Andrés Sanz García ha obtenido el título de doctor por la Universidad de La Rioja tras la defensa de su tesis Development and application of soft computing and data mining tecniques in hot dip galvanising (Desarrollo y aplicación de «soft computing» y técnicas de minería de datos en galvanizado en caliente).
Dirigida por Francisco Javier Martínez de Pisón Ascacíbar, la investigación doctoral de Andrés Sanz parte del hecho de que los actuales mercados, cada día más globales y cambiantes, han generando en la industria la necesidad de nuevas herramientas que permitan mejorar la flexibilidad y aumentar su competitividad.
Una pieza clave para lograr esta mejora es la búsqueda de conocimiento útil en la información procedente de sus procesos productivos y empresariales. En concreto, la Minería de Datos se ha convertido en una disciplina crucial para obtener este conocimiento de forma automática a partir de históricos de procesos industriales. Esta disciplina basa en la fusión de numerosas técnicas procedentes de otros campos tales como la estadística, el aprendizaje automático y la inteligencia artificial, entre otras.
La realización de esta tesis doctoral ha pretendido desarrollar nuevas herramientas basadas en la Minería de Datos y la «Soft Computing» que mejoren el ajuste de las líneas continuas de producción industrial. La «Soft Computing», otra nueva disciplina poco conocida, persigue obtener soluciones aproximadas a problemas complejos mediante métodos que simulan el uso de la inteligencia, el sentido común o la aproximación por imitación a los seres humanos.
Durante el desarrollo de la investigación se ha trabajado en la combinación de ambas disciplinas para generar herramientas que logren una mayor flexibilidad y eficiencia en procesos de fabricación, especialmente ante cambios continuos debido a nuevos productos. Para demostrar la aplicación práctica de las herramientas desarrolladas, éstas han sido aplicadas en la mejora de una línea de galvanizado continuo por inmersión en caliente de bobinas de acero. La elevada dimensión y complejidad de esta instalación ponen de manifiesto las ventajas y oportunidades que ofrecen las herramientas desarrolladas en distintas tareas.
En una primera parte, la tesis doctoral presenta una herramienta con gran capacidad para extraer conocimiento útil y no trivial en forma de sencillas reglas que ayuden a explicar fallos frecuentes en líneas de producción. Se trata de un sistema integral que engloba tanto el pretratamiento de las señales capturadas de la planta, la división de éstas en segmentos interesantes al usuario y finalmente, el proceso de extracción de las reglas asociadas a fallos frecuentes en producción.
En la segunda parte se han presentado dos nuevas metodologías que mejoran la estimación de los datos de consigna necesarios para el control automático de las líneas de producción. Esto se logra mediante una mejora en la creación de los modelos computacionales que simulan el comportamiento de los elementos que forman el proceso y utilizando para ello datos de históricos capturados en la planta. En concreto, y para el caso de la línea de galvanizado estudiado, se ha trabajado concretamente en la predicción de las temperaturas de consigna del horno vertical de recocido.
En resumen, las tres herramientas implementadas permiten hacer más fácil el trabajo de los ingenieros y técnicos de la planta a la hora de tratar con cambios continuos en productos o materiales. El ahorro en tiempos durante la configuración de la línea y la reducción en tiempos y costes durante continuos reajustes se demuestran garantizados con la utilización de las herramientas desarrolladas. Por último, cabe resaltar que éstas no son solo validas para procesos industriales sino que pueden ser fácilmente adaptadas a otros campos tales como el manejo de inversiones, información bursátil, análisis genéticos o estudios vitivinícolas.
