Databackoff - Control industrial inteligente. Mantenimiento y seguridad
DatabackOFF

Databackoff – Control industrial inteligente

DatabackOFF aporta la siguiente visión ante eventos interrelacionados tan actuales como el uso de almacenes de datos, el mantenimiento predictivo, ciberseguridad industrial, blockchain, gestión de redes IoT mediante tecnología LPWA.

Big Data | Mantenimiento predictivo

Descripción del Proyecto:

Mejorar el nivel de eficiencia global del proceso industrial utilizando herramientas analíticas y garantizar la seguridad de los datos para el proceso de fabricación o gestión de los bienes de equipo fabricados y distribuidos, utilizando tecnologías habilitadoras de la Industria 4.0 para la realización de un mantenimiento predictivo, con la generación de alertas y modelos de predicción de anomalías a partir del conjunto de datos existente.

Problema que pretenden resolver:

Esta memoria de justificación pretende plasmar las actuaciones llevadas a cabo durante los años 2017-2020 por Instituto Tecnológico de Castilla y León en el proyecto Data Scientists en el Back Office industrial dentro de la convocatoria en concurrencia no competitiva destinada a proyectos de I+D aplicada realizados por los Centros Tecnológicos de Castilla y león, cofinanciados por el fondo europeo de desarrollo regional (FEDER) (resolución de la Presidenta del ICE de 28 de agosto de 2017, BOCYL nº 180, de 19 de septiembre de 2017).

Objetivos de Resolución del Proyecto:

Los objetivos técnicos fueron:
Desde el punto de vista de la tecnología Big Data & Analytics

Con el diseño de algoritmos inteligentes para la gestión del Back Office Industrial, se ha optimizado las funciones del almacenamiento de datos para garantizar una gestión eficaz de los sistemas de información. Interrelacionando las funcionalidades del Back Office con eventos del mantenimiento industrial y la seguridad de las máquinas podemos predecir de forma fiable el momento en el que se pueden presentar las averías y evaluar las variables más importantes de las máquinas y determinar las correlaciones.
Integrando la información del estado y sus parámetros en un sistema de gestión estandarizado nos permite realizar el seguimiento de los procesos de correctivo y de preventivo, gracias a la integración de las fuentes de datos y PLC de cada instalación remota

Desde el punto de vista de la tecnología bróker ICS para ciberseguridad industrial

Implementando algoritmos de uso para plantas industriales e identificando los tipos de ciber-riesgos de los ICS a nivel de máquina industrial, se han desarrollado algoritmos de aprendizaje automático adaptados a las necesidades de ciberseguridad

Desde el punto de vista tecnológico LPWA en las comunicaciones IoT

Después de investigar las tecnologías LPWA se han integrado plataformas hardware con esta tecnología en arquitecturas Big Data

Desde el punto de vista de la tecnología Blockchain

Se ha desarrollado un prototipo de plataforma de certificación, aseguramiento y evidencia de la información en red industrial utilizando la tecnología Blockchain para el aseguramiento de la información en plataformas IoT descentralizada

Por lo que los principales resultados han sido:

  • Herramientas eficaces para la detección anticipada de fallos y/o averías dentro del mantenimiento predictivo industrial.
  • Prototipos funcionales de dispositivos con tecnología LPWA con capacidad para ser integrados en las redes industriales.
  • Desarrollo de una arquitectura Big Data para el mantenimiento predictivo.
  • Diseño de un Broker de seguridad con nuevos algoritmos para la securización de los ICS.
  • Desarrollo de una red de Bolckchain capaz de manejar usuarios y sus diferentes roles, con un manejo de datos totalmente personalizado, robusto y seguro.
  • Diseño y puesta en marcha de un laboratorio de ideas que integra la totalidad de los demostradores desarrollados en el proyecto

Duración del Proyecto:

2018 – 2020

Proyecto Regional en Cooperación con:

ITCL Centro Tecnológico
Telice

Financiado por:

Persona de contacto:

Javier Sedano – javier.sedano@itcl.es