Sistema inteligente para el análisis de fallas en estaciones de prueba eléctrica bajo el paradigma industria 4.0

Abstract

La industria manufacturera tradicional se encuentra experimentando una rápida transformación digital debido al crecimiento tecnológico. Para mantener su competitividad, la industria y sus procesos deben adaptarse a estos cambios. Con la llegada de la industria 4.0, las fábricas están evolucionando hacia modelos más eficientes, aprovechando el valor de los datos para optimizar sus procesos. En la manufactura electrónica, una de las formas de detectar incidencias en tablillas electrónicas (PCBA) es mediante la prueba eléctrica, por lo que para identificar la causa raíz de las fallas, se utilizan técnicas tradicionales de análisis basadas en el conocimiento y la experiencia del analista. Sin embargo, este enfoque es una actividad post-mortem, que se realiza después de que la PCBA ha fallado, resultando costoso y consume tiempo. El objetivo es desarrollar un sistema inteligente que incorpore Redes Neuronales en un modelo de Big Data para automatizar el análisis de fallas en estaciones de prueba eléctrica, logrando un análisis eficiente, efectivo y en menor tiempo permitiendo mejorar la calidad y reducir los errores asociados con el factor humano. Para lograrlo, la metodología emplea la recopilación, preparación y análisis de datos, seguido del entrenamiento de la red neuronal de mapas auto organizados (SOM) y la validación. La generación de datos masivos y las redes neuronales están revolucionando el enfoque de prueba y diagnóstico. Al aprovechar estas tecnologías, las fábricas pueden identificar efectivamente las fallas, comprender mejor las causas subyacentes, lo que conduce a una mejor toma de decisiones, la mejora de la calidad y la eficiencia.