Hornos

El melter inteligente del futuro

Crece el uso de tecnología automatizada en la industria del vidrio. Erik Muijsenberg* analiza las razones por las que se debería adoptar esta nueva tecnología y cómo esto podría ayudar a reducir las emisiones de carbono y a optimizar el funcionamiento de los hornos.

T/P corona

gas total

T/P base

boost de la fusión T/P corona

tirada vidrio

boost de la barrera

T/P garganta

Fig. 1. Relaciones de modelos de control predictivo basado en modelos avanzados.�

Desde 2020, las nuevas tecnologías tales como las redes neuronales generan oportunidades para la automatización que antes eran impensadas. Como consumidores, lo experimentamos de primera mano en los vehículos autónomos. Si se persigue la automatización de los hornos, los alimentadores, y quizás la producción completa, se hace posible apagar las luces y crear las llamadas «fábricas de luces apagadas» totalmente automatizadas.

Sin duda, el término Industria 4.0 que fue creado durante la Hannover Messe de 2011 (feria dedicada al desarrollo de la industria) ha despertado a la industria moderna para la revolución que se avecina. En la última década, la industria del vidrio ha trabajado con diligencia para optimizar los sistemas, pero se necesita más. Siendo realistas, la producción en 2030 necesitará mucha menos intervención humana que ahora.

La Industria 4.0, a menudo conocida como «Big Data» o «Internet de las cosas», hace referencia a los altos niveles de automatización de las partes individuales de la producción y la íntima comunicación entre ellas. Por ejemplo, si los niveles de defectos aumentan, el propio sistema decide cómo reaccionar; podría aumentar o reducir la temperatura del horno, en función de lo que sea más apropiado. Actualmente, estas decisiones dependen de la interpretación y experiencia humanas. Haremos un repaso de la próxima automatización que ya se utiliza en la industria del vidrio, e investigaremos nuevas tecnologías tales como la inteligencia artifi cial (IA), las redes neuronales, el aprendizaje automático, el aprendizaje profundo y cómo repercutirán en la producción.

Las principales empresas de ingeniería y los fabricantes de vidrio de todo el mundo utilizan la modelización de hornos conocida como dinámica de fl uidos computacional (CFD por sus siglas en inglés). Mientras que en 1990 se discutía la precisión de esta tecnología, hoy se la considera fi able y valiosa. Se ha convertido en la tecnología más avanzada para diseñar o reconstruir hornos. Los sistemas actuales de control predictivo por modelos (MPC por sus siglas en inglés) de hornos y alimentadores, entre ellos el Expert System III, han evolucionado mucho más allá de la CFD. Al principio,

Fig. 2. Ejemplo de relaciones de modelo tras la identificación del proceso mediante datos históri-�

cos.

� Fig. 3. PC ESIII tomando el control del horno con MPC del operador.

� Fig. 4. Imagen de horno utilizando una cámara IR. los escépticos no creían que fuera posible controlar un horno aplicando MPC. En la actualidad, más de 330 hornos en todo el mundo lo tienen instalado en muchos de sus alimentadores.

Desde 2010, el interés por la Industria 4.0 se ha disparado con la instalación de nuevos equipos, tales como las cámaras de los hornos para controlar el flujo del lote. La pregunta es: ¿Y ahora qué? Una mirada a la Industria 4.0 desvela muchas tecnologías diferentes que se pueden utilizar y combinar para optimizar el funcionamiento de la fábrica. Muchas tecnologías pueden contribuir a un funcionamiento eficiente, como, por ejemplo, los robots, la realidad aumentada, el Internet de las Cosas y el Big Data (donde se recoge información útil mediante ordenadores potentes).

Un controlador PID (de tres parámetros) proporcional, integral y derivativo emplea un lazo de control mediante retroalimentación. Han sido ampliamente utilizados en aplicaciones que requieren un control modulado continuo, pero a menudo ofrecen un éxito limitado porque: (1) el control PID permanente llevado a cabo por un solo operario era muy exigente y poco fiable; (2) las temperaturas del horno tardaban en reaccionar; y (3) las respuestas a los cambios estaban sujetas a largos periodos de inactividad. Las estrategias de MPC con algoritmos dinámicos ofrecen una alternativa. Captan el comportamiento

Datos Capa de entrada Capas ocultas

Capa de salida

� Fig. 5. Redes neuronales, con capas ocultas más profundas

Las islas de lotes están identifi cadas en color amarillo

La llama está identifi cada dinámicamente

La superfi cie del vidrio se muestra en color azul

El refractario se muestra en color rosa anaranjado

La acumulación de la cámara se muestra en verde

� Fig. 6. Imagen del horno de una cámara identifi cada por una red neuronal. del proceso con una mínima intervención, a la vez que mantienen la calidad en un nivel óptimo, las emisiones más bajas y los costos operativos mínimos.

El MPC normalmente trabaja con entradas para el horno tales como las temperaturas del gas, la corona y la base (Figuras 1-3). Se crean los modelos matemáticos utilizando programas informáticos tales como el Expert System III y estos datos históricos. Estos modelos lineales predicen la respuesta futura de un horno. Actualmente, rara vez se utilizan las pruebas de paso para conseguir estas relaciones de modelos; solo se utilizan los datos históricos o de funcionamiento.

El siguiente paso exige la comprensión de interrelaciones más complejas. Una de ellas es la relación entre las temperaturas y la calidad del vidrio. ¿Se debe aumentar la temperatura del horno para mejorar la calidad del vidrio, o se debe reducir, como ocurriría en el caso de formación tardía de burbujas o reacciones refractarias? Este tipo de preguntas son un ejemplo de los ámbitos en los que la inteligencia artifi cial ofrece algo más que modelos lineales sencillos.

Se dispone de muchos más datos que en el pasado, pero, ¿cómo debemos manejarlos? Las cámaras de infrarrojo cercano (NIR por sus siglas en inglés)

Continúa>>

� Fig. 7. Cobertura del lote convertida a vista panorámica aérea y tendencias.

� Fig. 8. Vista en una sala de control con imágenes NIR y software de IA que analiza el proceso.

de los hornos pueden actuar como termopares virtuales y ver las tendencias de temperatura dentro del horno a lo largo del tiempo (Fig. 4). De hecho, incluso se pueden explorar los perfiles de temperatura. A continuación, exploraremos las capacidades de estas cámaras, y más adelante abordaremos el tema de la precisión de los datos.

En primer lugar, nos planteamos qué es la inteligencia artificial (IA) y sus redes neuronales. ¿Cómo pueden ayudar a la industria del vidrio? La mayoría de los operarios del sector del vidrio están familiarizados con el DCS, un sistema de control digital para un proceso o planta que suele contar con muchos lazos de control y MPC. Antes de la IA, los problemas irregulares eludían a los operarios, lo que daba lugar a ineficiencias y una producción de vidrio de baja calidad. La IA se anticipa y realiza las tareas que antes no podían ser solucionadas con técnicas manuales. Posibilita que el ordenador imite la inteligencia humana para resolver un problema, utilizando árboles de decisión de redes neuronales entrenadas por medio del aprendizaje automático.

El aprendizaje profundo puede parecer mágico, pero no es más que una red neuronal profunda de varias capas que maneja gran cantidad de información; una búsqueda normal en Google emplea la misma tecnología. Google sugiere una respuesta a lo que realmente se está buscando. Por lo tanto, esto ya es IA. ¿Qué es una red neuronal? Probablemente su nombre se deba a que las neuronas del cuerpo humano tienen características similares. Primero hay que analizar un conjunto de datos y, tras el análisis, el resultado es la capa externa, es decir su significado. Así pues, los datos nacen en la capa interna del análisis, para ser formalizados, y después son añadidos en la red neuronal.

Después, le enseñamos a esta red neuronal a rellenar ciertos altos y constantes dentro de las diferentes neuronas, para aprender (con muchos datos en la entrada) a predecir lo que se produce como salida, y reconocerlo automáticamente. La clave es que no entendemos del todo estas neuronas, y no se necesita entenderlas. Simplemente se rellenan dando suficientes datos y suficiente salida para las neuronas que se van a rellenar con el mecanismo que mejor reconocen. La Fig. 5 muestra la entrada de datos, el análisis de datos y la salida del proceso.

Para ilustrar estos conceptos, veamos una técnica de imágenes que utilizamos con una cámara de horno con NIR. El software de la cámara está entrenado para reconocer las imágenes que ve y, con el tiempo, puede diferenciar entre el lote, la llama, la superficie del vidrio, el refractario y la acumulación de la cámara. Por tanto, si se produce una acumulación alrededor de una cámara que cubre un termopar, ya no se puede utilizar de forma fiable. Entonces, los datos de entrada de este termopar no deben ser aplicados al aprendizaje profundo. El aprendizaje profundo también puede detectar la llama independientemente del lote, determinar su dirección y dar una señal de alarma en caso de que el horno necesite atención. Con la tecnología de redes neuronales podemos aprender mucho más de estas imágenes que solo las temperaturas, y procesarlas para tomar decisiones de control inteligentes (Fig. 6).

El siguiente paso es medir la distribución del lote. No basta con que un operario diga: «El lote es demasiado largo hoy». La imagen de la cámara se transforma para eliminar los errores de paralaje que ocasiona la inclinación de la cámara (Fig. 7). Las zonas en amarillo representan las pilas de lotes. El software también nos permite una vista panorámica aérea perfecta del lote. En la Fig. 8 se puede ver una configuración típica de la sala de control.

En este horno, hay claramente más lote a la izquierda que a la derecha. De este modo, se puede controlar la cobertura y el movimiento del lote, lo que facilita las acciones correctivas. Para algunos hornos, la estabilidad es vital, para otros no tanto.

La siguiente pregunta es: ¿seguirá habiendo trabajadores empleados si se utiliza tecnología de IA y se convierte en norma común? Para esto, buscamos datos históricos en otras áreas para comparar.

La gran ventaja del MPC es que mejora y actualiza el funcionamiento del horno. Se puede discrepar con respecto a su instalación como resultado de la preocupación por la seguridad laboral. Es importante que se comprenda esto internamente en la fábrica para convencer a los empleados de que no será así, sino que les ayudará en su trabajo. El objetivo es proporcionarles nuevas tecnologías que mejoren los procesos de producción. Es necesaria una formación intensiva y continua de los empleados para gestionar adecuadamente la nueva tecnología. Es necesario incorporar diferentes capacidades y habilidades a la plantilla, un factor constante en la implementación de la Industria 4.0 para cada sector y ámbito.

Con la aceptación de la automatización

de la Industria 4.0, se pueden controlar los hornos utilizando una mayor cantidad de fusión eléctrica, y pueden ayudar a reducir las emisiones de carbono.

La automatización de la Industria 4.0 seguirá avanzando. Una fábrica de vidrio «de luces apagadas» puede ser difícil de imaginar en 2030, pero no en 2050, cuando la luz de las gotas calientes que caen del alimentador sea lo único que ilumine la sala de la fábrica.

Conclusión

En general, la perspectiva es no tener miedo. La revolución de la inteligencia artificial que ya está aquí no se puede evitar. Algunos sugieren que la revolución de la IA es mucho mayor que cualquier revolución de automatización antes vista. Unas sólidas habilidades de liderazgo y prácticas empresariales prepararán a los trabajadores para que puedan entender y aceptar la IA, porque revolucionará nuestras vidas y cerrará la brecha entre lo que los humanos son capaces de hacer y lo que se puede lograr con la tecnología.

La IA penetrará en todas las industrias para hacerse cargo de las tareas básicas de los seres humanos, interactuando a la perfección con nuestra vida cotidiana. Como dijo Elon Musk, ya nos hemos convertido en ciborgs por estar tan integrados con nuestros teléfonos y ordenadores: «Si te olvidas el teléfono en casa, algo tan simple, te sentirás desvalido. Sin tu teléfono te faltarán los números, los contactos, tu agenda, los mapas, y ya no tendrás comunicación, ni nada que hacer mientras esperas. ¿Quién se sabe todavía los números de teléfono y toda la gente que conoce dentro de su teléfono?» �

Este texto ha sido adaptado del capítulo 7 del libro del Año Internacional del Vidrio «Bienvenido a la era del vidrio». El libro es un homenaje a la creación del año, así como a la historia del vidrio y sus futuras aplicaciones. Para leer el capítulo completo del Sr. Muijsenberg, consulte la edición completa del libro a través del siguiente enlace.

* Vicepresidente, Glass Service, Vsetín, República Checa https://www.gsl.cz/

Libro del Año Internacional del Vidrio:

https://saco.csic.es/index.php/s/XcPeY6mxGPGs8jy