Un sistema de mantenimiento predictivo y Co-Piloto Digital para la impresora 3D HP Metal Jet S100.

Enlaces: Devpost · GitHub

Resumen

Blue Lobster combina un gemelo digital sintético, planificación de mantenimiento por aprendizaje por refuerzo, paneles de telemetría y un asistente de diagnóstico respaldado por LLM para servir como espacio de trabajo para operadores industriales.

Arquitectura del Sistema

El proyecto está estructurado en tres capas integradas para manejar telemetría de máquinas complejas y razonamiento de mantenimiento:

• Física y Machine Learning: En lugar de depender de una máquina física, construimos un gemelo digital usando PyTorch que simula la degradación de componentes críticos. Un agente Deep Q-Network (DQN) aprende estrategias de mantenimiento equilibrando los costos de intervención contra los riesgos de falla.
• Backend del Co-Piloto Digital: Una aplicación FastAPI que sirve de puente entre la base de datos y la IA. Utiliza Google Gemini como agente de diagnóstico, estrictamente anclado a instantes específicos de la base de datos. La telemetría de series temporales se comprime usando pytoony para optimizar el uso de tokens.
• Frontend Interactivo 3D: Un panel construido con Next.js App Router y Tailwind CSS que proporciona la interfaz para el operador. Cuenta con un gemelo digital 3D construido con React Three Fiber, permitiendo a los usuarios retroceder o avanzar en el tiempo, inspeccionar fallos de hardware e interactuar con el copiloto de IA flotante.

Tecnologías

• Frontend: Next.js 16, Tailwind CSS, React Three Fiber, Three.js
• Backend: FastAPI, SQLite, Google Gemini API
• Machine Learning: PyTorch, Deep Q-Network, tabular Q-learning