El grupo GRI es uno de los mayores fabricantes de componentes eólicos a nivel mundial y GRI Renewable Industries es la matriz del grupo que lidera la gestión global corporativa de los más de 16 centros de fabricación e innovación del grupo. En este sector podemos afirmar que España es una de las potencias mundiales en investigación, desarrollo y uso de tecnologías de generación limpia como la eólica. Sin embargo, el sector eólico mundial se enfrenta a grandes retos como son el desarrollo de aerogeneradores de mayor altura, potencia y sus estructuras asociadas y en segundo lugar crear nuevas rutas de fabricación optimizada que den una respuesta competitiva y estructuralmente optima. INARI pretende generar conocimiento para abordar estos retos a través de la Investigación de modelos de inteligencia artificial y redes neuronales disruptivos para la predicción de costes de fabricación de componentes eólicos con alta complejidad estructural.
Actualmente el proceso de gestión de proyectos de fabricación en el mercado eólico a nivel mundial es extremadamente complejo debido al elevado número de parámetros técnicos de los productos cuyas especificaciones técnicas tienen un carácter único. Estos proyectos de fabricación tienen una alta variabilidad y están compuestos por un alto número de torres que pueden ser iguales o no, para una o varias localizaciones. Se emplean distintos materiales base (rango S320-S460), distintas potencias de aerogenerador (entre 2MW – 15MW), distintos espesores de chapa (10 mm-130 mm) y con importes de entre 1M y 100 M de euros aproximadamente. En este sentido, el cálculo de costes para las torres eólicas obedece a varios factores técnicos, principalmente los siguientes:
- Estudio estructural y de modelos CAD de cada subcomponente para proceder a su cotización individual asociado a los materiales y consumibles cuyo coste tiene una gran variabilidad debido a las importantes fluctuaciones de los mercados internacionales de materias primas.
- Cálculo de las horas asociadas a cada uno de los subprocesos de fabricación y áreas. Las especificaciones técnicas de cada torre determinarán las horas de fabricación necesarias en cada subproceso.
De esta situación tan compleja emerge el objetivo general del proyecto que es el de investigar sobre modelos de predicción de lead times de subproceso de fabricación y consumibles basado en redes neuronales avanzadas. Para ello ha sido necesario investigar un nuevo concepto integral de plataforma para la gestión del producto digital que se conecte a otros sistemas y procese la información relativa a los proyectos de fabricación. Esta plataforma deberá gestionar el flujo completo, coleccionar, procesar y modelar los datos recibidos para realizar una simulación avanzada de la producción. Con esta herramienta se ha optimizado de forma disruptiva el proceso de cotización de proyectos eólicos en todas las plantas del grupo y su posterior gestión digital.
El proyecto INARI ha investigado sobre modelos de predicción, permitiendo superar los siguientes retos tecnológicos:
- Investigación sobre modelos inteligentes de producto digital de todos los aspectos relativos a la gestión de vida del producto eólico desde la solicitud por parte del cliente, logística, materiales, trabajo, gestión de especificaciones que permitirá obtener una precisión del 95% en procesos de cotización respecto a datos reales de fabricación futuros, reducir los tiempos de la oferta en 30%.
- Investigación sobre el modelo de datos GRI dentro de la plataforma INARI utilizado para las predicciones con redes neuronales de todos subprocesos de fabricación, consumibles y tipología de layouts que servirá de base para futuros proyectos de analítica de datos.
- Desarrollo de entornos experimentales de gestión del producto digital que gestione el flujo completo del proyecto, que coleccione, procese y modele los datos estructurales del producto, datos de fabricación pasados, limitaciones de los layout de fabricación necesarios para la simulación avanzada de producción que nos dará la estructura de costes del proyecto.
- Estudio, evaluación y modelación de diferentes métodos predictivos basados en redes neuronales y machine learning para la predicción de lead times de fabricación y consumibles de naturaleza compleja basado en el análisis previo de Big Data de cada uno de los subprocesos de fabricación
- Desarrollo de modelos de entrenamiento y aprendizaje complejos de redes neuronales multicapa, multiprocesamiento (Multi CPU, GNU) para optimización individual de cada subproceso o consumible.
- Desarrollo experimental de un demostrador en entorno relevante de predicción inteligente de costes de fabricación de proyectos industriales de gran tamaño y productos estructuralmente complejos multi layout, multi producto, onshore y offshore que incorpore el conocimiento de GRI de proyectos anteriores de fabricación y aprenda con los nuevos.
INARI ha sido una referencia del sector en cuanto a la de gestión integral del producto digital (Digital Product) que ha permitido coleccionar, procesar y modelar un gran volumen de datos masivos aunando y generando conocimiento del grupo. En este sentido, ha sido la primera vez que se aplican tecnologías disruptivas de inteligencia artificial y redes neuronales, incluyendo machine learning, big data y elementos de gemelo digital, a piezas de esta envergadura y complejidad estructural, como es el caso de las torres eólicas. Se plantea la predicción de “lead times” de más de 20 subprocesos diferentes de fabricación para los 16 layouts de fabricación del grupo, así como la predicción de los principales consumibles en la conformación de un producto.
Además, el proyecto ha permitido la consecución de los siguientes objetivos empresariales:
- Situar a GRI como una organización de referencia en el sector de fabricación de piezas estructurales de grandes dimensiones para el mercado eólico terrestre y marino, por la precisión de sus procesos de producción y por la calidad de sus soluciones
- Hacer que la gestión de los procesos de fabricación de torres eólicas (procesos hoy día globales a nivel geográfico) sea más eficiente que los actualmente existentes, tanto desde el punto de vista de gestión de costes como en lo que a eficiencia energética y sostenibilidad se refiere
- Desarrollar una plataforma de analítica de datos que permita ser la base para el desarrollo de nuevos layouts de fabricación optimizada para los futuros proyectos de implantación de nuevas fábricas como el que se realizará en el Reino Unido en 2022 para el mercado offshore de más de 100M de Euros.
El proyecto ha contado con el apoyo financiero de la Unión Europea NextGenerationEU.
