El consorcio formado por la empresa privada CT Ingenieros y el Centro Tecnológico Privado CEIT…
tienen como objetivo general desarrollar una plataforma software flexible usando la tecnología de machine learning para el control en tiempo real de procesos industriales.
MADEIRA (Machine And Deep learning en Entorno Industrial con uso de Realidad Aumentada):
PROCESOS INDUSTRIALES, OBJETIVOS
Con base a estos retos, se exponen a continuación los tres objetivos técnicos principales:
O1: Aplicar técnicas de Deep Learning al proceso de matching de Realidad Aumentada, para la comprensión visual del entorno industrial.
Para alcanzar este objetivo, el sistema debe tener un operador con acceso a un dispositivo con cámara (Teléfono móvil o Hololens), con el cual estaría haciendo monitorización de toda la zona donde se estén realizando las operaciones industriales.
Este dispositivo tendrá instalado un software, fundamentado en técnicas de Deep Learning (DL), para reconocer el entorno y usando modelos CAD, poder ubicar donde se encuentran las piezas de interés, sus ángulos y escala.
Los pasos del sistema son:
1. Delimitar el tipo de escenario para el que se va a orientar esta aplicación.
2. Delimitar la arquitectura de hardware a utilizar, que sea más conveniente para el tipo de escenario seleccionado.
3. Entrenar las redes neuronales para reconocer imágenes industriales del entorno.
4. Realizar reconocimiento de la imagen tomada con respecto al modelo CAD.
O2: Implementar Machine Learning (ML) a la simulación del proceso, para adaptarse a las condiciones variables del entorno.
Si bien es cierto que esta implementación puede realizarse en múltiples y diversos escenarios industriales, existen una serie de pasos comunes que son realizados bien de manera manual bien de manera automatizada empleando robots.
Este objetivo se plantea como consecutivo, por lo que se aborda a partir de un escenario industrial predeterminado en el Objetivo 1, simplificando notablemente la identificación de las tareas que se deben simular en el proceso.
La meta de esta operación es crear un sistema, capaz de mejorar todo el proceso en lo que respecta a tiempo de desarrollo, ergonomía, eficiencia y cualquier otro parámetro que pueda ser considerado a posteriori. Para ello, se modela un árbol de procesos y otro conjunto de pasos:
1. Generar los datos artificiales de la simulación de un proceso.
2. Exportar estos datos bajo un formato que sea legible en el ambiente donde se desarrollará el ML.
3. Delimitar qué técnica se utilizará entre supervisado o no supervisado y sus subcategorías.
4. Implementar la técnica de ML y lectura de los datos.
5. Mejorar los resultados obtenidos en ML.
O3: Desarrollar un middleware para la integración a alto nivel de los sistemas/aplicaciones involucradas en el proceso industrial.
Este objetivo parte de la premisa de que el dispositivo fruto del cumplimiento de los objetivos 1 y 2 tiene que ser portable y sin cables, y que pueda llevar el operario de un lado a otro durante los
procesos industriales
Para lograr una herramienta útil, lograr un dispositivo completamente conectado con los procesos industriales es de vital importancia; por ello es necesario desarrollar una solución que garantice la comunicación desde el dispositivo del operario, a un brazo robótico, a un AGV o cualquier otro dispositivo o equipo automatizado que se encuentre en la operación.
Cada dispositivo puede tener una forma de comunicación diferente y un Software Development Kit (SDK) distinto, por lo cual, hacer una implementación genérica es prácticamente imposible. Lo que se busca es desarrollar un middleware, que permita a un desarrollador usar el SDK del robot y conectarlo a la plataforma a través de las operaciones del middleware. Los pasos para este objetivo son:
1. Evaluación de alternativas existentes.
2. Diseño de la arquitectura y protocolos de comunicación del middleware.
3. Desarrollo de los protocolos.
4. Incorporar a la arquitectura los diversos protocolos.
5. Integración de la arquitectura con el dispositivo del operario.
6. Desarrollar la comunicación con un dispositivo automatizado específico.
Fuente: DYNA
