以创新推动行业变革

执行期：2016年10月1日 – 2020年9月30日

总时长： 48个月

该项目由“地平线2020”计划资助，专注于开发一个实时控制制造过程的系统，以实现无缺陷生产。系统可将基于实际生产过程数据的简化模拟模型（ROM）整合进流程中，从而实现自动和实时调整制造参数。

Fersa的参与

我们在真实的生产线上实施并验证了所开发的解决方案，结合我们在制造工艺和质量控制方面的经验。

主要成果：

缺陷减少： 产品缺陷率显著降低，在部分生产线上减少幅度超过72%。
效率提升： 与参数调整和参考变更相关的停机时间减少了至少50%。
经济节约： 在参与的某工厂中，系统STREAM-0D的实施每年预计可节省高达123万欧元。

执行期：2018年1月 – 2020年12月
时长： 36个月
目标：开发一个大数据分析平台，通过数据收集和人工智能的应用，实现生产过程的实时优化。

说明：生产过程的运行效率能够实时预测制造流程中可能出现的缺陷和偏差，并建议调整关键控制参数，以在产线前端进行修正。这种预测能力有助于预判修正措施，从而高效调整生产流程。

该系统依赖一个元模型，将过程数据与在线质量控制测量和缺陷识别联系起来，并结合多个机器学习模型，模拟机器的实际运行行为。

Fersa 的参与

在 Fersa，我们开发了一种工具，可收集制造数据以及在线尺寸控制数据，并将其实时发送至各工位的机器学习模型。这些模型会生成一系列指标和调整建议。

当模型预测的质量低于某些设定阈值时，它们会自动使用历史数据进行再训练。

主要成果：

• 在我们的一条面向OEM客户的生产线上实现了完全且唯一的可追溯性
• 实现了对操作员的实时辅助数字孪生系统

执行期： 2020年10月 – 2023年9月

周期： 36个月

目标：开发一种分布式且可互操作的人工智能架构，用于工业数字化，促进制造过程的自动化和人工协作。

Fersa 的参与：

Fersa 作为工业合作伙伴，已将开发的解决方案应用于自身的生产流程，目标是同时提升效率与灵活性。
其主要重点在于通过人工智能技术的引入，根据实际接收零件的质量调整路径、工装和参数，从而优化制造成本。
该举措在计划管理方面带来了显著提升，同时提高了生产率并实现了更高效的物流管理。

主要成果：

• 通过优化需求、实时数据采集和反馈至设备，减少换型时间
• 通过问题预测功能提升质量水平
• 提高生产效率

执行期： 2020年10月 – 2024年3月（42个月）

目标：通过对生产过程中温度控制、磨削过程中的表面波纹等数据的管理，实现零缺陷制造。这些数据结合新的测量设备，可实现信息收集，并借助大数据在制造过程中做出智能决策，以优化整个流程。

Fersa 的参与：

Fersa 作为产业合作伙伴之一，凭借其在高精度轴承制造方面的专业经验参与本项目。

主要成果：

• 建立一套传感器网络，用于测量磨削过程中亚微米级表面形貌
• 集成虚拟传感器以进行振动分析
• 开发数据挖掘工具，用于追溯和验证数据完整性

开始时间： 2025年

项目： 西班牙国家工业技术发展中心（CDTI）“Transmisiones”项目

目标：通过实施先进技术，如深度学习（deep learning）和边缘计算（edge computing），朝着自主、安全和可持续的智能工厂迈进。

Fersa 的参与：
在 Fersa，我们与 IDEKO 技术中心合作，参与了该国家级项目。

重点方向：开发可实现实时决策和制造流程自主调整的系统，以提升效率与质量。

开始时间： 2025年

资助方： 欧洲联盟 – Next Generation EU，通过西班牙数字转型与公共职能部提供资金支持

目标：开发一个行业级数据空间，促进工业生态系统中各方的信息共享，从而推动新解决方案、服务和商业模式的诞生，这些都将基于共享数据的使用。

Fersa 的参与：

Fersa 与 IDEKO 和 Tecnalia 合作参与了该项目。

重点方向：实施先进的数字化技术，以提升工业制造中的可追溯性、效率和可持续性。