Inspección
digital

no destructiva

Visión artificial

Dentro de la Percepción Artificial, los sistemas de Visión son el conjunto de herramientas que permiten percibir la realidad por medio de cámaras electrónicas. Estas pueden ser construidas en base a diferentes tecnologías, por lo que en muchos casos, nos permiten percibir lo que escapa al sistema de visión humano.

Las tecnologías de visión ofrecen la posibilidad de automatizar gran cantidad de procesos industriales con una precisión que supera al trabajo humano; desde controles de calidad, control dimensional, control de stocks en logística, medida de deformaciones sin contacto o guiado de robots entre otros.

Las características de la tecnología, en especial su rapidez y que no requiere de contacto están permitiendo reemplazar operaciones manuales e indeseadas (o en algunos casos, permite realizar tareas que no pueden ser llevabas a cabo por otros medios) contribuyendo además a la digitalización de empresas ya que incorporan información relevante sobre procesos productivos.
Algunos de los beneficios que esta tecnología aporta son los siguientes; Control de calidad en tiempo real, análisis y detección temprana de defectos. Monitorización en tiempo real del proceso productivo.

En qué estamos trabajando actualmente

Control de calidad de soldadura/aditivo

Se trata de hacer uso de la tecnología para detectar anomalías (defectos superficiales o rechazos de otro tipo) en uniones soldadas o piezas fabricadas por fabricación aditiva.

Esta tecnología está siendo aplicada a procesos de soldadura de muy alta frecuencia (tiempo de ciclo de 1 segundo) así como en la detección de defectos en superficies irregulares y de gran variabilidad, demostrando la versatilidad de la tecnología.

Control de calidad de procesos

Integración de sistema de control de calidad basados en visión en líneas productivas que están permitiendo disponer de información relativa a la calidad in-situ. Esta tecnología se está aplicando de manera transversal en múltiples sectores como bienes de equipo, energía o transporte.

Inspección 3D

Las técnicas de generación y adquisición de información 3D se encuentran muy evolucionadas y maduras. Existen en el mercado diferentes sistemas basados en dichas técnicas (estereoscopía, triangular laser, etc) que permiten la adquisición de geometrías o volúmenes de manera robusta, fiable y con datos de gran calidad. Entre la multitud de posibles aplicaciones, la inspección 3D permite la verificación externa de los cordones de soldadura o componentes construidos mediante fabricación aditiva.

Partiendo de esta tecnología, y apoyado en soluciones de CAD/CAM, LORTEK ha desarrollado un sistema de reparación automática por soldadura por arco para piezas de alto valor añadido (ver caso de exito).

Control de stocks en logística

Incorporación de tecnologías de visión para el control de stocks en almacenes industriales y automatización de los pedidos con el objetivo de reducir la cantidad de stock en la empresa al mínimo.

Algoritmia propia

Derivado de los diversos proyectos industriales ya ejecutados en LORTEK, el departamento de visión tiene librerías dedicadas al procesamiento de imágenes para el control automático de sistemas de calidad. Lo que implica un reducido ramp-up en nuevos proyectos de visión por computador en contextos industriales.

Equipamiento específico

Diferentes modelos de cámara

  • Alta resolución, alta velocidad etc.

Componentes ópticos

  • Lentes.
  • Filtros.
  • Diferentes fuentes de iluminación incluyendo láseres pulsados para estroboscopia.

Tecnologías Deep learning

  • Sistemas embebidos NVIDIA (nano, Tx2, Xavier), Rapberry , etc.
  • Servidores dedicados para el modelado (más de 20.000 cores).
  • Colección de modelos propios orientados al control de calidad.

Publicaciones
y descargas

Publicaciones
2019
Ander Muniategui; Aitor García de la Yedra; Jon Ander del Barrio; Manuel Masenlle; Xabier Angulo; Ramón Moreno.
Mass production quality control of welds based on image processing and deep learning in safety components industry Proceedings Volume 11172.
Fourteenth International Conference on Quality Control by Artificial Vision; 111720L.

A Muniategui, JA del Barrio, XA Vinuesa, M Masenlle, AG de la Yedra, Ramón Moreno.
One dimensional Fourier Transform on Deep Learning for industrial welding quality control.
International Work-Conference on Artificial Neural Networks, 174-185.

R Moreno, E Gorostegui-Colinas, PL de Uralde, A Muniategui.
Towards Automatic Crack Detection by Deep Learning and Active Thermography.
International Work-Conference on Artificial Neural Networks, 151-162.

Casos de éxito

Control de calidad de uniones soldadas de componentes de seguridad en línea de producción de alta cadencia, con tiempos de ciclo cercanos a 1 segundo.

Desafío

Control de calidad de uniones soldadas de componentes de seguridad en línea de producción de alta cadencia, con tiempos de ciclo cercanos a 1 segundo.

Solución

Para dar solución a esta problemática se diseñó, fabricó y desarrolló un sistema basado en visión artificial que consiste en la introducción de tres cámaras posicionadas a 120 º cada que permiten reconstruir una soldadura circular. Esa reconstrucción es empleada para analizar la calidad de la soldadura con algoritmos basados en Deep Learning previamente entrenados. Esto da como resultado un dispositivo que determina si la pieza es buena o mala y la descarta de la línea de producción, evitando la entrega en cliente a su vez que se evitan las operaciones sobre piezas ya defectuosas.

Retos

Desafíos que hay que afrontar en los próximos años:

Aplicación de la tecnología en entornos muy variables; versatilidad de producto, entornos adversos etc...

Para afrontar este reto de ofrecer soluciones fiables a problemas industriales Lortek desarrollando sistemas basados en imagen robustos y con técnicas de Deep Learning que preservan el conocimiento.

Dr. Aitor García de la Yedra

Investigador Referente en Monitorización basada en fotónica.

Investigador Senior en Fabricación Avanzada en LORTEK desde 2013. Tiene experiencia contrastada en monitorización de procesos e inspección no-destructiva (NDT) mediante técnicas ópticas. Actualmente se encuentra liderando proyectos en sistemas inteligentes (basados en conceptos de auto-aprendizaje) para predecir y evitar la aparición de defectos en procesos de gran valor añadido, como lo son los procesos láser (soldadura y aditivo). Es autor de varios artículos científicos y múltiples ponencias en congresos internacionales relacionadas con la integridad estructural (predicción de vida de componentes) y NDT (Termografía, emisión acústica…). Anteriormente ha trabajado en centros de la alianza desarrollando sistemas de medición e inspección en procesos de fabricación (para la industria de la máquina-herramienta, aeronáutica,…). A su vez, ha participado en numerosos proyectos internacionales de investigación donde caben destacar, COMBILASER (H2020-FoF1), WELDMINDT (Clean-Sky) o DELASTI (Clean Sky) siendo muy relevante la participación (co-líder) en el primero donde trabaja introduciendo inteligencia en procesos complejos como lo son los basados en fabricación láser.