Aluminioa birziklatzeko plantetan, labe birakarietako galdaketa-prozesua isurketa ez-estandarizatuetan antolatzen zen, jarduten zuten pertsonen irizpide subjektiboaren arabera. Uniformetasun falta horrek prozesua automatizatzea eragozten zuen, eraginkortasun energetikoa eta operatiboa zailtzen zituen, eta langileen isileko ezagutzarekiko mendekotasun handia sortzen zuen.
Labearen datu historikoekin entrenatutako sare neuronaletan oinarritutako eredu prediktiboa garatu zuen —segundoko datuekin oso sentsorizatua— labea kargatzeko une optimoa aurreikusteko, “biraketa-indarra” aldagai nagusi gisa erabiliz.
Sistemak labeak metalezko fluidotasun egoera optimora iritsi den unea identifikatzen du, eta horrek kargatze automatikoa ahalbidetzen du operadorearen etengabeko gainbegiratzerik gabe. Horri esker, honako hau egin daiteke:
- Galdaketa prozesua automatizatu.
- Eragiketa-eraginkortasuna handitu.
- Dokumentatu gabeko ezagutzan oinarritutako mendekotasuna murriztu.
- Produktibitatea hobetzea eta energia-kontsumoa murriztea.
Sare neuronalak aplikatzen ditugu aluminioa birziklatzeko labeetan kargatzeko une optimoa iragartzeko, galdaketak automatizatuz eta efizientzia, produktibitatea eta energia-kontsumoa hobetuz.
- Bi urteko datu operatiboekin entrenatutako sare neuronalak.
- %80ko zehaztasuna iragarpenean, ± 6 minutuko tartearekin.
- Prozesu kritikoen automatizazioa denbora errealean.
- Adituen ezagutza errepika daitekeen logika bihurtzea.
- Garbitzeko ahalmen handiagoa eta kontsumo txikiagoa: eraginkortasun handiagoa, baliabide gutxiago.
