VA4RM

VISIÓN ARTIFICIAL PARA REMANUFACTURA DE PIEZAS DE AUTOMOCIÓN

VA4RM CONSISTE EN LA AUTOMATIZACIÓN DEL PROCESO DE RECUPERACIÓN DE UN COMPONENTE DE AUTOMOCIÓN basado en su nivel de desgaste. La detección de estos defectos es compleja debido a las numerosas referencias existentes, la zona a inspeccionar, la naturaleza del componente y la variación intra-clase. Por ello, es necesario crear algoritmos complejos inteligentes que sean capaces de detectar y dimensionar estos defectos de forma rápida. El sistema tiene múltiples beneficios medioambientales, tecnológicos y económicos, siendo aplicable a diferentes productos metálicos y del sector de automoción, los cuales suponen entre el 14% y 17%, respectivamente, del valor de fabricación en Europa.

EKIDE, empresa promotora de servicios de ingeniería, lidera VA4RM para cuya ejecución ha contado con el Centro Tecnológico VICOMTECH.

FACTOR MOTIVANTE

Modelos de negocio circulares

Responsabilidad ampliada del productor

OBJETIVOS

Sustituir la inspección manual por una automatizada basada en inteligencia artificial (IA) que permita unificar criterios de decisión, aumentando así la productividad de clasificado y diagnóstico de piezas y la reducción de errores derivados de factores humanos en estos procesos.
Mejorar la competitividad y la producción de la empresa al reducir el derroche de materiales, impulsando la transformación de las plantas hacia la eco-eficiencia.

RESULTADOS

Desarrollo de un sistema de captura que permite destacar al máximo el defecto en cualquier referencia mediante una iluminación oblicua. El algoritmo desarrollado está basado en ensamblaje de modelos y combina uno de segmentación con otro de detección de objetos.
Validación completa empleando un conjunto de componentes no empleados en el entrenamiento, obteniendo unos resultados en la clasificación del 100% de acierto.

CONCLUSIONES

Los datos actuales de validación garantizan la viabilidad técnica de VA4RM para la resolución del problema planteado.
De cara a la industrialización, los pasos futuros supondrán la creación de una aplicación más completa que cuente con una interfaz gráfica y una capa de comunicación con la base de datos de la fábrica.
Es necesario realizar un entrenamiento con más muestras para obtener un modelo más robusto a cambios y generar una capa de decisión más sofisticada configurable por la empresa cliente.

AMBIENTAL

TÉCNICA

ECONÓMICA

COMERCIAL