000152509 001__ 152509
000152509 005__ 20250401114422.0
000152509 037__ $$aTAZ-TFG-2025-101
000152509 041__ $$aspa
000152509 1001_ $$aPardos Moreno, Guillermo
000152509 24200 $$aDevelopment of a digital twin for a multi-stage bearing manufacturing line.
000152509 24500 $$aDesarrollo de un gemelo digital de una línea multietapa de fabricación de rodamientos.
000152509 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2025
000152509 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000152509 520__ $$aEl trabajo de Fin de Grado descrito a continuación detalla el procedimiento para desarrollar y validar un Gemelo Digital (GD) mediante Machine Learning para una línea de producción multietapa de rodamientos de rodillos cónicos de doble hilera para camiones. Dirigido por el Dr. Juan José Aguilar Martín, se realiza en el departamento de Ingeniería de Diseño y Fabricación de la Escuela de Ingeniería y Arquitectura de la Universidad de Zaragoza. Se plantea como objetivo final que este gemelo digital monitorice los procesos haciendo que en la zona de ensamblaje la emparejadora asocie los conos a sus aros correspondientes teniendo en cuenta las tolerancias de cada una. Asegurando así que todas las piezas que constituyen el rodamiento encajen a la primera y que no haya tiempos de espera que puedan empeorar la eficiencia del proceso. Con esto se consigue que la cadena de montaje tenga un mayor grado de control, mayor eficiencia y un mejor seguimiento de los datos de las piezas que se recogen en el datamatrix. Asimismo se logran reducir los costes de inventario y de espacio requerido en la zona de emparejado. Inicialmente se ha trabajado con datos sintéticos para ver la influencia de las variables en la variable de salida. Además se ha analizado la relación que tienen unas variables con otras y se ha valorado la influencia de ruidos y de incertidumbres con respecto a la precisión del resultado final de las predicciones. Todo esto ha servido para extrapolar los resultados obtenidos al modelo con los datos reales y así entender mejor cómo funciona el modelo con sus variables. Más adelante se ha trabajado con las diferentes partes del proceso por separado, primero la línea de los conos, después la de los aros y finalmente la de emparejado. Todas ellas componen el GD. Para cada una se han analizado las variables más influyentes en las variables de salida además de determinar qué modelos son los que mejor se ajustan a la realidad. Finalmente, se ha trabajado con el gemelo digital cambiando ciertos parámetros con respecto al número de variables, métodos de emparejamiento y otros, con el objetivo de ver cuál es la forma más eficiente de realizar emparejamientos exitosos.<br />
000152509 521__ $$aGraduado en Ingeniería de Tecnologías Industriales
000152509 540__ $$aDerechos regulados por licencia Creative Commons
000152509 691__ $$a8 9 12
000152509 692__ $$aSe trata de un trabajo que aborda temas de eficiencia en los procesos productivos, innovación en nuevas tecnologías de machine learning y contribuye a una producción optimizada. El gemelo digital proporciona ahorro económico y es una tecnología que puede ser entrenada con el objetivo de reducir el consumo energético mediante el análisis de datos.
000152509 700__ $$aAguilar Martín, Juan José$$edir.
000152509 7102_ $$aUniversidad de Zaragoza$$bIngeniería de Diseño y Fabricación$$cIngeniería de los Procesos de Fabricación
000152509 8560_ $$f832726@unizar.es
000152509 8564_ $$s10518516$$uhttps://zaguan.unizar.es/record/152509/files/TAZ-TFG-2025-101_ANE.pdf$$yAnexos (spa)
000152509 8564_ $$s14853266$$uhttps://zaguan.unizar.es/record/152509/files/TAZ-TFG-2025-101.pdf$$yMemoria (spa)
000152509 909CO $$ooai:zaguan.unizar.es:152509$$pdriver$$ptrabajos-fin-grado
000152509 950__ $$a
000152509 951__ $$adeposita:2025-04-01
000152509 980__ $$aTAZ$$bTFG$$cEINA
000152509 999__ $$a20250127223835.CREATION_DATE