Mostrar el registro sencillo del ítem
Aplicación de sistemas inteligentes al control de calidad de la producción de piezas en serie mediante la reconstrucción de imágenes
| dc.contributor.author | Mula Cruz, Francisco José | |
| dc.contributor.author | Conesa Pastor, Julian | |
| dc.date.accessioned | 2020-09-29T17:15:19Z | |
| dc.date.available | 2020-09-29T17:15:19Z | |
| dc.date.issued | 2020 | |
| dc.identifier.isbn | 978-84-09-21128-9 | |
| dc.identifier.uri | http://dspace.aeipro.com/xmlui/handle/123456789/2470 | |
| dc.description | Introducción Ante la actual necesidad de actualización industrial al modelo de industria 4.0, se plantea la necesidad de conseguir un sistema inteligente capaz de controlar una cadena de producción de piezas, de materiales de elevado valor, para minimizar las piezas defectuosas. Por ello, se crea un proyecto de red, basada en Machine Learning que actúa como control distribuido sobre procesos inferiores. Estos nodos en autocontrol mediante Machine Learning, interactúan entre ellos. Objetivos * Usar métodos de reconstrucción de imágenes que permitan variar los parámetros geométricos necesarios para evitar desechar materiales. En ello se han enfocado trabajos y tesis anteriores (Mula, 2016 "Reconstrucción tridimensional de perspectivas cónicas" UPCT y Conesa, 1998 "Reconstrucción de piezas en perspectiva caballera" UPCT). * Aplicar técnicas de Machine Learning para la predicción de resultados, y crear la red de control superior. Resultados Se ha implementado satisfactoriamente, a nivel de nodo, el autocontrol mediante Machine Learning, y predecir las posibles variabilidades con una tasa de acierto muy eficiente. Conclusiones Este nuevo sistema se traduce en un ahorro de tiempo y costes, además de asegurar la casi nulidad de fallos una vez que el sistema realiza el aprendizaje supervisado, y se refuerza con validaciones de nuevos casos. | es_ES |
| dc.description.abstract | Introduction Faced with the current need for an industrial update to the Industry 4.0 model, the need arises to achieve an intelligent system capable of controlling a production chain of parts made of high-value materials to minimize defective parts. For this reason, a network project is created, based on Machine Learning that acts as distributed control over inferior processes. These nodes in self-control through Machine Learning, interact with each other. objectives * Use image reconstruction methods that allow varying the geometric parameters necessary to avoid discarding materials. Previous works and theses have focused on this (Mula, 2016 "Three-dimensional reconstruction of conical perspectives" UPCT and Conesa, 1998 "Reconstruction of pieces in a gentleman's perspective" UPCT). * Apply Machine Learning techniques for the prediction of results, and create the superior control network. Results Self-control through Machine Learning has been successfully implemented at the node level, predicting possible variabilities with a very efficient hit rate. Conclusions This new system translates into time and cost savings, in addition to ensuring the almost nullity of failures once the system performs supervised learning, and is reinforced with validations of new cases. | es_ES |
| dc.language.iso | es | es_ES |
| dc.subject | 03- Ingeniería de Producto, Procesos y Diseño Industrial | es_ES |
| dc.title | Aplicación de sistemas inteligentes al control de calidad de la producción de piezas en serie mediante la reconstrucción de imágenes | es_ES |
| dc.title.alternative | Application of intelligent systems to quality control at production of serial items by means of the reconstruction of images | es_ES |
| dc.type | Article | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
CIDIP 2020 (Alcoy) [175]
XXIV Congreso Internacional de Dirección e Ingeniería de Proyectos (Alcoy, 2020)