El estado del arte.

Las modernas líneas de producción y montaje industrial dependen cada

vez más de la medición agregada. Información de redes de sensores,
control automatizado de sistemas y toma de decisiones. Esto requiere
Información confiable sobre los procesos de fabricación, que se derivará
de la medición. datos. Herramientas de análisis de datos y aprendizaje
automático para grandes conjuntos de datos, a veces también
denominados "big data"
El análisis se aplica a menudo a los datos de la red del sensor con el
objetivo de compensar los posibles Deficiencias de medición de los
individuos.
Tal uso intensivo de los dispositivos de medición interconectados a
menudo se identifica como "Industria 4.0" o "Fábrica del futuro" (FoF):

La base tecnológica es proporcionada por sistemas inteligentes,

conectados en red digital que posibilita procesos de producción en gran
medida de autogestión: en el mundo de la Industria 4.0, las personas,
Las máquinas, equipos, sistemas logísticos y productos se comunican y
cooperan entre sí. otros directamente. Los procesos de producción y
logística se integran de forma inteligente en toda la empresa.
Límites para hacer la fabricación más eficiente y flexible.

Se ha dedicado un gran número de actividades de investigación y

proyectos de investigación de mediana a gran escala. Para el desarrollo
de la fabricación mejorada, la comunicación y la eficiencia. Por ejemplo,
el La Asociación de Investigación de las Fábricas Europeas del Futuro
(http://www.effra.eu) enumera actualmente más de 200 Diferentes
proyectos de investigación europeos que abordan temas que van desde
materiales avanzados hasta robótica. Muchos enfoques para
instrumentar la fábrica del futuro se centran en la visualización y
agregación apropiada de los datos de medición. Herramientas de
análisis de datos, tales como redes neuronales y otras métodos de
aprendizaje automático, tienen como objetivo compensar las
limitaciones de los puntos de datos individuales agregando enormes
conjuntos de datos. Muchos reglamentos y directrices que abordan la
comunicación segura de datos y los protocolos de datos se han
publicado en la última década. Sin embargo, hasta la fecha un sonido
metrológico. Falta el tratamiento de las redes de sensores según lo
previsto para la fábrica del futuro.

Desde una perspectiva metrológica, las limitaciones típicas de los

sensores en los escenarios de FoF son
- Baja precisión del eje de tiempo subyacente;
- Baja precisión debido a la cuantización;
- Falta de trazabilidad debido a la digitalización interna;
- Efectos sistemáticos en entornos dinámicos del mundo real;
- Provisión limitada o inexistente de información de incertidumbre de
medición;
- Pérdida de datos y corrupción de datos debido a problemas de
comunicación.

La situación metrológica en el FoF difiere del entorno de calibración de

laboratorio NMI habitual:

- Sistemas de medición que proporcionan solo salida digital de datos

preprocesados;

- La información de calibración es escasa o solo está disponible en forma

de sensor;
- Se requieren mediciones para la toma de decisiones y pruebas de
conformidad, a diferencia de un NMI proceso de calibración, donde el
objetivo es simplemente describir el sistema de medición;
El análisis de datos debe realizarse en tiempo real o casi en tiempo real;
- Los entornos de medición son complejos y usualmente dinámicos;
- La sincronización de las mediciones es pobre.

Trabajo previo

Los escenarios de medición para el FoF son altamente dinámicos y se

requiere un análisis de datos en tiempo real. los La metrología de las
mediciones dinámicas ha progresado satisfactoriamente en la última
década, incluida la establecimiento de la calibración dinámica primaria
para varios tipos de sensores de alta precisión y la desarrollo de
herramientas matemáticas y estadísticas para el análisis de medidas
dinámicas y la Evaluación de incertidumbres dinámicas [IND09, BAR]. Por
ejemplo, PTB y NPL han desarrollado Herramientas matemáticas para la
estimación de los medidores dinámicos [DEC] y la propagación de
Incertidumbres a través de la aplicación de filtros digitales [PTB1, PTB2,
PTB3]. Además, desde hace más de una década. Los INM han estado
desarrollando calibraciones primarias para acelerómetros [PTB4],
transductores de fuerza, torque Sensores y amplificadores de puente
[BAR2]. En cuanto a la fiabilidad de las redes de sensores desde una
perspectiva metrológica, NPL ha llevado a cabo una estudio de
medición y análisis de datos [NPL1], métodos de agregación de datos
propuestos [NPL2] y investigó la influencia de los errores en los relojes
internos de los sensores [NPL3]. Recientemente, NPL también tiene Publicó
una herramienta de simulación de software para la investigación de
redes de medición distribuidas. [NPL4]. Análisis de datos metrológicos y
evaluación de incertidumbres de medición para sensores distribuidos.
Actualmente, se están desarrollando redes en varios INM europeos como
parte del proyecto EMRP GridSens. Se están desarrollando herramientas
de software para el análisis de mediciones dinámicas con sensores únicos
como parte de un proyecto EMPIR [14SIP08] y ya está disponible
públicamente como repositorio de software PyDynamic.

Futuros desarrollos
Para el desarrollo de una infraestructura metrológica para la fábrica del
futuro es necesario Combinar los avances recientes en el análisis de
grandes conjuntos de datos, análisis de series de tiempo, sistema y
control.
Teoría y fundamentos metrológicos desarrollados recientemente para
mediciones dinámicas. El objetivo es
permitir decisiones confiables basadas en datos de la red de sensores
en el contexto de las restricciones económicas
y requisitos de sostenibilidad del entorno de fabricación de FoF. Por lo
tanto, los siguientes
Se realizarán actividades de investigación:

Desarrollo de métodos de calibración fiables para sensores con salidas

digitales e internas. procesamiento de señales digitales;

- Desarrollo de métodos de análisis de datos capaces en tiempo real que

permitan la incorporación de Las limitaciones mencionadas
anteriormente de los sensores individuales de una manera
metrológicamente aceptable;

- Establecimiento de una estructura de datos que permita reportar

valores medidos junto con Declaraciones de su calidad.

Los métodos de análisis de datos que se desarrollarán se escalarán con

el número de sensores, proporcionando Declaraciones de rendimiento y
fiabilidad para sensores individuales, así como para redes de sensores
grandes. Investigaciones a nivel de NMI de las capacidades de medición
de los sensores típicos utilizados en la industria moderna Se llevarán a
cabo entornos y se aplicarán métodos matemáticos y estadísticos para
la compensación de Se desarrollarán sus limitaciones. Como resultado de
las actividades de investigación propuestas, se dispondrá de directrices,
guías de mejores prácticas y herramientas de software para mejorar el
diseño y la implementación de Redes de sensores y el desarrollo de la
fábrica del futuro. Además, aporte y orientación. Para los organismos
internacionales de normalización se proporcionará con el fin de
establecer la metrología para la fábrica del futuro. Para mejorar el
impacto, las actividades de investigación para el desarrollo de los
métodos estadísticos para mediciones dinámicas se coordinan a nivel
europeo en MATHMET - El Centro Europeo de Matemáticas y Estadística
en Metrología.