Desarrolla Cinvestav sistema que ayuda a robots a corregir fallas durante procesos productivos de la industria manufacturera

Por

21 septiembre, 2021

Con inteligencia artificial detectan fallas en líneas de producción

Desde mediados del siglo pasado el uso de robots en las líneas de producción cambió la productividad en diferentes sectores industriales y, de acuerdo con la consultora The Boston Consulting Group, el uso de estas máquinas podría disminuir 16 por ciento los costos de la industria manufacturera en los próximos cuatro años.

Por ello, Ismael López Juárez, adscrito al Cinvestav Unidad Saltillo, se ha enfocado en los últimos años al estudio de sistemas inteligentes para adaptarlos a los robots del sector industrial. Uno de sus últimos estudios fue publicado en la revista Mathematics, donde se da cuenta de la adaptación de inteligencia artificial a una estación de soldadura robotizada, aunque la aplicación puede emplearse en otro tipo de dispositivos.

Se trata de un sistema de reconocimiento multivariante de patrones en las líneas de producción; es decir que, en caso de la variación en algún parámetro durante la realización de tareas, el robot identifica la posible causa del desperfecto y se adapta para realizar correctamente su labor.

Por ejemplo, en el caso del robot donde se hizo las pruebas (soldador) se colocó una cámara para identificar si el cordón (unión) de soldadura varía debido a un desperfecto tanto en el sistema de posicionamiento como en el propio robot y, de ser así, tratar de corregirlo.

El sistema de inteligencia artificial está basado en un patrón estadístico multivariante caracterizado por su distancia de Mahalanobis, el cual ayuda a determinar la similitud entre otras variables empleando Máquinas de Soporte Vectorial (SVM, por sus siglas en inglés). En este caso, gracias al uso de procesamiento de imágenes, lo que se determina son los parámetros geométricos del cordón de soldadura y se establece si es necesario continuar con el proceso o realizar las adaptaciones correspondientes.

“Toda la programación la realizamos en una computadora conectada al controlador del robot y, dependiendo de los parámetros que arrojan las imágenes obtenidas con la cámara, es posible identificar y corregir las fallas. Por ejemplo, si el sistema de posicionamiento por donde pasan las piezas a soldar presenta desgaste, es posible que se ralentice y el cordón de soldadura se haga más grueso. En ese caso el sistema identifica la posible falla y de forma automática corrige el grosor del cordón, al tiempo que se indica el tipo de desperfecto”, explica López Juárez.

Las pruebas de este sistema se realizaron en el laboratorio del Cinvestav Unidad Saltillo, donde se cuenta con un robot similar a los empleados en las empresas de manufactura. Allí, el grupo de investigación simuló posibles fallas que ocurren en las líneas de producción, como variación en la velocidad del sistema de posicionamiento, variación de corriente y voltaje en la fuente de alimentación o de la velocidad del propio robot, así como también, alteraciones en la propia antorcha del robot, y otras descomposturas típicas que reportan las empresas.

La intención es que el sistema tuviera cuanta información sea necesaria para tenerlo como parámetros de fallas, a fin de que cuando se presente alguna de ellas las identifique y realice los ajustes convenientes.

En las pruebas realizadas en laboratorio, este sistema de inteligencia artificial ha demostrado identificar de manera correcta la causa raíz de las fallas en un 88 por ciento, lo que significa una alta eficiencia en cuanto a su certeza.

De acuerdo con Ismael López Juárez, actualmente existen paquetes computacionales para el control estadístico del proceso que emplean las empresas manufactureras, los cuales se usan en el control de calidad. Sin embargo, en su mayoría solo analizan una variable, a diferencia del sistema desarrollado por el Cinvestav, en conjunto con los institutos tecnológicos de Celaya y Saltillo, que consideran múltiples variables.

“A nivel mundial no existe un paquete computacional que pudiera monitorear de forma multivariada y determinar las causas raíz de las fallas en las líneas de producción, al ser un proceso demasiado complejo. Por ello, estamos en pláticas con una empresa para saber si funciona de la misma forma en condiciones completamente reales y, de tener buenos resultados, podamos transferir la tecnología”, refirió el investigador del Cinvestav. (CINVESTAV)