Publicación: Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
En la planta de pintura de plásticos de una empresa del sector automovilístico ingresan piezas continuamente según un plan de producción diario. Dado que no se tiene un sistema automático de conteo y clasificación de las piezas y el actual es poco confiable, los errores en el conteo elevan los costos de producción. Esto se debe a que no se aprovechan los recursos en su totalidad cuando hay piezas faltantes en la producción, lo que conlleva al aumento de desperdicios provenientes de materiales no reutilizables. Con el fin de mejorar este proceso se desarrolla un algoritmo de predicción basado en Máquinas de Soporte Vectorial (SVM), en el cual por medio de un conjunto de características propias de cada pieza se realiza el reconocimiento, la clasificación y el conteo de cada una de estas. Al final, utilizando un prototipo para simular el proceso de la planta, se obtiene como resultado del modelo de predicción desarrollado una sensibilidad y especificidad, para la mayoría de las piezas, de más del 95% de confiabilidad con una velocidad de procesamiento aproximadamente de 200 ms.
Resumen en inglés
In a plastic painting plant of an automotive sector company there are pieces entering continuously according to plan daily production. Due to the lack of an automatic counting and classification system of these pieces and that the system currently used is not reliable, counting errors increase production costs. This is because resources are not fully exploited when there are missing pieces in production, causing the raise of waste resulting from non-reusable materials. To solve this problem, a prediction algorithm based on Support Vector Machines (SVM) is developed to achieve pieces recognition, classification and counting, starting from features sets of each piece. At last, the developed prediction model generates for most of the pieces a result that exceeds the 95% of reliability in sensitivity and specificity values with a processing speed of about 200 ms. The system is proved using a prototype to simulate the process in the plant.