fases de los procesos de fabricación, y por otra en el desarrollo de modelos de Explainable AI (XAI) con los que los trabajadores puedan contrastar la información de forma dinámica para tomar decisiones.
• Demostrar el enfoque de CASANDRA para mejorar la calidad, la eficiencia y el control de la integración de procesos de fabricación y su trazabilidad a lo largo de la cadena de suministro (TRL6), fomentando la explotación de resultados y su futura adopción.
  • Dos casos de uso para la validación, contando con demostradores en energía y en naval. Se integrará un control descentralizado e inteligente a lo largo de las cadenas de valor en la fabricación de componentes de gran tamaño.
  • Desarrollar e implementar estrategias para la mejora de competencias de los trabajadores en tecnologías digitales mediante la realización de formaciones en la XXL Pilot Factory de AIMEN.

  

  Caso de uso de NODOSA e IDESA

  

  XXL pilot factory (AIMEN)