OCCAM

ITALIAN FUND FOR APPLIED SCIENCES (FISA) - DIRECTOR'S DECREE NO.1233 OF AUGUST 1, 2023

En el marco del proyecto OCCAM – Optimal Control for Computer-Aided Manufacturing, el Prof. Manolo Garabini desempeña el papel de Principal Investigator (PI). Al tratarse de un proyecto de carácter personal, de acuerdo con lo establecido en la convocatoria, el presupuesto se asigna directamente al Principal Investigator, quien es responsable de identificar y seleccionar las instituciones participantes en el proyecto, definiendo tanto la Host Institution como la Affiliation Institution. En este contexto, Eurosoft S.p.A. asume el papel de Host Institution, según la definición establecida en la convocatoria. Como socio industrial anfitrión, Eurosoft pone a disposición su entorno de aplicación, sus competencias tecnológicas, infraestructuras y recursos necesarios para llevar a cabo las actividades de investigación, desarrollo y validación previstas en el proyecto OCCAM. La colaboración con Eurosoft también permite desarrollar y validar las soluciones innovadoras del proyecto en un entorno industrial real, favoreciendo su transferencia tecnológica y su impacto en el sector manufacturero. La Universidad de Pisa, a través del Centro de Investigación Enrico Piaggio y del Departamento de Ingeniería de la Información, entidades a las que está adscrito el Prof. Garabini, participa en el proyecto como Affiliation Institution. Estas estructuras contribuyen a las actividades científicas del proyecto aportando experiencia avanzada en investigación, apoyo metodológico y validación científica de los resultados, garantizando el necesario vínculo con el mundo académico y asegurando el rigor científico de las actividades desarrolladas en el marco de OCCAM.

Objetivo

El proyecto OCCAM (Optimal Control for Computer-Aided Manufacturing) surge de la necesidad de aumentar significativamente la productividad, la eficiencia energética y la calidad de los procesos de fabricación en máquinas de control numérico (CNC), superando las limitaciones de los actuales sistemas de planificación y control del movimiento, basados principalmente en enfoques heurísticos. Aunque las modernas máquinas herramienta, los sistemas de corte por láser y plasma y las máquinas para el mecanizado de madera disponen de elevadas prestaciones dinámicas en términos de velocidad, aceleración y precisión, actualmente estas capacidades solo se aprovechan de manera parcial. Esto se debe al uso de algoritmos de generación de trayectorias que no permiten explotar de forma óptima las capacidades de la máquina, manteniendo al mismo tiempo el cumplimiento de las restricciones cinemáticas y los requisitos de calidad del producto fabricado. OCCAM tiene como objetivo desarrollar una nueva generación de algoritmos de planificación y control del movimiento basados en técnicas avanzadas de optimización matemática, capaces de generar trayectorias óptimas que minimicen los tiempos de mecanizado, reduzcan las vibraciones y el consumo energético y garanticen simultáneamente el cumplimiento de las restricciones de velocidad, aceleración, jerk y precisión geométrica requeridas por el proceso productivo. El proyecto aplicará estas metodologías a diversos contextos industriales estratégicos para el sector manufacturero italiano e internacional, entre ellos las máquinas de corte por láser y plasma para tubos y perfiles metálicos y las máquinas CNC para el mecanizado de madera. El objetivo es obtener incrementos medibles de productividad, mejorar la calidad de los procesos de fabricación y reducir los tiempos de programación y puesta a punto de las instalaciones.

Innovación

El elemento altamente innovador del proyecto OCCAM consiste en la introducción, en el sector de las máquinas herramienta y del Computer-Aided Manufacturing (CAM), de metodologías de planificación y control del movimiento basadas en modelos matemáticos y técnicas avanzadas de optimización, derivadas de los desarrollos más recientes en robótica y automatización inteligente. A diferencia de las soluciones actualmente adoptadas por la industria, basadas en reglas heurísticas y procedimientos de parametrización que requieren una amplia experiencia práctica y frecuentes actividades de ajuste por parte de técnicos especializados, OCCAM desarrollará algoritmos capaces de determinar automáticamente las trayectorias óptimas de la máquina, garantizando de forma rigurosa el cumplimiento de los límites físicos de los ejes y de las tolerancias geométricas exigidas por el proceso productivo. El enfoque propuesto permitirá transformar las características cinemáticas de la máquina —velocidad, aceleración, jerk y restricciones energéticas— en parámetros directamente utilizables por los algoritmos de optimización. Esto permitirá reducir drásticamente las actividades empíricas de ajuste, haciendo que el comportamiento del sistema sea más predecible, repetible y fácilmente transferible entre diferentes máquinas. Otro elemento innovador será la integración de técnicas avanzadas de control predictivo (Model Predictive Control – MPC) con los algoritmos de optimización de trayectorias. Este enfoque permitirá crear un marco unificado capaz no solo de generar trayectorias óptimas respetando las restricciones cinemáticas y dinámicas de la máquina, sino también de adaptar su comportamiento en tiempo real en función de las variaciones del proceso productivo y de las condiciones operativas. Gracias a su capacidad para anticipar la evolución del sistema y gestionar explícitamente las restricciones de velocidad, aceleración y jerk, el control predictivo contribuirá a mejorar simultáneamente la productividad, la precisión y la robustez del proceso. La adopción de las soluciones desarrolladas en el marco de OCCAM permitirá reducir significativamente los tiempos de ciclo, disminuir los esfuerzos mecánicos y las vibraciones, aumentar la precisión de los procesos de mecanizado y mejorar la eficiencia energética global de las instalaciones. De este modo, el proyecto contribuirá de forma concreta a incrementar la competitividad y la sostenibilidad de la industria manufacturera italiana.