06/04/2020 | 1 MINUTOS DE LECTURA

Desarrollan sistema de inteligencia artificial para el mantenimiento de máquinas-herramienta

Facebook Share Icon LinkedIn Share Icon Twitter Share Icon Share by EMail icon Print Icon

Una cámara integrada directamente en la tuerca del accionamiento genera imágenes que la inteligencia artificial monitorea continuamente en busca de signos de desgaste del husillo.

Una cámara integrada con fuente de luz permite la monitorización continua del husillo en la unidad. (Imagen: KIT)

Una cámara integrada con fuente de luz permite la monitorización continua del husillo en la unidad. (Imagen: KIT)

En ingeniería mecánica, el mantenimiento y la sustitución oportuna de componentes defectuosos en máquinas-herramienta es una parte importante del proceso de manufactura. En el caso de los husillos de bolas, como los utilizados en tornos para guiar con precisión la producción de componentes cilíndricos, el desgaste hasta ahora se ha determinado manualmente.

“Por lo tanto, el mantenimiento está asociado con el trabajo de instalación, lo que significa que la máquina se detiene. Nuestro enfoque, por otro lado, integra un sistema de cámara inteligente directamente en el accionador, lo que permite al usuario monitorear continuamente el estado del husillo. Si hay una necesidad de acción, el sistema informa al usuario automáticamente”, dice el profesor Jürgen Fleischer, del Instituto de Tecnología de Producción (wbk) en el Instituto de Tecnología de Karlsruhe (KIT).

El nuevo sistema combina una cámara con fuente de luz conectada a la tuerca del accionamiento y la Inteligencia Artificial (IA) evalúa los datos de la imagen. A medida que la tuerca se mueve sobre el husillo, toma imágenes individuales de cada sección del husillo, lo que permite el análisis de toda su superficie.

La combinación de datos de imágenes de operaciones en curso con métodos de aprendizaje automático permite a los usuarios del sistema evaluar directamente la condición de la superficie del husillo.

“Entrenamos nuestro algoritmo con miles de imágenes para que ahora pueda distinguir con confianza entre los husillos con defectos y los que no”, dice Tobias Schlagenhauf (wbk), quien ayudó a desarrollar el sistema.

“Al evaluar aún más los datos de la imagen, podemos calificar e interpretar con precisión el desgaste y así distinguir si la decoloración es simplemente suciedad o picaduras dañinas”, agrega.

Al entrenar a la IA, el equipo tuvo en cuenta todas las formas concebibles de degeneración visible y validó la funcionalidad del algoritmo con nuevos datos de imagen que el modelo nunca había visto antes. El algoritmo es adecuado para todas las aplicaciones que identifican defectos basados en imágenes en la superficie del husillo y es transferible a otras aplicaciones.

CONTENIDO RELACIONADO

  • 10 consejos para el fresado de titanio

    Unas consideraciones simples de proceso pueden incrementar su productividad en el fresado de aleaciones de titanio.

  • Encuesta Mundial de Máquinas-Herramienta 2016

    El consumo máximo global más reciente de máquinas-herramienta tuvo lugar en 2011. Podemos usar datos de ese año para medir las tendencias que desde entonces influyen la inversión en fabricación de región a región. Esta perspectiva de varios años es reveladora.

  • Panorama de la industria petrolera mexicana

    Si bien en los últimos años el sector petrolero se ha visto afectado por la caída del precio internacional del barril, México tiene un gran potencial de reserva latente que puede augurar un mejoramiento en la producción actual.

Recursos