Desarrollan sistema de inteligencia artificial para el mantenimiento de máquinas-herramienta

En ingeniería mecánica, el mantenimiento y la sustitución oportuna de componentes defectuosos en máquinas-herramienta es una parte importante del proceso de manufactura. En el caso de los husillos de bolas, como los utilizados en tornos para guiar con precisión la producción de componentes cilíndricos, el desgaste hasta ahora se ha determinado manualmente.

“Por lo tanto, el mantenimiento está asociado con el trabajo de instalación, lo que significa que la máquina se detiene. Nuestro enfoque, por otro lado, integra un sistema de cámara inteligente directamente en el accionador, lo que permite al usuario monitorear continuamente el estado del husillo. Si hay una necesidad de acción, el sistema informa al usuario automáticamente”, dice el profesor Jürgen Fleischer, del Instituto de Tecnología de Producción (wbk) en el Instituto de Tecnología de Karlsruhe (KIT).

El nuevo sistema combina una cámara con fuente de luz conectada a la tuerca del accionamiento y la Inteligencia Artificial (IA) evalúa los datos de la imagen. A medida que la tuerca se mueve sobre el husillo, toma imágenes individuales de cada sección del husillo, lo que permite el análisis de toda su superficie.

La combinación de datos de imágenes de operaciones en curso con métodos de aprendizaje automático permite a los usuarios del sistema evaluar directamente la condición de la superficie del husillo.

“Entrenamos nuestro algoritmo con miles de imágenes para que ahora pueda distinguir con confianza entre los husillos con defectos y los que no”, dice Tobias Schlagenhauf (wbk), quien ayudó a desarrollar el sistema.

“Al evaluar aún más los datos de la imagen, podemos calificar e interpretar con precisión el desgaste y así distinguir si la decoloración es simplemente suciedad o picaduras dañinas”, agrega.

Al entrenar a la IA, el equipo tuvo en cuenta todas las formas concebibles de degeneración visible y validó la funcionalidad del algoritmo con nuevos datos de imagen que el modelo nunca había visto antes. El algoritmo es adecuado para todas las aplicaciones que identifican defectos basados en imágenes en la superficie del husillo y es transferible a otras aplicaciones.