Rubén Arturo Domínguez Altamirano 1, M.C. Arturo Legarda Sáenz 1, Dr. Hernán de la Garza Gutiérrez 1, MISC Jesús Arturo Alvarado Granadino 1 1 División de Estudios de Posgrado e Investigación, Tecnológico Nacional de México Instituto Tecnológico de Chihuahua 2, Av. de las Industrias 11101, Complejo Industrial Chihuahua, C.P. 31130, Chihuahua, Chihuahua, México. Correspondencia: ruben.dominguez.3792@gmail.com
En la industria existen muchos equipos que realizan actividades repetitivas, las cuales resultan cansadas para una persona. Por ese motivo, suelen conseguirse equipos que realicen las tareas; sin embargo, las tareas siguen dependiendo de una persona para analizar o revisar lo que es detectado por el equipo. Estos equipos pueden ser complementados con las nuevas tecnologías como la Inteligencia Artificial (IA). En este trabajo de investigación se realiza el diseño y evaluación de un sistema inteligente (SI) para la identificación de posibles defectos en muestras físicas que son capturadas a imágenes por un equipo de inspección automática (AOI) modelo FX940 UV. Para lograrlo, se utilizan técnicas de inteligencia artificial que buscan aprovechar y ampliar el beneficio de un equipo AOI en una planta de manufactura, con el diseño y creación de su propio dataset ajustado al modelo que produce la planta de manufactura, en este caso el área de conformal coating. Además, se utiliza una técnica de transferencia de aprendizaje (Transfer learning) que aprovecha el entrenamiento previo de una red neuronal Mask R-CNN que tiene una velocidad más rápida de entrenamiento y pruebas. Esta investigación muestra que aún es posible obtener mayores beneficios de los equipos que se tienen actualmente en la industria y obtener mayor eficiencia en los procesos; así como que los actuales y futuros equipos que se encuentran disponibles en el mercado pueden mejorar y aprovechar las nuevas tecnologías.
AOI, Mask R-CNN, dataset, sistema inteligente, inteligencia artificial, transferencia de aprendizaje, conformal coating.
In industry, there are many pieces of equipment that perform repetitive activities, which are tiring for one person. For that reason, equipment is often procured to perform the tasks; however, the tasks still depend on a person to analyze or review what is detected by the equipment. This equipment can be complemented with new technologies such as Artificial Intelligence (AI). In this research work, the design and evaluation of an intelligent system (IS) for the identification of possible defects in physical samples that are captured in images by an automatic inspection equipment (AOI) model FX940 UV is carried out. To achieve this, artificial intelligence techniques are used to take advantage and extend the benefit of an AOI equipment in a manufacturing plant, with the design and creation of its own dataset adjusted to the model produced by the manufacturing plant, in this case the conformal coating area. In addition, a transfer learning technique is used that takes advantage of the previous training of a Mask R-CNN neural network that has a faster training and testing speed. This research shows that it is still possible to obtain greater benefits from the equipment currently available in the industry and obtain greater efficiency in the processes; as well as that the current and future equipment available in the market can improve and take advantage of new technologies.
AOI, Mask R-CNN, dataset, intelligent system, artificial intelligence, transfer learning, conformal coating.