Mostrar el registro sencillo del ítem
Detección automática de la curvatura de chapas metálicas mediante técnicas de visión artificial
dc.contributor.author | García González, Javier | |
dc.contributor.author | Vergara González, Eliseo Pablo | |
dc.contributor.author | Alonso Iglesias, Guillermo | |
dc.contributor.author | RODRÍGUEZ MONTEQUÍN, VICENTE | |
dc.contributor.author | Mesa Fernández, José Manuel | |
dc.date.accessioned | 2024-11-07T11:45:57Z | |
dc.date.available | 2024-11-07T11:45:57Z | |
dc.date.issued | 2024 | |
dc.identifier.isbn | 978-84-09-63877-2 | |
dc.identifier.issn | 2695-5067 | |
dc.identifier.uri | http://dspace.aeipro.com/xmlui/handle/123456789/3698 | |
dc.description | In the manufacturing of large tanks for the oil and gas industry, a considerable challenge arises in precisely measuring the curvature of each sheet metal. Each sheet is meticulously crafted into a curved form, ultimately becoming a section. These sections are subsequently assembled to attain the final shape of the tanks. Ensuring the requisite precision in the fabrication of these substantial tanks requires continuous oversight. At present, this measurement process entails manual inspection using contact templates, resulting in a sampling-based evaluation dependent on the subjective judgment of operators. This methodology presents notable disadvantages, including prolonged manufacturing durations, heightened occupational hazards, and complexities in knowledge management for the company. The incorporation of artificial vision, coupled with machine learning techniques, entails an improvement in efficiency. By combining photographic images with LiDAR technology, real-time and non-contact measurements are realized, minimizing disruptions in the production process. In adherence to this methodology, a case study is executed in partnership with an international company within the gas and oil sector, showcasing the system's efficacy in attaining a precision of 1 centimeter through the utilization of cost-effective equipment. This achievement is realized without compromising the operational conditions of the facility. | es_ES |
dc.description.abstract | Uno de los desafíos inherentes en el proceso de fabricación de depósitos de grandes dimensiones es la medición de la curvatura en cada una de las chapas metálicas, denominadas virolas, que serán ensambladas para la obtención de su forma final. La precisión necesaria para la manufactura de estos voluminosos tanques implica una supervisión constante. En la actualidad, esta medición requiere de inspección manual mediante el uso de plantillas por contacto, ocasionando una medición por muestreo basada en el criterio subjetivo de los operarios. Este método presenta desventajas significativas, incluyendo aumento del tiempo de fabricación, mayor riesgo laboral y desafíos en la gestión del conocimiento por parte de la empresa. La integración del uso de visión artificial junto con técnicas de aprendizaje automático supone una mejora en la eficiencia. Mediante la combinación de imágenes fotográficas y tecnología LiDAR se consigue una medición en tiempo real sin contacto, evitando interrupciones en el proceso productivo. Bajo este enfoque se realiza un caso de estudio junto con una empresa internacional del sector del gas y el petróleo, demostrando la eficacia del sistema al alcanzar una precisión de 1 centímetro utilizando equipamiento de bajo coste, sin comprometer las condiciones operativas de la planta. | es_ES |
dc.language.iso | es | es_ES |
dc.subject | Tecnologías de la Información y las Comunicaciones. Ingeniería del Software | es_ES |
dc.title | Detección automática de la curvatura de chapas metálicas mediante técnicas de visión artificial | es_ES |
dc.title.alternative | Automatic detection of sheet metal curvature using artificial vision techniques | es_ES |
dc.type | Article | es_ES |
dc.identifier.doi | https://doi.org/10.61547/2407006 |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
CIDIP 2024 (Jaén) [200]
XXVIII Congreso Internacional de Dirección e Ingeniería de Proyectos (Jaén, 2024)