Descripción del proyecto
El mantenimiento predictivo en sistemas industriales se refiere a la detección y prevención proactiva de fallos de equipos mediante monitorización continua y análisis inteligente de datos de sensores. Mediante la aplicación de algoritmos de inteligencia artificial (IA) como el aprendizaje automático, el sistema puede identificar los primeros signos de fracaso en la cadena de fabricación y optimizar los horarios de mantenimiento. Este enfoque mejora la fiabilidad y disponibilidad de los activos de producción, al tiempo que reduce los tiempos de inactividad no planificados y los costes de mantenimiento.
Paralelamente, la optimización del consumo de energía en los procesos de producción se ha convertido en un reto crítico, especialmente en las industrias intensivas en energía. La eficiencia energética afecta a la sostenibilidad ambiental y juega un papel clave en la competitividad económica. La estrategia de control para la optimización energética debe considerar diversas restricciones operativas, objetivos de producción y perturbaciones externas. Por tanto, los enfoques integrados que combinan el mantenimiento predictivo con estrategias de control óptimas son esenciales para la eficiencia del sistema global.
Este proyecto de doctorado se centra en el desarrollo de estrategias de control inteligentes para mejorar los procesos de fabricación y minimizar el uso de energía. La investigación cubrirá varias etapas en el desarrollo de estrategias de IA para la predicción propone y un marco basado en el control para la optimización energética.
Las metas clave para el proyecto propuesto son:
- Desarrollo de herramientas avanzadas para el mantenimiento predictivo.
– desarrollo de modelos predictivos para la producción y consumo de energía.
– Diseño de estrategias de control para una producción energéticamente eficiente y fiable.
– integración de modelos de mantenimiento y control en un marco común.
