Inspección Industrial 3D
Descripción
Para esa línea estratégica el trabajo se centra en la aplicación de inteligencia artificial sobre entornos industriales y especialmente para el control de calidad mediante inspección en 3D. Tiene como objetivo la mejora de los procesos industriales como la inspección en línea, aportando detección temprana de defectos en el entorno productivo, aumentando la calidad del producto y reduciendo el desperdicio de material. Para alcanzar estos objetivos se aplican técnicas de aprendizaje automático, reconocimiento de patrones y metrología, consiguiendo asegurar estándares de calidad y precisión fuera del alcance de la industria tradicional.
La inspección industrial para el control de calidad es una tarea que se lleva a cabo durante el proceso de manufactura. Mediante esta aproximación se facilita la resolución de problemas que causan defectos en la producción, justo después de ser detectados durante el mismo proceso de manufactura. Gracias a ello se minimizan los costes evitando la generación de grandes cantidades de producto inservible. Esto es útil en cualquier factoría para mejorar la productividad y disminuir las tasas de defectos, así como para reducir el trabajo adicional y la materia prima desperdiciada.
La producción en masa ha establecido procesos para la creación de piezas con idénticas dimensiones y diseño, pero estos procesos no producen piezas exactamente idénticas y esto provoca problemas, que se traducen en un rechazo en los usuarios. El control de calidad, también conocido por sus siglas en inglés QC, separa la acción de probar y validar los productos para descubrir defectos, de la decisión sobre si estos productos deben ser aprobados o rechazados como parte de la entregada final, lo cual se podría determinar mediante unas restricciones preestablecidas (Shewart et al., 1939). Por ejemplo, para la realización de un trabajo contratado por las agencias gubernamentales, los asuntos de control de calidad se encuentran entre los primeros motivos que pueden provocar una cancelación o no renovación de un contrato (Usopm, 2012).
La experiencia previa y la investigación en el campo del aprendizaje automático realizada por PRAIA ha sido clave en el desarrollo de las bases de la tecnología de inspección industrial en 3D para diferentes procesos “core” del sistema. Por ejemplo, en las estructuras de datos utilizadas para el almacenamiento de las texturas correspondientes a cada punto 3D de un modelo (basado en los kd-trees) y los algoritmos de clasificación basados en el vecino más cercano (clasificador geométrico supervisado), así como en el aprendizaje automático de un modelo de referencia mediante la composición de varias adquisiciones sobre una misma pieza real correcta, o incluso en el proceso de alineamiento iterativo basado en técnicas de minimización de distancias punto a punto. Se resalta por tanto que el aprendizaje automático (“Machine Learning”) es una disciplina enmarcada en el ámbito de la Inteligencia Artificial, pero con influencias y aportaciones de otras áreas como la Informática Teórica, la Teoría de la Decisión y la Estadística general (Duda y Hart, 1973), (Gonzalez y Woods, 1992). Para afrontar tareas que requieren simular comportamientos que en una persona se interpretarían como inteligentes, es necesario aplicar técnicas que en general requieren aprendizaje a partir de datos del mundo real. Esta información normalmente no está estructurada como en otros ámbitos de la Informática, sino que se presenta en forma de ejemplos. Estos ejemplos contienen medidas físicas, variables obtenidas a partir de diferentes fuentes de datos, interacciones con los usuarios, etc. y el objetivo final es la construcción de un modelo de inferencia.