Werfen: mantenimiento predictivo de congeladores

Estamos muy contentos de contaros la finalización de otro proyecto más en Data Science por parte del equipo de TI. Esta vez hemos colaborado con Werfen, una compañía líder a nivel mundial en diagnóstico especializado.

Cuando hablamos con el Original Equipment Manufacturing Technology Center de Werfen tenían una necesidad muy clara: prevenir que se estropeen las muestras biológicas. Para la conservación de estas muestras se hace uso de congeladores de temperatura ultrabaja (ULT). Estos son un tipo de refrigerador que almacena contenido a temperaturas de entre -40⁰C y -86⁰C.

Werfen propuso un reto a Procon Systems: predecir cuando estos congeladores tengan un mal funcionamiento y así prevenir que se estropeen las muestras que los contienen. Para ello nos proporcionaron datos del entorno del congelador que podrían afectar a su funcionamiento, como son la temperatura interior del congelador, temperatura de sala o la marca y modelo.

Mediante el uso de redes neuronales recurrentes para crear un autoencoder se ha hecho un modelo no supervisado para la detección de anomalías que mejora el sistema de alarmas actual.

¡Otro ejemplo de cómo aplicar las últimas técnicas de Machine Learning en sector de la Industria 4.0!