Iniciativa financiada por el Ministerio de Industria, Comercio y Turismo Español dentro del programa de apoyo a las AEI para contribuir a la mejora de la competitividad de la industria española, y con el apoyo de la Unión Europea a través del Plan de Recuperación, Transformación y Resiliencia.

Referencia: AEI-010500-2023-17

Tipo de proyecto: Investigación Industrial

Objetivo: el proyecto pretende dotar a las pymes españolas del sector industrial de una herramienta que permita automatizar el proceso de captación y generación de datos 3D para crear gemelos digitales, permitiendo acelerar la digitalización y modernización de sus infraestructuras hacia el nuevo paradigma de Industria 4.0. Segunda fase.

La segunda misión tiene como objetivo construir sobre los esfuerzos iniciados en la primera parte del proyecto, abordando las necesidades y oportunidades identificadas durante la ejecución de la primera fase. Específicamente, busca mejorar las capacidades de la herramienta en detección de objetos y reconstrucción automática de geometrías mediante la incorporación de nuevas técnicas y algoritmos de vanguardia. En el último año, el campo de la inteligencia artificial ha experimentado avances sin precedentes, con muchos modelos y enfoques nuevos que tienen potencial para aplicarse en las tareas del proyecto.

Mediante la adopción de las misiones planteadas, se asume en esta nueva fase del proyecto la inclusión de nuevas técnicas de estado del arte y la habilitación de nuevas funcionalidades de gran utilidad para la herramienta y línea de investigación comenzada en la primera fase. Esta mejora se plantea a través de 3 pilares fundamentales.

1. Extensión de la capacidad de los modelos de IA mediante la provisión de datos sintéticos. Es un hecho que el desempeño de los modelos de inteligencia artificial es tan bueno como lo sean los datos empleados en su entrenamiento. Por este motivo, recopilar una base de datos suficientemente grande se convierte en una necesidad fundamental para poder obtener unos resultados satisfactorios. Esta misión tiene varios desafíos asociados dado que los datos sintéticos deben emular las características de los datos que se obtendrían en un proceso de medición real, lo que genera un impacto muy importante en los resultados.
2. Habilitar capacidades avanzadas de detección mediante la intensificación de los procesos de entrenamiento del modelo. La mayor abundancia de datos lograda con la consecución del punto anterior permitirá abordar la tarea de entrenar los modelos de detección basados en inteligencia artificial con un enfoque mucho más exhaustivo. Los modelos podrán ser entrenados con un número de casos muy superior, partiendo de cero o incorporando además otras bases de datos de las que se pueda disponer. El proceso de entrenamiento es un paso clave que implica un gran esfuerzo computacional para llevarlo a cabo de forma satisfactoria. En este punto es fundamental la capacidad y conocimiento de las arquitecturas de los sistemas para poder optimizar estos procesos de forma que se realicen de forma eficiente y en tiempos razonables.
3. Incorporación de nuevas técnicas de reconstrucción geométrica y BIM. Este es uno de los puntos más llamativos del proyecto, pues supone el paso final de entrega de los archivos de los activos industriales digitalizados, suponiendo un importante ahorro de costes y horas de trabajo. Se abordará mediante la incorporación de nuevas técnicas de modelización adicionales a las ya implementadas durante la primera fase. Durante la ejecución de la primera fase del proyecto se pudo concluir que ninguna técnica de reconstrucción es superior a las demás por sí misma, sino que dependiendo del caso concreto unas técnicas resultan más prometedoras que otras. Por este motivo es importante dotar a la herramienta de una mayor versatilidad en el rango de opciones para completar esta función, lo que resulta muy interesante de cara a un mercado industrial que destaca por su naturaleza heterogénea.

En colaboración con PLAIN CONCEPTS, Clúster onTech Innovation y United ITS.