Industry 4.

0 implications in machine vision metrology: an overview

Victor Alonso, Angel Dacal-Nieto, Luís Barreto, António Amaral, Eduardo Rivero

Casos de uso

En esta sección, se presentan tres casos de uso real de la visión artificial basada en sistemas metrológicos, con el propósito de mostrar los desafíos y

enfoques actuales que deberían guiar la metrología y su interacción con la Industria 4.0 en los años siguientes.

3.1 Inspección de soldadura (I)

Un caso de uso típico en la industria es la inspección de soldadura, a través de la medición de las características dimensionales del material agregado

[17]. Este es un control de calidad básico para evaluar el aspecto y el comportamiento funcional de las partes. Este proceso se ha realizado

tradicionalmente utilizando a) inspección visual por parte de operadores (que sufren la subjetividad inherente y la relación de falla de los humanos), o

b) pruebas destructivas, utilizando instrumentación de metrología en entornos controlados.

Sin embargo, los requisitos actuales de la industria significan controlar todas las piezas producidas, lo que obliga a instalar dispositivos de medición en

línea, junto a robots, transportadores, máquinas de soldar y todo tipo de componentes. Obtener una medición confiable y agregar una filosofía de error-

incertidumbre a la medición es un gran desafío que se aborda desde diferentes puntos de vista en todas las industrias del mundo.

En el siguiente ejemplo, mostramos un sistema de inspección de soldadura MIG / MAG, formado por un sensor de visión artificial 3D (LMI Gocator)

embarcado en un robot colaborativo (Universal Robots), que adquiere un conjunto de datos de punto de nube, que es analizado externamente por una

computadora utilizando las bibliotecas de visión artificial Halcon. La Figura 1 muestra el proceso de adquisición, segmentación y análisis en las partes

estudiadas.

El desafío en un sistema de inspección de soldadura es siempre lograr una buena segmentación de la zona de soldadura. Esto se ha abordado en el

pasado utilizando métodos complejos y ad-hoc. En este ejemplo, se aplica un punto de vista coincidente: el punto de nube adquirido se compara con

un modelo numérico CADD (diseño y dibujo asistido por computadora) de la parte [18]. La diferencia entre ambos datos es exactamente la zona de

soldadura. Esto ahora es posible debido al poder de los procesadores y las bibliotecas de visión artificial.

Una vez que la zona de soldadura está aislada, se pueden realizar medidas dimensionales básicas para obtener (al menos) longitud, ancho y volumen

de la soldadura. Un sistema como este se puede conectar a un sistema centralizado de Industria 4.0, un sistema de decisión de producción, por lo que

las medidas se digitalizan y se relacionan con los parámetros del proceso, o a un sistema de decisión de computación de borde, de modo que las

partes defectuosas se pueden eliminar del flujo de producción.

El control típico de estos procesos es un control destructivo por muestreo, o un control manual no exacto, también en un subconjunto limitado de

partes. Por lo tanto, la ganancia en piezas inspeccionadas, la confiabilidad de la medida y la disminución de los costos son enormes, así como la

reducción del manejo de componentes que mejora la productividad.

3.2 Inspección de soldadura (II)

Otra aplicación es controlar soldaduras más grandes, como las presentes en los techos de los automóviles. En este caso, la soldadura es un cordón

monodimensional, de más de 1 metro de largo, que no solo tiene características funcionales sino también de aspecto. Aunque el ejemplo anterior

podría ser válido (utilizando un sensor de triangulación láser 3D embarcado en un robot), el siguiente ejemplo utiliza un enfoque diferente para poder

comentar un escenario diferente. En lugar de mover el sensor, el objeto podría ser el actor en movimiento, por lo que el sensor se fijaría físicamente,

como se puede ver en las siguientes imágenes. Sin embargo, usar el movimiento del automóvil de una estación a la siguiente significa un movimiento

mucho menos exacto, menos repetible.

Además de esta pérdida de precisión en la adquisición de imágenes, ¿qué otras implicaciones podrían tener este cambio en el actor en movimiento,

desde un punto de vista metrológico? Nada, ya que el sensor obtiene información en 3D que luego es analizada por un algoritmo. Sin embargo, este

método de adquisición carece de precisión cuando el movimiento del automóvil es demasiado rápido. De hecho, este ejemplo solo puede usarse para

la validación de continuidad de la soldadura, ya que el movimiento del automóvil no puede ser más lento.

El error de metrología y la incertidumbre en estos procesos se ocupan de dos factores principales: el sensor 3D y el robot (o la media de movimiento

utilizada en el proceso de adquisición). El primero generalmente se autocalibra, proporcionando una lectura confiable de una forma 3D con precisión en

la escala de micras. Ejemplos de estos dispositivos son las cámaras inteligentes LMI Gocator, Ensenso, la serie DS de Cognex, entre otros. Por otro

lado, el robot o cualquier otro actuador proporciona una fuente de error en el proceso de medición, ya que es obvio que una adquisición perfecta y

estable es imposible. Este error puede minimizarse mediante el uso de la sincronización del codificador, sistemas de calibración externos, etc. En

cualquier caso, cualquier movimiento aumenta el error y la incertidumbre, y es responsabilidad del diseñador del sistema utilizar sistemas

sobredimensionados para mejorar el rendimiento del sistema.

Parece básico una vigilancia continua del comportamiento de este tipo de sistemas, para verificar si las medidas se mantienen dentro de un rango de

tolerancia predefinido. Aunque esto se ha hecho tradicionalmente utilizando medios analógicos, actualmente Industry 4.0 y MES (Manufacturing

Execution Systems) proporcionan una opción fantástica para automatizar este control de calidad. Los sistemas MES permiten relacionar datos de

productos, procesos, entornos y control de calidad de una manera explotable para crear modelos de predicción capaces de anticipar crisis de calidad o

fallas de mantenimiento.

3.3 Control de conformidad

Otra aplicación de control de calidad que se ocupa de la ciencia de la medición es el control de conformidad, lo que significa poder determinar si un

objeto se corresponde con un modelo teórico. Este enfoque difiere de los anteriores en el método de evaluación. La medición dimensional de la

soldadura utiliza información 3D obtenida durante una sesión de adquisición y mide esta información desde un punto de vista absoluto. Dado que los

sensores 3D están actualmente autocalibrados, e independientemente de la incertidumbre proporcionada por el método de adquisición, el proceso de

medición en estos puntos de nube proporciona una imagen local de la soldadura, por lo que esta soldadura se puede clasificar.