Industry 4.0: An innovative manufacturing process on a Digital Twin Application

Autores/as

DOI:

https://doi.org/10.53591/easi.v2i1.2176

Palabras clave:

Industria 4.0, Transformación digital, Micro fabricación, Micro corte de filo único, Sistemas Ciber-Físicos

Resumen

La cuarta revolución industrial requiere que las máquinas trabajen juntas a través de la estrategia de los sistemas ciberfísicos. Este trabajo contribuye a esta revolución presentando una herramienta y metodología que permite la creación de estos sistemas. Se utilizó un modelo virtual de una máquina herramienta en la que se desarrolló el gemelo digital. Se definió los requerimientos, a partir de esto se definió la estructura lógico-funcional. Esta estructura fue la guía para la creación de los modelos de comportamiento de cada elemento, el control en cascada y el diseño 3D de la máquina. Con el gemelo digital completo se realizaron simulaciones para verificar su correcto funcionamiento. Se ejecutó una prueba de posición y velocidad con arranque por pasos y una señal de segundo orden, esto mostró un correcto control y cumplimiento de la consigna. Las pruebas realizadas muestran que la estrategia utilizada permite la realización del gemelo digital que se ajusta al sistema ciberfísico de la máquina. Además, por su modo de diseño, el modelo es muy flexible y su estructura modular facilita los cambios. Este es el momento adecuado para aplicar esta estrategia en la industria ecuatoriana y así reducir la brecha tecnológica, aumentando la competitividad internacional.

Biografía del autor/a

Marcelo Fajardo-Pruna, Faculty of Mechanical Engineering and Production Sciences, Escuela Superior Politécnica del Litoral. Guayaquil, Ecuador.

Doctor en Ingeniería Mecánica con intereses en la integración de varios campos de la ingeniería, tales como; inteligencia artificial, redes neuronales, visión artificial, robótica colaborativa, gestión de la vida del producto e industria 4.0, para la mejora de productos, mecanismos y sistemas en la industria y la I+D de soluciones de ingeniería mediante el uso de CAD/CAM/CAE y validación experimental.

Luis Lopez-Estrada, Department of Mechanical Engineering, Universidad Politécnica de Madrid. Madrid, Spain, 28006.

Ingeniero Mecatrónico (2005). Tecnológico de Monterrey, México. Ph.D. en Ingeniería Mecánica (2019), Universidad Politécnica de Madrid, España. Investigador en el Departamento de Ingeniería Mecánica, Universidad Politécnica de Madrid. Áreas de experticia: Industria 4.0, Micromecanizado, Fabricación Avanzada, Visión Artificial.

Daniela Sanchez-Orosco, Faculty of Mechanical Engineering and Production Sciences, Escuela Superior Politécnica del Litoral. Guayaquil, Ecuador.

Estudiante de Ingeniería Mecatrónica con competencias en robótica e industria 4.0. Su enfoque principal son las aplicaciones de navegación autónoma, inteligencia artificial y mecatrónica para diseñar máquinas y dispositivos robóticos. En Industria 4.0, sus intereses se centran en los sistemas de simulación y comunicaciones con el objetivo de desarrollar gemelos digitales y su integración en la fabricación inteligente.

Christian Tutiven, Faculty of Mechanical Engineering and Production Sciences, Escuela Superior Politécnica del Litoral. Guayaquil, Ecuador.

La carrera académica de Christian Tutivén comenzó en 2009 como profesor de tiempo parcial en los cursos de Instrumentación y Automática en la Facultad de Ingeniería Técnica de la Universidad Católica Santiago de Guayaquil (UCSG). Cuatro años más tarde, inicia sus estudios en el programa de doctorado de Automática, robótica y visión de la Universidad Politécnica de Cataluña (UPC). Obtuvo su doctorado en 2018, donde hizo una presentación sobre diagnóstico de fallas y estrategias de control tolerante a fallas para turbinas eólicas. Actualmente, es profesor e investigador en la Escuela Superior Politécnica del Litoral (ESPOL), donde actualmente es tutor de 10 alumnos que está aplicando diferentes técnicas (redes LSTM, redes GRU, redes híbridas, gemelos digitales, redes siamesas, etc.). ) para monitorear la salud estructural de las turbinas eólicas. Además, imparte el curso Deep Learning en la Universidad de Nariño.

Giovanny Pillajo-Quijia, Research and Innovation Coordination, Asociación de Becarios del Ecuador (ABREC). Ecuador

Ingeniero Mecánico (2009). Escuela Politécnica Nacional, Ecuador. Ph.D. en Ingeniería de Producción y Diseño Industrial (2022), Universidad Politécnica de Madrid, España. Investigador en el Departamento de Coordinación de Investigación e Innovación ABREC, Ecuador. Áreas de experticia: Seguridad Vehicular, Inteligencia Artificial, Diseño Mecánico e Ingeniería del Transporte

Citas

Ardito, L., Petruzzelli, A. M., Panniello, U., & Garavelli, A. C. (2019). Towards Industry 4.0: Mapping digital technologies for supply chain management-marketing integration. Business Process Management Journal, 25(2), 323–346. https://doi.org/10.1108/BPMJ-04-2017-0088

Boyes, H., Hallaq, B., Cunningham, J., & Watson, T. (2018). The industrial internet of things (IIoT): An analysis framework. Computers in Industry, 101, 1–12. https://doi.org/10.1016/J.COMPIND.2018.04.015

Cronin, C., Conway, A., & Walsh, J. (2019). Flexible manufacturing systems using IIoT in the automotive sector. Procedia Manufacturing, 38, 1652–1659. https://doi.org/10.1016/j.promfg.2020.01.119

Fajardo-Pruna, M., López-Estrada, L., Pérez, H., Diez, E., & Vizán, A. (2019). Analysis of a single-edge micro cutting process in a hybrid parallel-serial machine tool. International Journal of Mechanical Sciences, 151(August 2018), 222–235. https://doi.org/10.1016/j.ijmecsci.2018.11.023

Gurjanov, A. V., Shukalov, A. V., Zakoldaev, D. A., & Zharinov, I. O. (2020). Synthesis of self-reconfigurable manufacturing systems in engineering. Journal of Physics: Conference Series, 1515(4). https://doi.org/10.1088/1742-6596/1515/4/042071

Lee, J., Bagheri, B., & Kao, H. A. (2015). A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18–23. https://doi.org/10.1016/J.MFGLET.2014.12.001

Leminen, S., Rajahonka, M., Wendelin, R., & Westerlund, M. (2020). Industrial internet of things business models in the machine-to-machine context. Industrial Marketing Management, 84, 298–311. https://doi.org/10.1016/j.indmarman.2019.08.008

López-Estrada, L., Fajardo-Pruna, M., Gualoto-Condor, S., Ríos, J., & Vizán, A. (2019). Creation of a micro cutting machine tool digital-twin using a cloud-based model-based PLM Platform: first results. Procedia Manufacturing, 41, 137–144. https://doi.org/10.1016/j.promfg.2019.07.039

López-Estrada, L., Fajardo-Pruna, M., Sánchez-González, L., Pérez, H., Fernández-Robles, L., & Vizán, A. (2018). Design and Implementation of a Stereo Vision System on an Innovative 6DOF Single-Edge Machining Device for Tool Tip Localization and Path Correction. Sensors, 18(9), 3132. https://doi.org/10.3390/s18093132

Lu, Y., Witherell, P., & Jones, A. (2020). Standard connections for IIoT empowered smart manufacturing. Manufacturing Letters, 26, 17–20. https://doi.org/10.1016/j.mfglet.2020.08.006

Munirathinam, S. (2020). Industry 4.0: Industrial Internet of Things (IIOT). In Advances in Computers (1st ed., Vol. 117, Issue 1). Elsevier Inc. https://doi.org/10.1016/bs.adcom.2019.10.010

Nunez-Montoya, B., Naranjo-Riofrio, C., Lopez-Estrada, L., Tutiven, C., Vidal, Y., & Fajardo-Pruna, M. (2022). Development of a Wind Turbine Digital-Twin for failure prognosis: First Results. 2022 5th International Conference on Advanced Systems and Emergent Technologies (IC_ASET), 29–33. https://doi.org/10.1109/IC_ASET53395.2022.9765858

Oks, S. J., Jalowski, M., Fritzsche, A., & Möslein, K. M. (2019). Cyber-physical modeling and simulation: A reference architecture for designing demonstrators for industrial cyber-physical systems. Procedia CIRP, 84, 257–264. https://doi.org/10.1016/J.PROCIR.2019.04.239

QRAPP Technology Ltd. (2023). Industrial Internet of Things. https://www.qrapp.org.uk/iot-industrial

Rodriguez-Lucas, L., Ning, C., Fajardo-Pruna, M., & Yang, Y. (2021). Study of Vortex Systems as a Method to Weakening the Urban Heat Islands within the Financial District in Large Cities. Sustainability 2021, Vol. 13, Page 13206, 13(23), 13206. https://doi.org/10.3390/SU132313206

Singh, I., Centea, D., & Elbestawi, M. (2019). IoT, IIoT and Cyber-Physical Systems Integration in the SEPT Learning Factory. Procedia Manufacturing, 31, 116–122. https://doi.org/10.1016/j.promfg.2019.03.019

Sleiti, A. K., Kapat, J. S., & Vesely, L. (2022). Digital twin in energy industry: Proposed robust digital twin for power plant and other complex capital-intensive large engineering systems. Energy Reports, 8, 3704–3726. https://doi.org/10.1016/J.EGYR.2022.02.305

Stăncioiu, A. (2017). The Fourth Industrial Revolution “Industry 4.0.” Fiabilitate Şi Durabilitate, 1(19), 74–78. https://doaj.org/article/e5e51203902847c4b2ce675c38932db1

TECHNIA (US). (2021). How to Use the 3DEXPERIENCE Platform: Features and Advantages. https://www.technia.us/blog/how-to-use-the-3dexperience-platform-features-and-advantages/

Tutivén, C., Benalcazar-Parra, C., Encalada-Dávila, A., Vidal, Y., Puruncajas, B., & Fajardo, M. (2021). Wind turbine main bearing condition monitoring via convolutional autoencoder neural networks. International Conference on Electrical, Computer, Communications and Mechatronics Engineering, ICECCME 2021. https://doi.org/10.1109/ICECCME52200.2021.9590937

United Nations Industrial Development Organization. (2016). Industry 4.0. Opportunities and Challenges of the New Industrial Revolution for Developing Countries and Economies in Transition. 2030 Agenda and the Sustainable Development Goals (SDGs). https://doi.org/10.1007/978-1-4842-2047-4

Vaidya, S., Ambad, P., & Bhosle, S. (2018). Industry 4.0 – A Glimpse. Procedia Manufacturing, 20, 233–238. https://doi.org/10.1016/J.PROMFG.2018.02.034

portada

Descargas

Publicado

29-07-2023

Cómo citar

Fajardo-Pruna, M., Lopez-Estrada, L., Sanchez-Orosco, D., Tutiven, C., & Pillajo-Quijia, G. (2023). Industry 4.0: An innovative manufacturing process on a Digital Twin Application. EASI: Ingeniería Y Ciencias Aplicadas En La Industria, 2(1), 1–10. https://doi.org/10.53591/easi.v2i1.2176

Número

Vol. 2 Núm. 1 (2023): Aplicaciones en educación y gestión de sostenibilidad en la industria 4.0 (edición enero-junio)

Sección

Artículos de investigación

Licencia

Derechos de autor 2023 Marcelo Fajardo-Pruna, Luis Lopez-Estrada, Daniela Sanchez-Orosco, Christian Tutiven, Giovanny Pillajo-Quijia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Las contribuciones publicadas en la revista EASI se rigen por la licencia de acceso abierto CC BY-NC-ND 4.0 (Creative Commons Reconocimiento-NoComercial-SinDerivadas 4.0). Esta licencia te empodera como autor, y garantiza la amplia difusión de tu investigación mientras protege tus derechos.

Para autores:

  • Los autores pueden reproducir y distribuir la obra en cualquier formato no comercial, siempre que la obra indique los autores y datos de la revista EASI, y no contravenga los puntos mencionados en el apartado de los permisos y prácticas editoriales.
  • La revista obtiene una licencia para publicar y distribuir el manuscrito original.

Para lectores/usuarios:

Acceso y distribución gratuita: cualquier lector o usuario puede acceder, descargar, copiar, imprimir y compartir el artículo publicado libremente según los términos de la licencia CC BY-NC-ND 4.0.

Reconocimiento obligatorio: si un tercero utiliza el material publicado, debe dar crédito al creador proporcionando el nombre, el título del artículo y el nombre de la revista, lo que garantiza la propiedad intelectual del autor(es) y ayuda a construir su reputación académica.

Uso no comercial: solo se permite el uso no comercial del trabajo publicado. No comercial significa que no está destinado principalmente ni dirigido al aprovechamiento comercial o la compensación monetaria por parte de ningún tercero.

No se permiten modificaciones: el contenido del artículo publicado no se puede cambiar, mezclar o reconstruir a partir del trabajo del autor. Esto asegura la integridad y precisión de los resultados de la investigación.