El proyecto DIGITbrain ha publicado los resultados de su segunda convocatoria en la que 15 empresas europeas -entre las que se encuentra una española- recibirán 652.655€ para desarrollar siete experimentos industriales innovadores de gemelo digital en los próximos 12 meses. Esta tecnología permite crear representaciones virtuales de entornos operativos reales, es decir, réplicas de productos, servicios y procesos para experimentar escenarios posibles sin asumir riesgos.
Arneplant (La Rioja) es la pyme española dedicada a la fabricación de espumas, microfibras y plantillas, que recibirá financiación para desarrollar el proyecto Insotwin, en colaboración con la empresa tecnológica alemana DigitalTwin Technology GmbH. Insotwin creará un gemelo digital para el proceso de moldeado térmico en la fabricación de plantillas para zapatos.
La segunda convocatoria de DIGITbrain cerró en mayo tras recibir 37 propuestas de experimentos de 85 entidades de 18 países, superando los resultados obtenidos de la primera convocatoria.
A lo largo del proyecto se financiarán 21 experimentos, que se integrarán en el Ágora Digital de DIGITbrain, un Marketplace digital -actualmente en desarrollo- que ofrecerá un entorno para comercializar las soluciones innovadoras de los experimentos.
El proyecto DIGITbrain
El proyecto DIGITbrain tiene como objetivo facilitar que las pymes y empresas de mediana capitalización europeas del sector fabricación se beneficien de un nuevo concepto de modelo de negocio basado en IA, llamado fabricación como servicio o MaaS (por sus siglas en inglés).
PNO Innovation (coordinador), CTA (Corporación Tecnológica de Andalucía), el Instituto Tecnológico de Aragón (ITAINNOVA), ENIDE Solutions e Inyecciones Montañana son las entidades españolas participantes de un total de 36 socios europeos.
Este proyecto está financiado por el programa de investigación e innovación de la UE Horizonte 2020 bajo el acuerdo de subvención número 952071 y está compuesto por un consorcio de 36 socios europeos.
Gráfico: Presupuesto de la segunda convocatoria distribuido por país.
Proyectos financiados sin participación española
- Puesta a punto del proceso de maceración de la cerveza: El experimento tiene como objetivo crear una herramienta de predicción para que las cervecerías puedan optimizar el proceso de maceración de la cerveza. El «BeerPredictor» apoyará el establecimiento y la definición de los parámetros correctos de maceración, permitiendo a los pequeños cerveceros independientes cumplir con la composición de carbohidratos especificada de un estilo de cerveza particular sin pruebas manuales intensivas y costosas.
- Detección de anomalías, modelado y control adaptativo de las fases de control de la temperatura de tintes textil: El proyecto pretende optimizar el control de la temperatura de las máquinas de tintura textil con un enfoque basado en gemelos digitales. La temperatura es crucial para la calidad del color deseado y la disminución de las reparaciones de color, lo que se traduce en un ahorro de vapor, energía, agua, productos químicos y uso de tinte.
- Control por IA de la calidad del parquet: El experimento utiliza el aprendizaje automático con Edge computing y cámaras NIR para eliminar los problemas de calidad en una línea de producción automatizada de parquet en tiempo real.
- Gemelo digital y soluciones de calidad predictiva para máquinas de vidrio aislante: El proyecto tiene como objetivo crear una herramienta de predicción de calidad con funciones de gemelo digital para máquinas de vidrio aislado.
- Gemelo digital para el proceso de transformación de chapa metálica en frío: El experimento busca desarrollar un gemelo digital experimental impulsado por datos para encontrar «a priori» parámetros de impresión mejorados y estrategias de control de avance.
- Gemelo digital para la fabricación aditiva de fibra continua: Se desarrollará un gemelo digital para el proceso de colocación automática de fibras (AFP, por sus siglas en inglés) mediante el avance del software de programación fuera de línea. La solución capturará y procesará los datos para identificar los defectos en tiempo real, alertando al operador para que tome las medidas correctivas.
