Composites 4.0: Transformación digital para producción adaptativa e innovación en compuestos

Composites 4.0 es una pequeña galaxia en el universo de la Industria 4.0, la transformación digital en cómo se diseñan, producen, entregan, operan, mantienen y desmantelan bienes y servicios. Para la fabricación de compuestos, el objetivo es usar automatización, sensores y datos, comunicaciones 5G, software y otras tecnologías digitales en continua evolución para hacer productos y procesos más eficientes, inteligentes y adaptativos.

Los fabricantes de compuestos avanzan en esta transformación digital a lo largo de un espectro. Los pasos iniciales incluyen inspección en línea y procesos optimizados que reducen desperdicios y costes mientras aumentan calidad y rendimiento de piezas. Soluciones más avanzadas trabajan hacia producción inteligente y autónoma que no solo es ágil, sino que responde e incluso anticipa cambios en mercados y demandas de clientes.

Visión de expertos

“Composites 4.0 no es un fin, sino una herramienta”, explica Dr. Michael Emonts, director gerente del Centro AZL Aquisgrán para Producción Integrada de Ligereza en RWTH Aquisgrán (Aquisgrán, Alemania), cuyo proyecto iComposite 4.0 demostró una cadena de proceso adaptativa con potencial para reducir coste de suelo de automóvil en 50-64%.

“Hay diferencia entre solo digitalizar cosas y transformación digital que realmente cambia los procesos detrás de tu negocio y abre nuevas oportunidades y modelos de negocio”, sostiene Christian Koppenberg, director gerente del productor de piezas compuestas Dynexa (Laudenbach, Alemania).

“Composites 4.0 no es solo usar robots”, afirma Dr. Michael Kupke, jefe del Centro de Tecnología de Producción Ligera (ZLP, Augsburgo) del Centro Aeroespacial Alemán (DLR), que ha desarrollado una célula de trabajo equipada con inteligencia artificial [IA] donde robots colaborativos pueden cambiar de producir mamperos traseros de presión compuestos a paneles de fuselaje sin reprogramación ni reentrenamiento. “Es la tecnología que asegura que no tengas que enseñar a los robots, porque no hay caso de negocio para eso. Composites 4.0 es más que aumentar eficiencia y recortar costes. Es un cambio en cómo las empresas piensan y abordan la producción que determinará qué empresas sobreviven y cuáles no.”

Preformado adaptativo y RTM

“La idea del proyecto iComposite 4.0 era crear preformas con rovings y tows rentables combinando fibra de vidrio larga seca (25-30 mm) pulverizada y posteriormente reforzada con una cuadrícula de fibras de carbono unidireccionales (UD) mediante colocación automática de fibra (AFP)”, explica Emonts. “El demostrador elegido, un suelo trasero bajo vehículo, se fabricaba antes con textiles más costosos que también generaban más de 60% de residuos.”

La transformación Composites 4.0 requirió integración de los procesos de pulverizado de fibra, deposición de fibra y posterior moldeo por transferencia de resina (RTM) para que reaccionaran entre sí y se adaptaran basándose en la calidad de la pieza medida entre pasos. “Usamos un sistema de visión artificial de Apodius GmbH [Aquisgrán, Alemania] con sensor láser óptico y módulo de cámara para caracterizar la topología superficial de la preforma pulverizada”, dice Emonts. “Apodius adaptó el software para analizar el porcentaje de fibras en cada dirección. La línea iComposite 4.0 comparó esto con el diseño digital y decidió si cumplía requisitos mecánicos. Si sí, aplicaba la cuadrícula UD estándar para refuerzo. Si no, decidía dónde colocar capas UD adicionales.”

Sin embargo, estas capas UD adicionales podían causar que espesor y geometría de la pieza excedieran tolerancias. “Por tanto”, explica, “combinamos la línea de preformado con un proceso RTM adaptativo que, si era necesario, ajustaba el espesor de la pieza aumentando la presión en ciertas partes de la prensa.” Esto también se automatizó, con el objetivo de reemplazar la intervención del operador, pero requería simulación del rendimiento de la pieza usando datos de medición y software FEA estándar.

“Actualmente, la simulación de propiedades mecánicas de la pieza se realiza offline”, dice Emonts. “Generamos una base de datos de variaciones de proceso y pieza, creamos algoritmos para reaccionar a cada variación y validamos vía FEA. Así, basándose en variaciones medidas por la línea, los algoritmos la dirigían a realizar una mitigación apropiada. Para hacer la línea adaptativa in-situ, el siguiente paso sería añadir machine learning.” Mientras, AZL persigue numerosos proyectos Composite 4.0 incluyendo auto-optimización de producción de compuestos termoplásticos híbridos y piezas moldeadas por inyección con refuerzo integrado de blanks basados en cinta.

Alas de CFRP sin defectos

El proyecto ZAero (ver “Fabricación sin defectos de piezas compuestas”) es otro proyecto clave de Composites 4.0, iniciado en 2016. Buscaba aumentar productividad para grandes estructuras de plástico reforzado con fibra de carbono (CFRP) como recubrimientos alares. Los defectos se reducirían usando inspección automática en línea con AFP de prepreg o colocación automática de material seco (ADMP) de Danobat (Elgoibar, España). La monitorización de proceso durante infusión de resina o curado de prepreg predeciría estado de curado y acortaría tiempo de ciclo. Datos de proceso y defectos recopilados se usaron con FEA para predecir rendimiento de la pieza. Esto se introdujo en herramienta de apoyo a decisiones para abordar defectos identificados. Se desarrolló simulación de flujo de pieza para recubrimientos alares CFRP que, al alimentar esta herramienta, ayudaba a optimizar estrategia de retrabajo. Hoy, muchas de estas piezas se retrabajan durante fabricación, pero solo tras END.

En la revisión final de septiembre 2019, el sensor AFP de prepreg desarrollado por líder del proyecto Profactor (Steyr, Austria) no solo logró inspección automática en línea, sino que también podía corregir piezas in-situ. “Este sensor detecta defectos estándar como huecos, solapamientos, FOD, pelusas y tows torcidos, así como corte temprano y tardío de cada tow”, dice Dr. Christian Eitzinger, jefe de visión artificial de Profactor. Un tow faltante se corrige automáticamente colocando un tow adicional precisamente donde se omitió. La máquina debe pararse, sin embargo, para eliminar pelusas o tow torcido. “Una base de datos construida usando 3D Experience de Dassault Systèmes (París, Francia) para CATIA nos permite calcular efectos en el rendimiento de la pieza basándose en tamaño, forma y tipo de defecto. Procesar todos los defectos de una capa toma solo segundos. El operador decide qué defectos pueden dejarse y cuáles deben retrabajarse.”

Para monitorización y control de proceso de infusión, Airbus (Toulouse, Francia) trabajó a través de su filial InFactory Solutions (Taufkirchen, Alemania) para desarrollar tres sensores que miden temperatura, estado de curado y frente de flujo de resina. “Hemos integrado estos con CATIA 3D Experience y mostrado que los datos pueden adquirirse fiablemente y añadirse al hilo digital de cada pieza”, dice Eitzinger.

El último de tres demostradores de pieza fue una subsección de recubrimiento alar superior con tres largueros. Para esta pieza, la herramienta de apoyo a decisiones de Profactor se demostró en vivo en socio FIDAMC (Madrid, España), conectada a la simulación de flujo de pieza —basada en software Tecnomatix Plant Simulation de Siemens PLM (Plano, Texas, EE. UU.)— ejecutándose en servidor de Profactor en Austria. Además de construir base de datos de defectos, ZAero realizó experimentos con machine learning. Modelos computacionales generativos diseñados manualmente combinados con redes neuronales profundas detectaron y clasificaron defectos, logrando 95% de clasificación correcta de diferentes regiones (hueco, solapamiento, tow, pelusa) en datos reales de monitorización ADMP, incluso cuando datos de defectos creados artificialmente se usaron para entrenamiento de la red profunda (análogo a cómo se calibran sistemas de ultrasonidos en rango de defectos deliberados).

“Definitivamente buscaremos algún tipo de próxima fase”, dice Eitzinger. Mientras, Profactor comercializa sensores modulares para orientación de fibra y defectos durante colocación automática. InFactory Solutions también ofrece sus sensores AFP y de infusión de resina, y socios de colocación de fibra Danobat y MTorres (Torres de Elorz, Navarra, España) ahora venden sus equipos con inspección en línea integrada.

Viaje de transformación digital de Dynexa

Dynexa es fabricante de piezas compuestas especializado en tubos y ejes de CFRP. “Siempre intentamos digitalizar todo”, dice director gerente Koppenberg. “Ya eliminamos procesos manuales y analógicos, integrando casi todo en nuestro sistema ERP [planificación de recursos empresariales]. Pero, ¿cómo hacemos esto en fabricación? Entendimos que todo lo que ponemos en un protocolo o procedimiento de trabajador es un código, y esto es base para transformación digital. Pero, ¿dónde se almacena? En servidor local, en nube o dentro de la máquina. Preguntábamos a cinco personas y obteníamos siete respuestas sobre qué hacer.”

Afortunadamente, el gobierno alemán creó un programa para que universidades proporcionaran consultoría gratuita Industria 4.0 a pymes. Dynexa comenzó a trabajar con el Centro de Competencia “Mittelstand (Pyme) 4.0” de Darmstadt. “Dijeron que no nos preocupáramos por la arquitectura digital sino que miráramos más a qué necesitamos medir y cómo”, recuerda Koppenberg. “Elegimos un proceso que involucraba medición manual significativa, donde sabíamos que teníamos problemas de calidad, tiempo y coste.”

Dynexa usa proceso de bobinado de filamento húmedo. Un paso clave es la captación de resina, donde la fibra seca pasa a un rodillo de compactación que sale del baño de resina. Contra el rodillo de compactación hay una cuchilla dosificadora que determina la cantidad de resina a combinar con el filamento seco antes de bobinar. “Si captamos demasiada resina, podemos exceder el diámetro especificado del tubo”, dice Koppenberg, “pero con poca resina, arriesgamos quedar por debajo del diámetro mínimo permitido.”

“Sin medir, solo conoces el diámetro final tras el curado, cuando todo el valor ya se ha invertido”, señala. “Así, el operador debe parar la máquina, medir la pieza, anotarlo y reiniciar. Por años de experiencia, sabemos el espesor de laminado que debe haber en cada etapa de bobinado. El operador compara la medición y ajusta la cuchilla dosificadora para corregir la captación de resina según sea necesario, pero esto es muy manual y depende de habilidad y experiencia del operador.”

Para digitalizar esto, Dynexa habló con múltiples fabricantes de láser y cámaras. “Decían: ‘tenemos la solución’ pero luego nadie la hacía funcionar”, señala Koppenberg. El equipo de la Universidad de Darmstadt, sin embargo, permitió el uso de una cámara resolviendo las correcciones necesarias por factores físicos, como reflexión de luz en superficie húmeda. “Ahora, tenemos la máquina de bobinado conectada al dispositivo de medición, que opera de forma muy estandarizada”, añade.

El equipo desarrolló una base de datos de tablas de corrección y algoritmos de decisión que permite a la máquina de bobinado saber cuál debe ser el objetivo para cada etapa del tubo específico que se bobina. “Si la entrada del dispositivo de medición muestra que la captación de resina no está donde debería”, explica Koppenberg, “la máquina de bobinado responde ajustando la cuchilla dosificadora para devolverla a especificación sin parar el bobinado para medir.”

Cada máquina de bobinado tiene ahora el sistema de medición digital, y una tarjeta ethernet. “La parte más cara fue instalar y tender cables al servidor”, bromea Koppenberg, “pero ahora podemos hablar con cada máquina y recopilar todos los datos.” Y hay otro beneficio. “Antes, los operadores programaban en las máquinas, pero al conectarlas al servidor, podemos programar en cualquier escritorio o portátil. Esto ha reducido aún más tiempos de inactividad y eliminado otro cuello de botella de producción.”

Este primer paso digital ha permitido a Dynexa mejorar control de proceso, calidad y eficiencia, volviéndose más rentable. También ha impulsado mayor transformación.

Cambio de paradigmas para compuestos

“Estamos en un proceso escalonado de proporcionar un nuevo ecosistema para nuestros clientes”, dice Matthias Bruckhoff, jefe de ventas y marketing de Dynexa. Da un ejemplo: “En Amazon, ves lo que compraste y cuándo, así como productos sugeridos. Antes tomábamos requisitos del cliente y respondíamos en días con nuestros cálculos y herramientas de ingeniería. Ahora, esto será online. Nuestros clientes verán productos y calcularán lo que necesitan, coste y entrega en minutos. Esto no es nuevo, pero sí lo es para nuestra industria. Así como liberamos a operadores de máquinas para enfocarse en más máquinas y tareas de mayor nivel, ahora liberaremos a nuestro equipo de ingeniería para enfocarse en productos más especializados y sofisticados.”

Airborne (La Haya, Países Bajos) lanzó su Portal de Fabricación a Demanda para fabricación automática de compuestos en septiembre 2019. Usando esta herramienta, los clientes introducen diseños en la plataforma web. El sistema crea el código de máquina al vuelo y determina duración y coste de producción. Los productos pueden personalizarse y, una vez pedidos, producirse en célula de fabricación automática. El portal se lanzó usando la Célula de Laminado Automatizado (ALC) de Airborne para procesar prepreg termoestable. Se extenderá a otros procesos, por ejemplo, la línea de producción de compuestos termoplásticos de alto volumen (TPC) desarrollada para la unidad de Especialidades de SABIC (Riyadh, Arabia Saudí).

“Este portal es un bloque clave de cómo vemos el futuro digital de la fabricación de compuestos”, dice Marcus Kremers, director tecnológico de Airborne. “Hace cinco años, cambiamos de modelo de negocio de fabricación de piezas a ayudar a clientes con automatización y digitalización. Desarrollamos una cartera de soluciones que facilitan construir con compuestos.” Esta cartera incluye ALC, potting automático de panal, kitting automático de capas y la línea de alto volumen usando cintas TPC, llamada Digital Composites Manufacturing Line (DCML) por SABIC y Falcon por Airborne. Esta última es ejemplo de soluciones a medida de Airborne. “Incorporamos nuestro conocimiento de materiales y fabricación de piezas compuestas en estos sistemas automatizados para que los clientes no tengan que ser especialistas”, dice Kremers.

Airborne tiene tres modelos de negocio: comprar la automatización, alquilarla o dejarla con Airborne para operar vía fabricación como servicio (MaaS). Las células automatizadas de Airborne tienen sensores y sistemas de inspección en línea que generan alertas basadas en base de datos de defectos y tolerancias definidas por el cliente. “La línea Falcon tiene tolerancias muy bajas para defectos de calidad visual”, señala Kremers, “pero nuestra automatización para aeroespacial se guía más por tolerancias estructurales. También avanzamos continuamente nuestras tecnologías para que sean auto-aprendizaje y auto-adaptativas. Por ejemplo, nuestra próxima versión de software para colocación de cinta ALC tendrá capacidad de identificar defectos y enmendar el programa de producción al vuelo.”

Largo plazo, la visión es expandir el portal a demanda para recopilar capacidad de producción de piezas compuestas distribuida en múltiples empresas y regiones. Kremers cita Protolabs (Maple Plains, Minnesota, EE. UU.), que proporciona prototipos de moldeo por inyección, chapa, mecanizado CNC o impresión 3D a demanda en tan solo un día. Similarmente, la app online de Plyable (Oxford, Reino Unido) proporciona moldes para fabricar compuestos, ofreciendo materiales desde tablero de poliuretano a acero, incluyendo herramientas compuestas e impresas en 3D. “Esa es una forma diferente de organizar la cadena de valor”, dice Kremers. “Estamos haciendo las máquinas y software que harán esto posible para piezas compuestas.”

AZL Aquisgrán también persigue este objetivo con su Máquina Ultra-Rápida de Consolidación, desarrollada para producir laminados TPC multicapa en menos de cinco segundos. Comercializada en 2019, usa aplicadores AFP robóticos asistidos por láser de Conbility (Aquisgrán, Alemania) y cintas UD de 25 mm de ancho, así como principio de flujo por piezas —estado del arte en industria de impresión de alta velocidad— para producir laminados TPC, simplemente tackificados o totalmente consolidados, en variedad de espesores, con refuerzos locales. “Nuestra visión es proporcionar máquinas escalables que permitan plataformas online”, dice Emonts. “Las líneas pueden tener múltiples estaciones, cada una con múltiples aplicadores AFP. El cliente introducirá requisitos y obtendrá opciones de plybook, coste y entrega. Una vez finalizado, los aplicadores se comunican entre sí para organizar producción, no el operador. Esta es producción completamente inteligente de compuestos a medida.”

Automatizando la automatización

El foco principal de ZLP es producción automática de estructuras CFRP. “Automatización para solo una pieza o programa es difícil de justificar”, señala Florian Krebs, líder de equipo de automatización flexible de ZLP. “Sin embargo, si vas más allá de máquinas específicas a una plataforma de automatización reconfigurable con casi ningún setup adicional, ahora tienes una solución de negocio. Cuanto más flexible la plataforma, más rápido el retorno de inversión.”

La célula de trabajo mostrada en imágenes de apertura se diseñó como parte del proyecto PROTEC NSR de ZLP para construir una familia de piezas que sigue la misma ruta de proceso: colocación pick-and-place de tejidos secos non-crimp e infusión de resina. “Este proceso se diseñó para el mamparo trasero de presión del Airbus A350, pero también podrías hacer panel de fuselaje o recubrimiento alar en esta línea porque los pasos son similares”, dice Krebs.

“Para lograr plataformas de automatización flexibles se requieren ciertos ladrillos tecnológicos, incluyendo algoritmos para robots, sensores y cómo entender los datos que producen”, dice Kupke. “Por ejemplo, la línea de producción PROTEC NSR está diseñada hacia máxima modularidad —todos los módulos interconectados para demostrar un sistema auto-configurable, -corrector y -optimizador, escalable en tamaño y complejidad.”

Explica los módulos como se muestra en Fig. 5, que incluyen modelo CAD, definición de proceso, modelo de proceso que permite simulación y ejecución del proceso, módulo de ejecución de fabricación, sensores para adquirir datos, software para anotar datos y base de datos para almacenamiento.

“En el lado izquierdo de este diagrama, haces un plan. El módulo de ejecución implementa ese plan”, dice Kupke. “Durante los pasos de proceso, adquirimos datos de todas las máquinas y procesos involucrados, por ejemplo, la cortadora, los robots, el edificio (temperatura, presión, humedad), las cámaras durante pick-and-place, etc. Analizamos los datos en tiempo real durante el proceso y también anotamos los datos recopilados automáticamente con meta-datos para alimentar la base de datos, que forma la base del gemelo digital del proceso. Lo más importante del gemelo digital es tener un repositorio central único, una única fuente de verdad. El modelo CAD y la definición de proceso de cada pieza son parte de su única fuente de verdad.”

Con estos módulos, la línea opera autónomamente con solo pulsar un botón. Desde el modelo CAD, plan de producción y cámaras, los robots infieren qué pieza cortada viene después y la buscan en la mesa (ej., de 100 otras piezas cortadas). “Deciden cómo configurar los garras para recogerla y colocarla en el utillaje, y saben dónde colocarla.” Basándose en el plan de producción, los robots determinan cada camino de inicio/fin para todos los pasos de proceso y saben cuándo cada uno termina. “Normalmente, estos caminos los enseña un humano”, señala Kupke. “Pero en nuestro sistema, cada camino se define automáticamente, libre de colisiones y en tiempo real. Si cambias el modelo CAD o la definición de proceso, los robots se adaptan sin ningún esfuerzo adicional de enseñanza. Pero, ¿y si cambias la pieza completamente? Con este tipo de automatización, podrías hacer ese cambio muy rápido. Esta es la ruta a producción flexible. Nuestro papel en ZLP es allanar esta ruta desarrollando ladrillos tecnológicos y vinculándolos.”

Oportunidad y ontología

La pandemia COVID-19 ha destacado el valor de producción flexible. También ha creado un entorno empresarial cada vez más impredecible. “En los últimos dos o tres años, todo se ha vuelto más volátil”, señala Bruckhoff de Dynexa. “Nuestros clientes quieren respuestas muy rápidas para responder a su cliente. Ofreciendo nuestro nuevo ecosistema online, hacemos toda la cadena de suministro más competitiva.”

Esto es bien reconocido por la industria aeronáutica. “Necesitamos una base digital para líneas de producción y sitios completos que permita integración horizontal y vertical”, dice Marc Fette, presidente de la División Técnica de Tecnologías Aeroespaciales de VDI —La Asociación Alemana de Ingenieros— y COO del Composite Technology Center (CTC, Stade, Alemania), filial I+D de Airbus. Proyectos de CTC en Composites 4.0 incluyen seguimiento de materiales y activos, robots colaborativos, cadenas de proceso avanzadas y más. Pero Fette subraya la necesidad de ontología —una terminología y protocolo común para comunicación e intercambio de datos digitales.

“Necesitas una red holística para todas las máquinas y sistemas de producción en una planta dada”, explica, “pero esto debe extenderse a toda la cadena de creación de valor, incluyendo disciplinas como ingeniería, compras, logística y materiales y certificación de procesos, por un lado. Por otro, todos los interesados, como proveedores, deben ser considerados e involucrados en este proceso de cambio. Vemos muchos proyectos piloto, pero al detalle, aún falta estrategia para enfoque holístico por empresa o cadena de producción.”

Continúa: “Tenemos una red global muy grande de proveedores y ellos tienen los mismos requisitos para operar como cadena de suministro digitalmente conectada. La mayoría de nuestros proveedores son pymes que trabajan para ambos fabricantes de aviones, Airbus y Boeing. Si no hay discusión sobre estándar común, pasas estos retos a los proveedores. Probablemente no puedan permitirse cumplir dos conjuntos de estándares diferentes para todas sus máquinas, incluyendo documentación, evaluación de datos, ciberseguridad, etc.”

Fette concede que son grandes ideas y dice que los OEMs aeronáuticos están creando planes para abordar estos retos. “Pero hay muchos obstáculos así, y es realmente complejo, involucrando no solo tecnología sino aspectos sociales, económicos, ergonómicos y legales —es un proceso de cambio mental. Estamos solo al principio. Pero para tener éxito, debemos entender que estos nuevos sistemas dependen de personas y estas personas deben estar a bordo, no solo en OEMs, sino en toda la red global.”

“Los mercados se están fragmentando más en todas las industrias y todos enfrentamos un cambio de paradigma”, señala Krebs de ZLP. “Mucha gente no ve eso como oportunidad”, añade Kupke, también de ZLP. Pero quienes ven esa oportunidad vislumbran acceso democratizado a compuestos habilitado por Composites 4.0, y con ello, un mercado mucho más amplio, incluyendo aplicaciones que apenas empezamos a concebir.