Desarrollo y aplicación de técnicas de 'deep learning' para el control de calidad de una planta de fabricación de bases lubricantes
ILBOC es una empresa ubicada en Cartagena (Murcia) que produce más de 500.000 toneladas anuales de bases lubricantes de alta calidad para la formulación de aceites. Las plantas de proceso como ILBOC están construidas a partir de diseños de ingeniería detallados que definen y acotan las condiciones de proceso, incluyendo variables físicas (presión, temperatura, caudal y velocidad) y químicas (composiciones, densidades, viscosidades).
En ILBOC, el proceso productivo es complejo y difícil de modelizar para conseguir un control de calidad efectivo. La empresa se encarga de estimar a partir de toda la información disponible las medidas correctivas necesarias para mantener la calidad del producto y hacer predicciones sobre el efecto de estas medidas.
El sistema se describe por un elevado número de factores y variables de entrada (parámetros del proceso) y varias variables de salida (calidad del producto final). Para mejorar la calidad del producto, se requiere determinar qué parámetros son más importantes y cuáles sus valores precisos que produzcan la calidad según los valores objetivos. Se plantea el uso de técnicas avanzadas de 'Machine Learning' (ML) para predecir el funcionamiento y comportamiento del sistema productivo de ILBOC.
Se espera que estas medidas den lugar a una mejora del producto final y faciliten las tareas de todo el personal responsable del control de calidad. Además del diseño y análisis de estructuras neuronales altamente contrastadas como los 'Multi-Layer Perceptrons' (MLP) y las 'Extreme Learning Machines' (ELM), se profundizará especialmente en esquemas más complejos de aprendizaje profundo ('Deep Learning').
- Crear una base de datos apropiada con los datos proporcionados por la empresa.
- Diseñar, entrenar y validar (sobre los datos suministrados) las distintas máquinas de aprendizaje profundo ('Deep Learning Machines') propuestas para desarrollar el sistema de control de la planta.
- Validación del sistema sobre la planta en funcionamiento.
- Publicar los resultados de investigación en congresos y revistas indexadas (JCR).