REVISTA DE INGENIERIA DYNA

Palabras clave:

Federated learning, Data standardization, IDTA Digital Twin, Asset Administration Shell, Predictive maintenance, Data Spaces

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

El mantenimiento predictivo industrial actual depende de la inteligencia artificial guiada por datos. Sin embargo, los conjuntos de datos operativos están aislados por motivos de privacidad, soberanía y regulación. La heterogeneidad de los datos entre fabricantes y la falta de un marco que permita compartirlos añaden obstáculos adicionales. Para resolver estos problemas, este artículo propone un proceso operativo basado en una arquitectura de fabricación genérica, soberana y distribuida mediante flujos de aprendizaje federado dentro de un Espacio de Datos Industrial utilizando gemelos digitales estandarizados. La validación operativa del marco se aborda mediante un caso de uso de fabricación
ciberfísica con cabezales de husillo de mecanizado distribuidos, lo que ofrece una primera demostración de diagnóstico colaborativo bajo restricciones de soberanía de los datos. A nivel semántico y de interoperabilidad, el estándar Asset Administration Shell se implementa mediante Eclipse BaSyx: por un lado, para transformar señales de vibración heterogéneas en el borde en representaciones digitales uniformes y, por otro, para habilitar el intercambio colaborativo de modelos y parámetros de aprendizaje federado (FL) utilizando la especificación IDTA 02060-1-0 (AI Submodel Nameplate).
Además, los conectores de Eclipse Dataspace Components coordinan el intercambio auditable y conforme a las políticas de los parámetros del modelo, vinculando cada ronda de entrenamiento a contratos de uso negociados.
Palabras clave: Aprendizaje federado, Estandarización de datos, Gemelo digital IDTA, Asset Administration Shell, Mantenimiento predictivo, Espacios de datos.