RetosEmergentesenFabricaciónpor Láser: Por ... · Perception(DNN) Cognition Closed-loopcontrol AI...

Jornada LASHARE: Visión e Inteligencia Artificial en

Fabricación por Láser

Madrid, 25/03/2019

Retos Emergentes en Fabricación por Láser:Por qué necesitamos visión e inteligencia artificial

AIMEN y la Inteligencia Artificial

Motivación: nuevos paradigmas en fabricación

Sistemas de fabricación láser como CPS

Toma de decisiones guiada por imagen

Conclusiones

Centro Tecnológico AIMEN

www.aimen.es | [email protected]

AIMEN, (Asociación de Investigación Metalúrgica del Noroeste), seestablece como laboratorio de ingeniería de materiales para serviciostecnológicos principalmente para industria pesada.

1967

52 años más tarde…

• Investigación en Materiales, Procesos yTecnologías de Producción.

• Centro de Aplicaciones Láser

• > 100 empresas asociadas

• > 800 clientes mundiales.

• > 120 Proyectos I+D anualmente

• Muy activo en tecnologías de control óptico, imagen, vision artificial, aprendizajesupervisado y no supervisado…

3

www.aimen.es | [email protected] 4444

Áreas de especialización


Centro de Aplicaciones Láser

Capacidades en Robótica y Control

Sistemas robóticos flexibles y autónomos para fabricación

Mobile light robots

Autonomous navigation

3D environment acquisition with single camera

Geometry matching

Heavy duty robots with Force Control and environment awareness

Manufacturing cells with

Integration of Non Destructive Testing, monitoring and control.


PERCEPCION

� Fuentes:

Imagen RGB/Monocroma

Hiperspectral/Multispectral

Nubes de puntos

� Metodologías:

Visión Artificial + Aprendizaje automático

Deep Learning

� Soluciones:

Clasificación/Regresión

Deteción de Objetos

Segmentación

Registro Multimodal

Reducción de Dimensionalidad

Selección de Características

7

� Diagnosis:

Encontrar relaciones entre observaciones

Predecir el estado interno de un Sistema dadasobservaciones a lo largo del tiempo

� Predicción:

Asistir en toma de decisiones

Predicción de series temporales

MONITORIZACIÓN

CONTROL

� Modelado de sistemas de control con DNNs (Deep Neural Networks)

Modelado complete de relaciones no lineales de desviaciones de proceso (sensores)hasta parámetros de proceso (actuación).

� Regulación de parámetros de proceso

Ajuste de desviación con técnicas clásicas (e.g. PID) o no clásicas (control estocástico)

� Adaptabilidad en base a capacidades cognitivas

Corrección en línea de los comandos y controles, actualización offline de los modelos

(usando AI superior).Industrial Process

ActuatorsSensors

Perception (DNN)

Cognition

Closed-loop control

AI top layer





Conclusiones

Los nuevos paradigmas en Fabricación

- Láser proporciona calidad elevada, repetitiva y fiable- Flexible y fácil de automatizar- Las máquinas existentes (centros de cinco ejes, instalaciones robotizadas)

sirven para todo.

Fabricación por Láser - La Promesa:

11www.aimen.es | [email protected]


- Compleja interacción láser-materia, sensibilidad a condiciones de contorno.- Multilema: productividad / robustez / flexibilidad- Entorno de personalización masiva, aprovisionamiento flexible de material,

fabricación distribuida, batch de tamaño uno, Lead Time reducido… Parece llamar a la fabricación láser, y al mismo tiempo le plantea grandes dificultades.

- Las soluciones tipo “navaja suiza” han mostrado grandes debilidades y necesitan constantes ajustes y mantenimiento para mantener la calidad.

El Reto:



• Fuerte conocimiento en materiales y procesos.• Se alcanzan pronto los límites tecnológicos de los procesos disponibles.• Los conceptos complejos y sofisticados no suelen implantarse bien.• Los lotes pequeños son extremadamente difíciles.• Nuevas capacidades: formación continua y cara del personal.• Nuevos materiales, diseños y organizaciones: comprometen la calidad.

Producción Tradicional con nuevas tecnologías:



Nuevas formas de hacer:

14

• Enfoque a tecnologías habilitadoras, y no a las core.• Diseñar componentes modulares y abiertos para sistemas de producción.• Diseño inteligente de:

• Flujos (material, información, decisiones)• Producto (componentes e inteligencia embebida)• Proceso como un todo: interacciones, ingeniería concurrente…


Control en sistema ciber-físico


Conocimiento

Inferido

Definición de

Producto

Modelo

Geométrico

Simulación a

nivel de Proceso

Modelo de

Proceso

Espacio de

Trabajo Virtual

Modelo del

Producto

Conocimiento

de Proceso

Planificación

de Tareas

Planificación

de Proceso

Síntesis de

Instrucciones

Ejecución

en Línea

Sensores

en Línea

Feedback

de Alto Nivel

Sistema

Ciberfísico

Tiempo Real

Control





Conclusiones

Sistemas de fabricación como CPS

- Se diseña considerando su robustez, rigidez torsional, continuidad metalúrgica. Se adopta considerando su flexibilidad y fiabilidad.

- Los primeros se logran o con piezas muy estables y controladas, o con fuerte Clamping-Fixturing. Ambas cosas van en contra de la flexibilidad, y en caso de usar clamping modular se juega la fiabilidad.

- Cada vez más máquinas incorporan tecnología de visión y metrología para responder a este reto.

El caso del Laser Welding:


Soldadura Láser

- Herramienta inteligente y diseño “relajado”. Soldadura remota. Demanda control preciso y predictivo, al límite de los modelos analíticos.

- Fuerte influencia de geometría (tol. locales de 10s micras en 100s cm).- Efectos combinados de cambios de geometría+material (inestabilidad), - Observación de dinámica de proceso e interacción en tiempo real!!

Computación imposible con modelos descriptivos. COSTE de generar modelos.

Capacidades cognitivas: Más allá del control del proceso


Soldadura láser

- [Pre-] Metrología + [En-] Imagen + [Post-] Inspección: generar correlación y conocimiento sintético, extrayendo características fusionadas con los sensores.

- MINIMALISMO: La inteligencia artificial permite descubrir información significativa en tiempo rela (reprogramar hardware de procesado de imagen RT y fusión de sensores) y generar “respuestas mínimas”: extender ventanas de proceso afectando condiciones de contorno. Modular potencia láser, óptica, deflexión de haz, y comandos sobre los utillajes activos.

Capacidades cognitivas: Más allá del control del proceso


LMD como sistema ciberfísico

• Técnica de fabricación aditiva prometedora.− Las piezas pueden ser construidas con un CAD 3D.

• Para fabricación y reparación, sin Powder Bed.• Near-net-shape (muy cerca de la forma final) sin soportes.• Fabricación de piezas grandes o muy grandes.

− El material puede depositarse en preformas, muy rápido.

El caso del Laser Metal Deposition (LMD)

Problemas prácticos:

20

• Instalación muy compleja y múltiples parámetros.• Distorsiones térmicas difíciles de predecir. Deriva térmica. • Las distorsiones no solo afectan a la precisión, sino al proceso. • Programación off-line y parámetros constantes = Defectos.



Laser Metal Deposition (LMD)



• Mayor coste para fabricar una única pieza.• Necesidad de una operación “buena a la primera”.• Proceso complejo de modelar: multifísica sofisticada. • Cabezal de monitorización multisensor: muchos datos con pobre correlación. • Necesita expertos en láser, robótica, procesos y materiales.• Cada pieza es un problema geométrico diferente

Problema:

¿Qué es “inteligencia” en este contexto?

22

• Programación mínima o nula: Producción directa desde CAD (tipo impresora)• Toma de decisiones autónoma.• Adaptabilidad en tiempo real a derivas y desviaciones.• Extracción de información y características, no sólo de datos.• Captura de competencias existentes, y no demandar nuevas capacidades.



• Modularidad-capacidad de expansión

• Flexibilidad.

• Inteligencia embebida.

• Auto-calibración.

• Metrología embarcada.

• Datos históricos.

• Hay tecnologías disponibles que se usan poco en planta:

• Open frameworks como ROS, fusión de datos, cloud computing, …

• La visión artificial y procesado de imagen proporciona datos

significativos, y correlados con la geometría y la física del proceso.

SE NECESITA:


• On-line geometrical monitoring.• Adaptive path planning.

LMD geometrical control

Célula láser robotizada

Track MeasurementPath Planning

3D Model

Layer Planning Layer Measurement

Generación de STL

On-line


Control geométrico

Laboratory setup for simultaneous LMD data acquisition


Adquisición de geometría


Herramientas AI para autoajuste con sensors de imagen:

Inteligencia artificial

MANEJO DE DATOS EN EL CAMPO:

• Diversas fuentes de imagen: 2D monocroma, multispectral, perfilometría óptica…

• Comunicación industrial (MB/s) con el modelo digital. Video streams + point clouds.

• Extracción de características en Paralelo / Integración temporal de datos• Ajuste iterativo de procesos, diagnóstico y reconfiguración

• Reajuste de trayectorias y parámetros a cientos de Hercios, ya demostrado.

OFFLINE (en la nube?) MEJORA DEL PROCESO:

• Almacenamiento y análisis de grandes históricos de datos.• Uso de herramientas de Deep Learning.

• Autoajuste de modelos, Análisis de cambios y derivas

• Diagnóstico indirecto del propio Sistema de producción.

https://www.tensorflow.org/





Conclusiones

• Células screen-printed en silicio (156x156mm).• Tecnología más común, a día de hoy.

• El proceso de fabricación produce defectos.

Células Fotovoltaicas

busbars

frente reverso


Reparación láser de células solares

• Imagen diagnóstica (EL, PL, RevEL).

• Grietas y Cortocircuitos (Muy importantes).(> 50%) • Fallos de metalización (menos frecuentes) (< 20%).• Interrupción de conductores. (> 58%)

• Los cortocircuitos pueden repararse.• Corte y aislamiento usando láser.

• Nuevas células solares.

Defectos

Detección


Diagnóstico por imagen


• Expertos examinan defectos y anotan imagen.– Cambios de textura.– Cambios en la forma del entorno de la textura.

• Diagnóstico de Defectos basado en textura:– Descomposición: segmentación y etiquetado automático.– Adaptación: extensión de los for enhancement of features.– Clasificación y localización a nivel pixel y sub-pixel.

Aprendizaje supervisado:

Análisis bioinspirado de textura:

Defectos

Filtros Log Gabor

Automatizar el diagnóstico


• Entrenamiento con solo 4 imágenes de células defectuosas.– 4 grietas.– 5 áreas inactivas, cortocircuitadas o rotas.

• El tipo de defecto y su contorno es identificado por el entrenador.

Algunos ejemplos de defectos etiquetados.

Identificación a nivel pixel

Automatizar el diagnóstico


• Reglas variables según estrategias, Mercado, demanda…:.– Corte y separación de mini-células.– Corte de zonas inactivas o con grietas que se propagan.– Aislamiento láser de defectos puntuales.

Toma de decisiones sobre reparación

Examples of repair decision.

Automatizar la programación


• Closing morphological operation.• Inversion and thresholding.• Edge detection and contour.• Bounding box localization.

Cell location and alignment

Steps on cell localization.

Automatizar la programación


galvo-scanner laser source

fumeextractor

workingtable working

area

camera

Reparación por láser

Perspectiva de la cámara.

Área de trabajo del escáner.

Perspectiva del láser.

Correlación de sistemas de coordenadas


Calibración del escáner+cámara

Galvo-scanner working area.

Autocalibración

Automation solutions for the disassembly/separation and recovery of advanced materials


Visión: reparación de electrónica





Conclusiones


Conclusiones

• Arquitecturas abiertas y extendibles.• Entornos ricos en datos y metadatos.• Tecnología de captura de competencias.• Extender los conceptos de visión artificial.• La fabricación láser demanda, incluso exige, sistemas CPS y AI.

Algunas claves para el éxito:

Tendencias:

• Replantear las estrategias de producción, incluso los productos.• Rediseñar los sistemas láser para tomar ventaja de estas tecnologías.• Necesidad de mejorar autocalibración y autoajuste.• Oportunidades para desarrolladores de equipos.• Usa grandes conjuntos de datos a tu favor: aprendizaje, tendencias...

www.aimen.es 39393939

Pablo M. Romero | AIMEN - Centro de Aplicaciones Láser

Tlf. +34 986 344 000 | [email protected]

Gracias por su atención

Sede Torneiros

AIMENRelva 27 A – TorneirosE36410 O PORRIÑOPontevedra – EspañaTelf. +34 986 344 000Fax +34 986 337 302

Sede Central

Centro de Aplicaciones LáserPolígono Industrial de CatoboiSUR-PI-2 (Sector 2) Parcela 3E36410 O PORRIÑOPontevedra – EspañaTelf. +34 986 344 000Fax +34 986 337 302

Delegación A CoruñaPolígono Industrial de PocomacoParcela D-22 Oficina 20E15190 A CORUÑATelf. +34 617 395 153

Delegación MadridAvda. General Perón 32 8º HEdificio Torre CastellanaE28020 MADRIDTelf. +34 687 448 915

[email protected]

www.aimen.es

RetosEmergentesenFabricaciónpor Láser: Por ... · Perception(DNN) Cognition Closed-loopcontrol AI...

Documents

Transcript of RetosEmergentesenFabricaciónpor Láser: Por ... · Perception(DNN) Cognition Closed-loopcontrol AI...