BIND 4.0 SME Connection busca startups innovadoras para responder a los nuevos desafíos de la industria vasca
BIND 4.0 SME Connection, la nueva iniciativa de la plataforma de innovación abierta BIND 4.0, ha abierto una convocatoria dirigida a startups que quieran implementar sus tecnologías en las 22 pymes industriales de Euskadi participantes. Las startups que se inscriban y resulten seleccionadas tendrán la oportunidad de trabajar con esas pymes de referencia en su sector, desarrollar su solución en un entorno real, con un contrato remunerado, y realizar un proyecto piloto que pueda responder a las demandas empresariales de la industria vasca. Las startups podrán presentar sus candidaturas hasta el 22 de diciembre a través de la web.
¿QUÉ STARTUPS PUEDEN PRESENTARSE?
La iniciativa busca:
- Startups que desarrollen nuevas tecnologías para el sector industrial y sus servicios afines, que ya hayan completado su desarrollo tecnológico. En otras palabras, startups que tienen un producto o solución que pueda ser vista, demostrada, probada e incluso ya disponible en el mercado.
- Startups que no tengan más de 8 años, que hagan uso de nuevas tecnologías para mejorar los procesos industriales y que estén listas para acelerar su desarrollo empresarial.
- Startups con soluciones disruptivas que se pueden aplicar a las industrias de Energía, Industria Inteligente, Medio Ambiente y Automoción, que incluyen: inteligencia artificial, Big Data Analytics, Computing, ciberseguridad, visión artificial, IoT, impresión 3D – fabricación aditiva, robótica colaborativa, nanotecnología, nuevos materiales, realidad aumentada, etc.
LOS 12 RETOS DE LA INDUSTRIA
Más de 20 pymes industriales innovadoras, a través de las Organizaciones Dinamizadoras de Clústeres sectoriales de Euskadi, -como son Uptek (AFM), clúster de fabricación avanzada, Aclima, clúster del sector medioambiental, el Clúster energía y Acicae, el clúster de automoción-, han propuesto un total de 12 retos sectoriales, a los que deben responder las candidaturas, aplicando sus soluciones tecnológicas disruptivas. Las propuestas de las startups que mejor resuelvan estos retos serán las seleccionadas para participar en esta primera edición de BIND 4.0 SME Connection.
Las pymes líderes vascas, que forman parte de los Clústeres, identifican una serie de desafíos comunes que afectan directamente a sus negocios. Las pymes participantes pueden seleccionar las soluciones presentadas que más se ajusten a su demanda, en función de los retos planteados. En algunos casos, puede haber más de una startup seleccionada para un mismo desafío.
RETO 1. Optimización de la logística de entrada de residuos en plantas de tratamiento
La eficiencia de las plantas de tratamiento de residuos se encuentra claramente afectada por los flujos logísticos de entrada de residuos en las instalaciones. Esta logística de entrada resulta especialmente compleja dado que las plantas de tratamiento reciben una amplia variedad de residuos y productos a tratar que a su vez provienen de una diversa gama de clientes con diferentes necesidades.
Objetivos a resolver:
El objetivo principal pasa por acabar con los cuellos de botella en la descarga de residuos en la báscula, debido principalmente a la falta de planificación entre actores y a flujos asíncronos de llegada a las plantas. Esto provoca una dificultad para predecir los tiempos de descarga, que a su vez influye ralentizando las labores de laboratorio, análisis y posterior tratamiento de los residuos. Se busca alguna plataforma tecnológica que pueda canalizar, integrar y calendarizar de forma automática toda la información relativa a los posibles flujos de entrada en planta, en un contexto dominado por la incertidumbre de la llegada del material a tratar, solucionando así la problemática de cuándo va llegar la carga, pero también del tipo de residuo y la forma en la que ha sido traído.
Soluciones tecnológicas esperadas:
- Programas para la gestión de flotas, Track & Trace o trazabilidad logística.
- Workflow Software.
- Soluciones de Business Intelligence.
- Soluciones de pesaje y medición.
- Modelos predictivos para estimar los flujos de entrada de residuos desde clientes para la predicción de picos de entrega y posibles externalidades.
- Tecnologías para la trazabilidad de los residuos de aparatos eléctricos y electrónicos.
RETO 2. Optimización de la operatividad interna de las plantas de tratamiento de residuos
Debido a la heterogeneidad de los residuos recibidos en las plantas de tratamiento, que a su vez provienen de una amplia variedad de clientes y cuya composición (tanto física como química) puede diferir radicalmente, resulta relevante optimizar la operativa interna para maximizar la capacidad de tratamiento de las plantas. Existen una serie de procesos internos (intra-logística de la planta) con margen de optimización, como el almacenaje, la elección de residuos primas y la trazabilidad de resultados.
Objetivos a resolver:
En primer lugar, Bind 4.0 busca optimizar el espacio de almacenaje, así como la posible mejora en la trazabilidad (visual y física) de los residuos depositados/almacenados en planta. Y, en segundo lugar, la mejora en productividad y eficiencia de la propia planta a través de la mejora en la toma de decisiones sobre el propio proceso industrial al que los residuos están sujetos.
Soluciones tecnológicas esperadas:
- Decisor de almacenaje (Machine Learning).
- Visión artificial.
- Modelos predictivos para la planificación del trabajo en planta y anticipación en cuanto a la disponibilidad de espacio.
- Softwares para el control de fabricación (sistema de automatización de la planta como la trazabilidad y gestión de la misma) – Digital Twin de la planta.
RETO 3. Prevención y gestión de situaciones de emergencia
Las empresas dedicadas a la gestión de residuos, tanto peligrosos como no peligrosos requieren de un exhaustivo conocimiento de los riesgos potenciales existentes. En este caso, gestionar la información de manera eficaz es indispensable para prevenir los riesgos asociados. Si bien es cierto que estos procesos están controlados al máximo posible y las empresas invierten grandes cantidades en prevención y salud laboral, la digitalización puede ser un importante aliado para la mejora continua de la seguridad en planta, ya que permiten un análisis automatizado de un mayor volumen de información, estableciendo un criterio de toma de decisión actualizado en todo momento y adecuado a cada tipología de residuo; no solo de cara a la prevención y minimización de riesgos, sino también de cara a establecer la mejor forma de actuación ante un conato de incendio. Por otro lado, aunque las empresas del sector disponen de planes de actuación ante incidencias, resulta relevante seguir avanzando en la formación de las personas trabajadores en caso de emergencia, siendo realmente útil la disponibilidad de datos para prevenir dichos acontecimientos.
Objetivos a resolver:
La medición de parámetros relacionados con la peligrosidad (temperatura, densidad y composición del aire, etc…) mediante sensores o tecnologías digitales pueden suponer un avance para la actuación predictiva y preventiva frente a posibles accidentes, si bien, dichos sistemas deben encontrarse optimizados para reducir al mínimo la generación de alarmas falsas. Además, la recogida de datos en planta puede ayudar a las personas trabajadoras a capacitarse en la interpretación de valores críticos asociados al residuo para anticiparse a las posibles emergencias.
Soluciones tecnológicas esperadas:
Inclusión de sensores, y sistemas de medición para la parametrización de fluidos, gases, temperaturas y otras dimensiones que puedan prevenir posibles incidencias en las plantas.
RETO 4. Transformación digital del mantenimiento de instalaciones eléctricas
El siguiente reto está estrechamente relacionado con los servicios de Mantenimiento Eléctrico. Entre las tareas se encuentran la correcta recopilación y registro de los parámetros de los elementos que componen los centros de transformación y/o subestaciones, y que comprenden los elementos como interruptores, seccionadores, transformadores, equipos de control,… que permitan realizar un análisis exhaustivo de las instalaciones, como insumos básicos para la correcta supervisión de los procesos y maquinarias revisadas. Otros factores clave a considerar durante el mantenimiento de instalaciones eléctricas de media y alta tensión son los aislamientos, tanto internos como externos, los contactos eléctricos, la puesta a tierra, la lubricación de los componentes mecánicos, el sellado, la protección contra la corrosión y la legibilidad de las señales que permiten guiar a los operarios en caso de necesidad, entre otras tareas.
Objetivos a resolver:
Se considera prioritario el desarrollo de una nueva interfaz/plataforma digital, que permita mejorar la operativa interna de recogida de datos, y presente la información de forma más rápida y visual, y que al mismo tiempo permita integrar nuevas funcionalidades que ayuden a prestar nuevos servicios de mayor valor añadido a los clientes (por ejemplo la asistencia remota o la geolocalización). Esto considera como un pilar para consolidar la fidelidad de sus clientes, ya que la modernización de las prestaciones actuales permitirán, por un lado, la mejora en la eficiencia de proceso (reducción de horas operario en primer lugar, y la asistencia en remoto a perfiles con menos experiencia en segundo), y por otro lado la mejora de la cartera de servicios con mayor valor añadido (p.ej mediante la asistencia remota o los modelos predictivos de mantenimiento).
Soluciones tecnológicas esperadas:
- Software (app) de interlocución con el cliente.
- Software/plataforma donde residan los datos de las revisiones, técnicos habilitados, equipos a utilizar, biblioteca de especificaciones técnicas,.. y que sirva de consulta para los gestores comerciales y se generen los presupuestos con las recomendaciones y anomalías tipificadas.
- Sistemas/tecnologías de captación de datos no manuales como por ejemplo los dirigidos por control de voz.
- Inteligencia Artificial que por ejemplo mediante históricos, sensórica u otros sistemas de medición permita establecer modelos predictivos.
RETO 5. Trazabilidad del producto terminado, para el servicio post-venta y mantenimiento
La obtención de datos generados por máquinas/productos de sistemas hidráulicos y electrónicos ubicados en clientes finales es uno de los grandes retos a los que se enfrenta la Industria 4.0. La mayor parte de las empresas, como Grupo Glual, llevan tiempo incluyendo en sus productos todo tipo de sensórica, que permiten la recogida de todo tipo de parámetros de monitorización del producto, por lo que tienen experiencia en este tema, pero el problema viene que una vez instalados en cliente, no es sencillo el acceso al Dato. Incluso a veces es imposible acceder al dato, con lo que se pierde la oportunidad de realizar tareas de Mantenimientos predictivos. El presente Reto no tiene la “ambición” de poder tener una conexión a tiempo real con los equipos, sino que ya el hecho de poder identificar dónde se encuentra ubicado/instalado el equipo, y además conocer si es posible el cliente final donde está instalado, sería de gran utilidad. Por tanto el Reto se va a centrar en la identificación e implementación de soluciones tecnológicas que ayuden a obtener dicho dato, aún y cuando el cliente final no permita el acceso a los PLC: conocer dónde está instalado el producto y cuál es el cliente final donde está instalado el producto.
Objetivos a resolver:
El poder disponer de la información de dónde está instalado el producto y quién es el cliente final, a fin de asegurarse que los equipos hidráulicos están funcionando correctamente para el uso y parámetros para el que fueron diseñados, y además permitirá anticipar posibles problemas de mantenimiento, e incluso enviar los repuestos necesarios. Además, gracias a este Reto, pretenden poder acceder al cliente final, aumentar la calidad del servicio de mantenimiento, alargar la vida útil de los equipos y aumentar la facturación de la división de Servicio Posventa (Aftermarket).
Soluciones tecnológicas esperadas:
- Sensórica aplicada a la captura de Datos (IoT).
- Diseño de la obtención del Dato.
- Procesamiento y Trazabilidad del Dato (Tecnologías Cloud + Big Data).
RETO 6. Visión artificial en soluciones integrales de manipulación de carga
La elevación y el transporte de grandes cargas supone en sí mismo un reto que además se complica sobremanera cuando la maniobra se produce a una distancia del operario suficiente como para provocar problemas relacionados con la falta de visibilidad, la pérdida de referencias y la imposibilidad de comprender parámetros de la maniobra. La posición lejana a la propia operación incrementa a su vez el riesgo tanto de no consecución de la maniobra como de la seguridad física de los propios operarios, motivo por el cual se pretende apoyar al operario mediante la aportación de información que permita guiar las maniobras. Mediante el presente reto se plantea la realización de un proyecto piloto que permita realizar una prueba de concepto y demostrar así la capacidad de dichas tecnologías de aportar valor. Por ello se plantea comenzar por útiles de menor complejidad como son los balancines, en los que el principal reto se concentra en la comprensión de la distribución de cargas, realizando recomendaciones en consecuencia.
Objetivos a cumplir y soluciones tecnológicas esperadas:
Las soluciones esperadas son soluciones intuitivas y sencillas para uso del operario, sin necesidad de recibir una formación especial para poder manejarlo. A nivel tecnológico, se plantea conocer las capacidades de sistemas como la visión artificial (Cámaras de visión artificial en 2D y 3D), láseres Lidar, tecnologías de Machine & Deep Learning o soluciones de sensórica avanzada u otras identificadas y aplicables al reto planteado.
RETO 7. Mejorar la visualización del dato
La obtención del dato es uno de los grandes retos a los que se enfrenta la Industria 4.0, compartido tanto por las grandes como las PYMEs del sector MH, tanto en lo que respecta a los datos internos de proceso como a los datos generados por las maquinas/ productos ubicados en sus clientes. Atendiendo a la gestión del dato y su visualización, el primer campo de actuación se encuentra vinculado a su procesamiento y representación gráfica en plataformas de monitorización de actividad. Otro campo de actuación relativo a la visualización de la información, es la mejora de las interfaces de los HMI (Human Machine Interfaces) de las máquinas, es decir, desarrollar capacidades de personalización de los HMI que mejoren la experiencia del usuario. Asimismo, y en esta línea, se presenta el reto de mejorar toda interacción humano-máquina que pueda facilitar el uso de estas últimas. En este sentido, se trata de crear mecanismos de comunicación naturales entre personas y máquinas haciendo que la comunicación sea lo más intuitiva y natural posible, y evitando a su vez una interacción artificial con la máquina, mejorando así su usabilidad.
Objetivos a resolver:
Entre estas necesidades se plantean se encuentran la incorporación de mejoras en la problemática de la interacción persona-maquina; la aplicación de tecnologías y estrategias de gaming para la visualización de datos industriales; la mejora de la experiencia de uso del conjunto de la maquina por parte de la persona operaria; y la representación avanzada de parámetros que permitan mostrar los procesos en los monitores de las máquinas.
Soluciones tecnológicas esperadas:
- Representación gráfica avanzada
- Gamificación /UX (Motores de visualización)
RETO 8. Inteligencia del dato para optimización de procesos internos y externos
La utilización inteligente de los datos representa una oportunidad para la creación de modelos de negocio disruptivos evolucionando desde la venta del activo a la venta del uso de dicho activo, es decir, desarrollar nuevos sistemas de relación con el cliente, también conocido como Digital Business. En este campo, se vislumbran sendos retos individuales: la aplicación de tecnologías de IA-Machine Learning cuando se disponen de pocos datos a nivel de proceso; y la visualización y simulación de procesos piezas para optimización de la producción.
Objetivos a resolver:
En lo que a las tecnologías de Machine Learning se refiere, su aplicación en servirá para analizar si a través de los datos obtenidos de la misma se podría aportar valor a los clientes finales, gracias a la semi-automatización de algunas tareas de mantenimiento rutinarias. Por su parte, la aplicación de modelos de gemelo digital facilitará la comparación de las desviaciones entre la simulación de la pieza a fabricar a partir de programas digitales de diseño como el CAD/CAM, a las simulaciones generadas a partir del programa de producción de la pieza que se va a fabricar. También sería interesante que la IA pudiese dar información sobre la “salida” de la pieza (e incluso la visualice), para poder anticipar errores que pudieran cometer en la fabricación, antes de fabricarla y evitar que las piezas se estropeen. Así se evitaría lanzar una Orden de Fabricación (OF) si se predijese que por algún parámetro introducido, hubiese una probabilidad que la pieza final pudiera tener algún defecto.
Soluciones tecnológicas esperadas:
- Inteligencia Artificial aplicada a procesos de mantenimiento (mantenimiento predictivo)
- Gemelos Digitales (“Digital Twins”)- producto y proceso
- Machine Learning
RETO 9. Tecnologías habilitadoras de Control de Calidad
Asumiendo que la calidad del producto, así como sus capacidades de conectividad y monitorización son una condición sine qua non para vender, y que la competencia a nivel global y la comoditización desplazan las fuentes de valor y beneficios de la máquina, cobra una mayor importancia la incorporación en máquina de tecnologías disruptivas realmente valoradas por el mercado. El conocimiento necesario para el desarrollo de dichas tecnologías disruptivas supone una barrera de entrada para los fabricantes de Máquina-Herramienta ya que, en ocasiones, son conocimiento alejados del core de su negocio. Las tecnologías objeto de comentario se encuentran principalmente vinculadas al control de calidad de la pieza fabricada: Visión Artificial, Ondas electromagnéticas, Colorimetría, Termografía, Ultrasonidos, RX, etc.
Objetivos a resolver:
La incorporación de dichas tecnologías para generar una ventana de oportunidad temporal antes de estandarizarse en el mercado, tiempo en el que su incorporación tendrá impacto directo en el precio final del activo. Uno de los principales impactos en lo que a la incorporación de estas tecnologías se refiere es la capacidad de escalar la solución al conjunto de productos ofertados en las empresas para evitar así desarrollos unitarios en cada proyecto.
Soluciones tecnológicas esperadas:
- Tecnologías de control de calidad “unitario” (Visión Artificial, Ondas electromagnéticas, Colorimetría, Termografía, Ultrasonidos, RX, etc.).
RETO 10. Optimización de los procesos de Control de Calidad con tecnologías para diseño y fabricación de producto
El objetivo de este reto pasa por asegurar la calidad del producto final en la fabricación de componentes para la industria automóvil. Los altísimos niveles de exigencia, definidos en los cuadernos de carga para las diferentes fases de todo el proceso productivo, han situado a la calidad como uno de los aspectos prioritarios de diferenciación entre proveedores. En definitiva, se trata de un criterio de evaluación esencial en los procesos de compras y en foco para las inversiones en nuevas tecnologías. En la actualidad, son muchas las empresas del sector automotriz que están implementando tecnologías digitales para el control de calidad, sin embargo, todavía existen muchos casos en los que estos procesos se realizan de forma manual y visual con útiles específicos por parte de operarios, dado que existen ciertas problemáticas que limitan la aplicación de dichas tecnologías. De forma simplificada, la problemática se podría reducir en el hecho de que las 3 RETO 1 ACICAE empresas fabricantes de componentes producen una amplia variedad de productos (así como diferentes referencias de producto) con geometrías y materiales diferentes, que dificulta la aplicación de una solución estandarizada, automatizada y flexible; que se une a la falta de una solución tecnológica que permita inspeccionar de forma integral el 100% de las piezas en el 100% de los parámetros (tamaño, volumen irregularidades, consistencia de mezcla, desperfectos internos…).
Hasta el momento, esto ha implicado para las pymes del sector la necesidad de aplicar diferentes soluciones “unitarias” al problema de la inspección de calidad, cuya rentabilidad quedaba poco justificada con su aplicación y retorno posterior. En este sentido, y para dar respuesta a las especificaciones de calidad de las y los clientes, se visionan dos grupos de diferentes tecnologías para optimizar estos procesos. Por un lado, las tecnologías aplicadas en la fase de producción (el clásico control de calidad), es decir aquellas aplicadas al final del proceso productivo; y un segundo grupo de tecnologías aplicadas en la fase previa a la producción, que están enfocadas a limitar los errores de producto desde el diseño de la fabricación.
Soluciones tecnológicas esperadas:
- Visión artificial
- Machine Learning (Deep Learning)
- Digital Twins
- Otras tecnologías para el control de calidad
RETO 11. Trazabilidad del producto y mejora de la producción mediante Sensórica
La captación y obtención de datos mediante Sensores, su procesamiento mediante Big Data y posterior aplicación práctica mediante tecnologías de Inteligencia Artificial, son tres de los ámbitos en torno al dato en los que las empresas del sector automoción pueden trabajar para mejorar significativamente la productividad de sus plantas de fabricación. En el caso de los productores de piezas y componentes auxiliares de vehículos, se están realizando importantes esfuerzos para optimizar la trazabilidad tanto de los materiales/productos que entran/salen de la planta, como de los movimientos realizados por estos a nivel interno. Asimismo, y en el caso de los fabricantes de maquinaria para la producción de dichos componentes, la obtención del dato mediante sensores, especialmente sobre el uso que hace el cliente de su producto, se antoja como un reto que habrá que abordar para preservar la competitividad del sector vasco.
Objetivos a resolver:
La implantación de sensores en los productos (tanto piezas como maquinas) permitirá trasladar la trazabilidad completa de estos al cliente final (OEM). De esta forma, se ofrece un valor añadido como empresa proveedora aportando información hasta el momento desconocida como garantía de calidad. Esto redundará en un aumento de la confianza por parte del cliente.
Por otro lado esa trazabilidad permitiría ajustar al máximo las ordenes de fabricación y a su vez optimizar la logística de entrada a la fábrica de inputs, condicionada por un diverso panorama de actores externos con los que trabajan las empresas del sector. Dotando de inteligencia al producto, se podrá mejorar la operativa interna, no obstante, la aplicación de sensores supone un hándicap en un sector especialmente ligado a los componentes metálicos (que suelen crear interferencias con las principales tecnologías sensóricas/IoT).
A nivel de mejora del proceso, aunque cada máquina tiene su propia seguridad, el propio diseño del utillaje provoca algunos errores puntuales. La aplicación de la sensórica permitirá que las producciones sean más estables, y las piezas salgan con menos errores, aumentando la eficiencia.
Por último, el despliegue de plataformas de monitorización de parámetros seguras (parámetros recogidos de los PLC de las maquinas) permitirá a las empresas utilizar la información de sus sensores para ver correlaciones de calidad en el funcionamiento de la máquina. También permitirá monitorizar paradas, averías o calcular ciertos KPI’s en base a datos históricos que están en la nube (que ofrece mayor cantidad de datos que en local y con mayores velocidades de cálculo).
Soluciones tecnológicas esperadas:
- Sensorica (IoT)
- Plataformas de monitorización de sensores, seguras y embebidas
- Soluciones Cloud seguras
RETO 12. Mejora de la asistencia remota mediante Realidad Aumentada
La mejora de la efectividad del sector automotriz está condicionada a la digitalización de los puestos de trabajo dentro de las plantas, especialmente en lo que a la relación humanomaquina respecta. La escasez de talento y el relevo generacional hacen necesarios, por un lado, la formación digital de los recursos humanos, y por otro, la aplicación de sistemas/herramientas que permitan compartir y acelerar la transmisión del conocimiento de las personas más expertas y con mayor conocimiento/experiencia a los nuevos empleados. En este contexto, se valora la aplicación de tecnología de Realidad Aumentada en el proceso de diseño y ensamblaje de máquinas o líneas en cliente; y en tareas de reparación, mantenimiento e identificación de errores.
Objetivos a resolver:
Los principales beneficios esperados con la aplicación de estas tecnologías son: una resolución más rápida de problemas, la aceleración de la transmisión de conocimiento, la reducción de costes (p.ej desplazamiento, horas persona…) la mejora de procesos y operaciones mediante el intercambio dinámico de información y el aumento de la seguridad.
Soluciones tecnológicas esperadas:
- Realidad Aumentada
- Otras tecnologías de soporte en remoto
Los interesados en conocer más detalles sobre cada uno de los retos y presentar su candidatura a los mismos, pueden hacerlo a través de este link a la web de SME Connection de BIND 4.0.