No te pierdas el evento líder en la industria. ¡REGÍSTRATE AQUÍ!
Registro abierto, no te pierdas el evento líder en la industria. ¡REGÍSTRATE AQUÍ!

Preguntas frecuentes de par a par: IA, visión artificial y sensores de instrumentos inteligentes

Póngase al día con los conceptos básicos de la visión artificial y los sensores de instrumentos inteligentes, y aprenda cómo la inteligencia artificial puede utilizar los datos de estos sensores para mejorar las operaciones.

2201 F2 61ea03a8a86df

Por David Miller y David Greenfield

Bienvenido a la primera entrega de una nueva serie de contenido de nuestra publicación hermana Automation World. Esta serie de preguntas frecuentes de colega a colega se centrará en explicar las tecnologías más comunes y de tendencia en el mundo de la automatización industrial.

Esta primera entrega se centra en los sensores. Debido a que los sensores industriales son tan numerosos, nos estamos enfocando en sensores de visión artificial, sensores de instrumentos inteligentes y la aplicación de inteligencia artificial (IA) a datos de sensores industriales.

Cada entrega de esta serie de preguntas frecuentes de punto a punto destacará explicaciones breves pero detalladas de cada tecnología, seguidas de información de usuarios finales e integradores sobre su selección, implementación y uso.

Sensores de visión artificial

La visión artificial se refiere a una combinación de componentes de imágenes, procesamiento y comunicación integrados en un sistema para inspeccionar y analizar objetos. Los componentes necesarios del sistema de captura de imágenes incluyen iluminación para objetos, una cámara para capturar imágenes y un sensor de visión compatible con CMOS, que convierte la luz capturada a través de la lente de la cámara en una señal eléctrica que se puede procesar como salida de imagen digital. Una vez que se ha digitalizado una imagen, se envía a una computadora industrial u otro dispositivo de procesamiento de imágenes equipado con software capaz de usar varios algoritmos y otros métodos para identificar patrones en los objetos que se están viendo.

Grafico Pmmi 05Una vez que se instala un sistema de visión artificial, se utiliza un sensor de objetos para detectar la presencia de una pieza o componente. A partir de ahí, el sensor activa la fuente de luz y la cámara, que captura una imagen del objeto. El sensor de visión luego traduce la imagen tomada por la cámara en una salida digital. Finalmente, el archivo digital se guarda en una computadora para que pueda ser analizado por el software del sistema, que compara el archivo con un conjunto de criterios predeterminados para identificar alguna propiedad del objeto, como qué tipo de producto es, o si tiene algún defecto.

Se pueden usar varios tipos de sensores de visión según la aplicación de visión artificial. Éstos incluyen:

·        Sensores de contorno. Al inspeccionar la forma y el contorno de un artículo que pasa en comparación con otros artículos en una línea de ensamblaje, estos sensores se pueden usar para verificar la estructura, la orientación, la posición o la integridad de un objeto. A menudo, los sensores de contorno se utilizan para tareas como verificar la alineación adecuada de las piezas.

·         Sensores contadores de píxeles. Utilizados para medir objetos contando los píxeles individuales de valores de escala de grises idénticos dentro de una imagen, los sensores contadores de píxeles pueden determinar la forma, el tamaño y el tono de los elementos. Las posibles aplicaciones incluyen la identificación de roscas faltantes en piezas metálicas, la verificación de la forma correcta de los productos moldeados por inyección y el recuento del número de orificios dentro de un rotor.

·         Lectores de códigos. Estos sensores reconocen códigos de barras y otros códigos 2D para leer etiquetas de empaque de productos y clasificar productos por número de serie con fines de gestión de inventario.

·         Sensores 3D. A diferencia de otros sensores de visión, los sensores 3D son capaces de analizar la superficie de un objeto y su profundidad. Por ejemplo, un sensor 3D puede determinar si una caja tiene una cuota completa de botellas dentro o si se ha almacenado la cantidad adecuada de artículos en un pallet.

Recomendaciones de integrador

Los integradores que respondieron a una encuesta de Automation World para esta entrega de preguntas frecuentes enumeraron los siguientes errores como los más comunes que ven con las implementaciones de visión artificial:

·         Montaje incorrecto de la cámara/sensor para la configuración dada;

·         No compensar o corregir la humedad en la lente;

·         Distancia incorrecta del centro del sensor;

·         Falta de precisión en la selección de puntos 3D; y

·         Falta de compensación de iluminación para la detección adecuada de objetos metálicos o brillantes.

Grafico Pmmi 04Como parte de la investigación de Automation World sobre este tema, les pedimos a los integradores de sistemas que compartieran sus principales recomendaciones para la selección e implementación de la visión artificial. Cuando se trata del proceso de selección, quedaron claros ocho aspectos clave:

1.Evalúe el tipo de sensor utilizado en la cámara: CMOS o CCD. CMOS tiende a preferirse a CCD debido a su flexibilidad y mayor variedad de opciones.

2.Determine la necesidad de color: Si el color no es necesario para la aplicación de visión artificial, opte por una versión o modo monocromático.

3.Considere la compatibilidad del sistema de visión artificial con los sistemas existentes y otras tecnologías instaladas con las que operará el sistema de visión artificial.

4. Evalúe la elección de las opciones de visión integrada o basada en PC. Los sistemas de visión integrados suelen ser más fáciles de integrar en los sistemas existentes, ya que tienden a ser más pequeños. Debido a que los sistemas de visión incorporados tienden a estar alojados en un solo dispositivo, tienen pocas partes móviles y requieren menos mantenimiento.

5. No pase por alto los detalles granulares, como la distancia de detección y la precisión. Dichos factores pueden tener un impacto dramático en las aplicaciones para las que se instala inicialmente la tecnología de visión artificial y su adaptabilidad a los cambios de proceso.

6. Garantice la conectividad del Internet industrial de las cosas (IIoT). Esto incluye los puertos Ethernet disponibles, así como la aplicabilidad de varios protocolos de comunicaciones industriales.

7. Condiciones ambientales de funcionamiento. Verifique que los sistemas de visión artificial que está investigando estén garantizados para funcionar en su entorno operativo.

8. Consulte el estándar VDI/VDE/VDMA 2632-2 para aplicaciones de visión artificial. Este estándar proporciona una guía para los proveedores y usuarios de tecnología de visión artificial relacionados con la configuración de un sistema de visión artificial para tareas específicas.

Recomendaciones para el usuario final

En comparación con las recomendaciones de selección de visión artificial de los integradores, que tienden a centrarse en los aspectos principales de características/funcionalidad, las recomendaciones de los lectores destacan los consejos y sugerencias de la aplicación. Por lo general, los lectores se centraron en la facilidad de uso y el soporte técnico sólido del proveedor. Estos dos factores fueron los más citados, ya que la precisión del sistema de visión y la configuración correcta son fundamentales para la aplicación exitosa de la tecnología.

 Grafico Pmmi 01

Más allá de estas recomendaciones, se recomendaron otros 13 consejos de aplicación:

 

1.       Sea muy claro acerca de los requisitos del proceso actual, ya que ayudan a reducir lo que se puede esperar del sistema de visión.

2.       Desarrolle un equipo de visión interno para ayudar en la selección y programación de los sistemas de visión. De manera similar, otros encuestados recomendaron tener un propietario interno claro que esté a cargo del soporte y los cambios antes de entrar en producción con el sistema de visión.

3.       Comprenda el panorama general: con los sistemas de visión puede ir más allá del rechazo de piezas defectuosas. Los datos que recopila sobre defectos le brindan la oportunidad de identificar y solucionar problemas de rendimiento en su línea de producción.

4.       El proceso de producción debe permitir suficiente tiempo para la inspección por parte del sistema de visión que mejor se adapte a su aplicación.

5.       Asegúrese de que el montaje de la cámara no interfiera con la interacción del operador con la máquina, como quitar piezas defectuosas, reparar atascos o realizar tareas de mantenimiento.

6.       Busque un sistema de visión artificial con una interfaz de operador intuitiva y fácil de entender.

7.       Asegúrese de que el sistema de visión funcione con la iluminación de su habitación y esté preparado para agregar iluminación según sea necesario.

8.       Encuentre un buen integrador de sistemas de visión: la configuración exitosa de la visión artificial a menudo requiere un buen integrador.

9.       El sistema de visión debe tener capacidades de tendencias de datos y poder proporcionar datos en tiempo real al equipo de proceso para permitir realizar cambios sobre la marcha.

10.   Registre y almacene datos de aprobación/rechazo para una mejora continua.

11.   Gaste el dinero en lo mejor, pero tenga en cuenta que el precio no es necesariamente igual al valor. Un encuestado señaló: "Las piezas de metal brillante pueden ser difíciles de detectar", independientemente del sistema que elija.

12.   Explore las nuevas start-ups de visión artificial para acceder a las capacidades más recientes. “Este espacio está evolucionando rápidamente con alternativas de menor costo”, señaló un encuestado.

13.   Tómese el tiempo para hacer una prueba de concepto con dos o tres proveedores para comparar resultados e impulsar la competencia entre los proveedores.

Sensores de instrumentos inteligentes

Los instrumentos inteligentes se definen típicamente como instrumentos que han sido imbuidos de capacidades de medición y diagnóstico más allá de su función principal. Por ejemplo, un dispositivo como un medidor de flujo Coriolis calificaría como un instrumento inteligente porque es capaz de medir masa, volumen y densidad simultáneamente. Para hacer esto, los instrumentos inteligentes se basan en sensores inteligentes capaces de interactuar con los microprocesadores integrados. Además del sensor, un transmisor le da al instrumento la capacidad de comunicar datos a través de una red.

Grafico Pmmi 02En última instancia, los sensores inteligentes que controlan los instrumentos inteligentes registran las mismas variables de proceso, como el nivel, la temperatura, la presión y la proximidad, que los sensores de base analógicos. Sin embargo, un sensor base está calibrado para enviar una señal de voltaje directamente correspondiente a uno de estos valores de proceso a un sistema de control externo que luego interpreta y actúa sobre la información. Por el contrario, un sensor inteligente utiliza su propio microprocesador integrado para convertir los datos en un formato digital utilizable antes de que se produzca cualquier comunicación con dispositivos externos. En otras palabras, mientras que la salida de un sensor base es sin procesar y un dispositivo externo debe convertirla a un formato utilizable, un sensor inteligente produce una salida lista para usar. De manera similar, debido a que el sensor inteligente no necesita pasar señales de voltaje analógicas a un sistema de control externo, puede procesar, registrar y transmitir múltiples variables simultáneamente.

Además, debido a que los instrumentos inteligentes pueden procesar datos de forma nativa, también pueden pasar por alto los sistemas de control de nivel inferior para transmitir información directamente a través de Internet o una red digital privada, ahorrando espacio, energía y recursos computacionales. Esto también permite a los operadores acceder a los datos de mantenimiento, calibración y puesta en marcha a través de dispositivos móviles como teléfonos o tabletas, en lugar de tener que visitar estaciones de trabajo fijas.

Finalmente, los instrumentos inteligentes son capaces de realizar autodiagnósticos y pueden informar posibles problemas de calibración a los operadores antes de que ocurran. Al evaluar sus propios resultados frente a estándares de calibración trazables y bien establecidos, los instrumentos inteligentes pueden autoconfirmar la calidad de los datos que producen. Al igual que su capacidad para registrar y transmitir múltiples variables de proceso simultáneamente, esto no sería posible sin sensores inteligentes capaces de interactuar con un microprocesador integrado.

Recomendaciones de uso

Si bien los instrumentos inteligentes pueden ser "inteligentes" en términos de información adicional que pueden proporcionar sobre los procesos que están monitoreando, aún necesitan ayuda cuando se trata de una implementación y un uso exitosos.

Grafico Pmmi 03

Los integradores que respondieron a nuestra encuesta señalaron lo siguiente como sus siete mejores consejos cuando se trata de seleccionar instrumentos inteligentes con tecnología de detección avanzada:

·         Asegúrese de revisar las especificaciones del fabricante para asegurarse de que el instrumento pueda brindarle los resultados que busca.

·         Verifique la precisión y repetibilidad del instrumento.

·         Revise cuidadosamente los requisitos de las condiciones climáticas.

·         Asegúrese de que el instrumento tenga las opciones de comunicación que busca ahora y, potencialmente, en el futuro; es decir, a menudo se prefieren las opciones de comunicación abierta.

·         Asegúrese de que los instrumentos sean compatibles con los sistemas existentes en sus instalaciones.

·         Elija un integrador con experiencia comprobada trabajando con los sensores e instrumentos que seleccione.

·         Espere gastar más dinero de lo planeado cuando ponga en uso sus primeros sistemas de instrumentos inteligentes.

 

Aplicación de IA a datos de sensores

La inteligencia artificial puede desempeñar un papel importante en el uso de los datos recopilados por los sensores. Por ejemplo, en la visión artificial, donde las imágenes capturadas no pueden analizarse sin un algoritmo de software, este proceso a menudo implica el uso de reglas fijas determinadas por un programador humano y no califica como impulsado por IA. En estos casos, los datos se extraen de las imágenes de los objetos en forma de varios criterios, como la medida o el tipo de objeto, y luego se comparan con los valores objetivo preestablecidos para tomar una decisión relacionada con el objeto.

Por el contrario, la inspección de calidad de visión artificial impulsada por IA se basa en tecnología de aprendizaje profundo, que emplea una red neuronal profunda (DNN) inspirada en procesos biológicos reales para ingerir y procesar grandes cantidades de datos visuales. Mediante el uso de una DNN, un sistema de visión artificial puede crear reglas de forma autónoma que determinen la combinación de propiedades que diferencian los productos de calidad de aquellos con defectos. Esto no solo permite que el sistema aprenda a detectar imperfecciones más sutiles y cualitativas, sino que también puede mejorar la flexibilidad de los sistemas de inspección de calidad al permitir que la reconfiguración se realice de manera autónoma. En esencia, un sistema de aprendizaje automático impulsado por IA podría generar su propio conjunto de reglas para determinar si un nuevo producto debe pasar o fallar la inspección simplemente viendo un conjunto de imágenes de artículos de buena calidad y defectuosos.

Las operaciones robóticas pick-and-place en una línea de producción pueden beneficiarse de manera similar de la visión artificial impulsada por IA. A menudo, los robots que realizan estas operaciones se entrenan mediante dispositivos de aprendizaje o procedimientos de guía manual que requieren que los operadores guíen manualmente los brazos del robot a través de cada paso en una operación estandarizada. Si cambia la configuración de una celda de trabajo o los elementos a manipular, los robots deben reprogramarse manualmente. Sin embargo, cuando se utiliza un sistema de visión artificial impulsado por IA como guía, los robots pueden calibrarse automáticamente. Esta funcionalidad es particularmente útil en entornos con cambios rápidos o una gran combinación de productos diferentes, que exigen una reconfiguración frecuente.

Tendencias de aplicaciones de IA

Entre los conocimientos más interesantes derivados de nuestra investigación para este artículo se encuentran las diferencias en los tipos de dispositivos o sistemas que utilizan IA en los datos de los sensores citados por los usuarios finales y los integradores. Para los integradores, los tres principales sistemas habilitados para IA que se aplican a los datos de los sensores son: controladores (50 %), sistemas de ejecución de fabricación (33 %) y dispositivos de borde y aplicaciones en la nube (empatados en un 33 % cada uno). Para los usuarios finales, las tres principales tecnologías habilitadas para IA son controladores (53 %), drives (33 %) y sistemas de ejecución de manufactura (27 %).

Los usuarios finales señalaron los siguientes tipos específicos de aplicaciones en las que utilizan IA:

·         Inspección de componentes y productos;

·         Salud general de los activos;

·         Posiciones de piezas y productos en transportadores;

·         Inspecciones de calidad; y

·         Análisis de torque, temperatura y vibraciones.

Mirando más allá de las aplicaciones generales de IA a los datos de sensores, los integradores también tenían varios consejos sobre tipos de aplicaciones específicas que pueden ser especialmente útiles. Estos consejos incluyen:

·         Elija tecnologías de IA que se puedan aplicar a múltiples procesos.

·         Comience poco a poco con un par de sus activos más críticos/valiosos; no trate de hervir el océano.

·         Aproveche los datos existentes con IA antes de agregar más sensores, ya que es posible que ya tenga suficientes datos para tener un impacto positivo.

·         Aproveche los nuevos servicios de IA/ML (aprendizaje automático) basados ​​en la nube que pueden simplificar o acelerar el desarrollo y la implementación de modelos.

·         Explore las nuevas empresas de tecnología de IA centradas en datos industriales.

·         Busque tecnologías que brinden flexibilidad para cambiar los algoritmos de IA; esto puede ser particularmente útil en aplicaciones que requieren precisión a nivel de micras.

·         Sea generoso con los tamaños de su base de datos.

Lo que es más importante, los integradores aconsejaron a los fabricantes que "empezaran lo antes posible" en la aplicación de IA a los datos de los sensores. Con más de una cuarta parte del mercado que ya lo usa, aquellos que se retrasen en la adopción de IA podrían encontrarse en una desventaja significativa desde el punto de vista del tiempo de actividad operativo, así como en las capacidades de toma de decisiones estratégicas a más largo plazo.