DISEÑO Y SIMULACIÓN DE UNA MESA CON SISTEMA DE VISIÓN ARTIFICIAL, PARA LA DETECCIÓN DE IMPERFECCIONES Y POSTERIOR
CORTE CON RAYO LÁSER, DEL CUERO BOVINO.
DIEGO FELIPE ARREDONDO LANCHEROS PEDRO EMILIO BUSTAMANTE RAMÍREZ JUAN GUILLERMO GIRALDO VILLADA
UNIVERSIDAD DE SAN BUENAVENTURA FACULTAD DE INGENIERÍA INGENIERÍA MECATRÓNICA
BOGOTA D.C. 2007
DISEÑO Y SIMULACIÓN DE UNA MESA CON SISTEMA DE VISIÓN ARTIFICIAL, PARA LA DETECCIÓN DE IMPERFECCIONES Y POSTERIOR
CORTE CON RAYO LÁSER, DEL CUERO BOVINO.
DIEGO FELIPE ARREDONDO LANCHEROS PEDRO EMILIO BUSTAMANTE RAMÍREZ JUAN GUILLERMO GIRALDO VILLADA
Trabajo de grado para optar al titulo de Ingeniero Mecatrónico
Asesor JORGE ALFREDO LÓPEZ
Ingeniero Electrónico
UNIVERSIDAD DE SAN BUENAVENTURA FACULTAD DE INGENIERÍA INGENIERÍA MECATRÓNICA
BOGOTA D.C. 2007
Nota de aceptación: ______________________________ ______________________________ ______________________________ ______________________________ ______________________________ ______________________________
______________________________
Firma del Asesor
______________________________
Firma del Jurado
______________________________
Firma del Jurado
Bogotá D.C. _____,__________de 2007.
A las dos personas que hicieron posible esto, mi Madre y mi Padre, por apoyarme siempre en mis decisiones, confiar en mí y demostrarme que las cosas se pueden lograr con empeño y responsabilidad. A lili por que siempre ha creído en mis ideas y a sido una fuente de inspiración para hacer nuevas cosas, además de haberme permitido conocer mas del mundo de lo que creí que podría conocer. A todos los amigos que entendieron el por qué mi amor a la Mecatrónica y en especial a Emy que a sido la encargada de demostrarme que hay personas en las que se puede confiar plenamente y ha estado cuando mas la necesito. A toda mi familia por estar siempre pendientes de mí y reconocer mis logros.
Juan Guillermo
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
A papá y mamá, por brindarme su amor, apoyo, compañía, esfuerzo y comprensión para formarme como una persona que ama lo que hace y por hacer posible mi formación como profesional. A Margarita, mi hermanita y compinche por brindarme su amor y comprensión, incondicionales. A mi familia por quererme y apoyarme en el transcurso de éste logro. A mi abuelita y a mi tía Irene, por amarme, apoyarme e interceder por mí ante Dios todopoderoso. A mis primas Angélica, Eliza y Aleja, por ofrecerme su cariño y creer todo el tiempo en mí. A mis compañeros de la universidad, Diego, Pedro, Juan, Milton, Javier, Kathe, Sandra, Julián, Néstor y muchos que me acompañaron en los malos y en los buenos momentos, e hicieron que el paso por la universidad fuera inolvidable.
Diego Felipe
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
A mi madre y padre por el amor, esfuerzo y dedicación que me han brindado. Por darme la confianza, que hoy se ve reflejada en cada una de las metas que he alcanzado. A mi hermana por ser ejemplo a seguir y darme su apoyo, su amor y comprensión en todo momento. A toda mi familia por seguir cada uno de mis pasos. A todos los que hoy no están con nosotros, pero que nunca han dejado de darme fuerza para lograr mis propósitos. A mis grandes amigos por su apoyo y las incontables experiencias que ésta vida sea una alegría. Gracias a todos por que sin ustedes este sueño no sería realidad. Este proyecto es el esfuerzo de los años de formación y es para mi un orgullo, poderlo compartir con ustedes.
Pedro Emilio
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
AGRADECIMIENTOS
Álvaro Pantoja, gerente general Tec-Laser S.A., por ser el gestor y guía de este
proyecto.
Ingeniero Jorge Alfredo López, docente de Ingeniería Mecatrónica, Universidad
de San Buenaventura, por su colaboración en el desarrollo metodológico de
este proyecto.
Ingeniero Juan Manuel Calderón, docente de Ingeniería Mecatrónica,
Universidad de San Buenaventura, por su interés y aportes para que se
alcanzaran los objetivos de este proyecto.
D. I. Liliana Giraldo V., Process Engineer Zodiac Automotive España S.L., por
compartir su experiencia en el área de corte de textiles por láser.
Wilson Buitrago, jefe de producción de Curtiembres El Reno Ltda., por sus
aportes técnicos en la producción y selección de cuero bovino curtido.
Ingeniero Ricardo Ríos, docente de la Facultad de Ingeniería, Universidad Libre
de Colombia, por su incondicional colaboración en el desarrollo mecánico de
este proyecto.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Ingeniero Andrés Salinas, jefe de producción de Tec-Laser S.A., por su
cooperación en la ejecución de pruebas de corte.
Allen Bateman, docente de la Universidad de Cataluña, Barcelona, España.
Por su desinteresada colaboración en el desarrollo de software de visión
artificial.
Peter Kovesi, School of Computer Science & Software Engineering, The
University of Western Australia, Crawley, Western Autralia., por sus aportes en
desarrollo de código libre en su sitio web sobre visión artificial.
Ingeniero Baldomero Méndez, Director de Ingeniería Mecatrónica y Electrónica,
Universidad de San Buenaventura, por su colaboración y guía en el desarrollo
de pruebas en Festo.
Diana Carolina Mejia G. Auxiliar de Compras y laboratorio, Curtiembres El
Reno Ltda., por su interés en la automatización del corte de cuero.
Al grupo de operarios de planta de Tec-Laser S.A., por su colaboración, y
aportarnos su experiencia en las pruebas de corte.
Nelson Zica, miembro del Departamento de Laboratorios, Universidad de San
Buenaventura, por su colaboración en la construcción del prototipo de visión
artificial.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Orlando Castiblanco, gerente general de Vacuum Servicio Especializado, por
facilitarnos equipos para la ejecución de pruebas de vacío.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
CONTENIDO
pág. INTRODUCCIÓN 29
1. PLANTEAMIENTO DEL PROBLEMA 31
1.1 ANTECEDENTES 31
1.1.1 Importancia de la cadena productiva de cuero 33
1.1.2 Estructura de la cadena productiva de Cuero 37
1.1.3 Tendencias tecnológicas (procesos productivos) 38
1.1.4 Máquinas de corte para cuero 41
1.2 DESCRIPCIÓN Y FORMULACIÓN DEL PROBLEMA 42
1.3 JUSTIFICACIÓN 44
1.4 OBJETIVOS DEL PROYECTO 45
1.4.1 Objetivo general 45
1.4.2 Objetivos específicos 46
1.5 ALCANCES Y LIMITACIONES DEL PROYECTO 47
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
1.5.1 Alcances 47
1.5.2 Limitaciones 48
2 MARCO TEÓRICO 50
2.1 DESCRIPCIÓN DE DAÑOS EN LA PIEL 50
2.2 TÉCNICAS DE CLASIFICACIÓN DE OBJETOS
POR VISIÓN ARTIFICIAL 53
2.2.1 Adquisición de imágenes 53
2.2.2 Sistemas de iluminación 55
2.2.3 Representación del color 59
2.2.4 Procesamiento de imágenes 61
2.3 REDES NEURONALES 68
2.3.1 Arquitectura perceptron multicapa (PMC) 74
2.3.2 Algoritmo de retropropagación y proceso de aprendizaje. 76
2.4 SISTEMA MECÁNICO 79
2.4.1 Materiales 79
2.4.2 Principio de corte láser 81
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
2.4.3 Bombas de Vacío 83
2.4.4 Rodamientos 85
2.4.5 Poleas y Correas Dentadas de Tiempo 86
2.4.6 Motorreductores 87
2.4.7 Diseño de ejes 88
2.4.8 Tornillos 89
2.4.9 Soldaduras 90
3 DESARROLLO INGENIERIL 92
3.1 DISEÑO DE LA MESA DE CORTE 93
3.1.1 Área total de corte 93
3.1.2 Superficie de corte 94
3.1.3 Diseño de la rejilla 101
3.1.4 Sistema de sujeción 102
3.1.5 Diseño de la base de succión 107
3.2 DISEÑO DEL MÓDULO DE VISIÓN ARTIFICIAL 110
3.2.1 Cámaras para visión artificial 110
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
3.2.2 Iluminación del módulo de visión artificial 112
3.2.3 Soportes del módulo de visión artificial 113
3.2.4 Elementos difusores en lámina acrílica 129
3.2.5 Estructura del módulo de visión artificial 131
3.2.6 Elementos para el mecanismo de desplazamiento
del módulo de visión artificial 139
3.3 PROTOTIPO DEL SISTEMA DE VISIÓN ARTIFICIAL 195
3.3.1 Descripción de las muestras utilizadas en los experimentos 196
3.3.2 Sistema de iluminación 197
3.3.3 La adquisición de imágenes en el espectro visible 199
3.3.4 Captura de imágenes en el espectro visible 200
3.3.5 Sistema digitalizador de video 201
3.4 DESARROLLO DE SOFTWARE DE VISIÓN ARTIFICIAL 202
3.4.1 Preprocesamiento de la imagen 202
3.4.2 Extracción de características 218
3.4.3 Control de avance del módulo de visión artificial 243
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
3.4.4 Control sistema de succión mesa de corte 247
3.4.5 Desarrollo de software “Visión artificial cuero V1.0” 249
3.5 POSPROCESAMIENTO DE LA IMAGEN GENERADA POR EL
SOFTWARE DE VISIÓN ARTIFICIAL 256
3.6 VALIDACIÓN DEL PROCESO DE INSPECCIÓN Y CORTE 258
3.6.1 Validación del software de visión artificial 258
3.6.2 Prueba de corte láser sobre el prototipo de la mesa. 261
4 CONCLUSIONES 265
BIBLIOGRAFÍA 268
ANEXOS 274
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
LISTA DE TABLAS
pág. Tabla 1. Variación % de las Exportaciones Italianas de Maquinaria
(Enero/Mayo 2000). 39
Tabla 2. Características de máquinas para corte de cuero. 42
Tabla 3. Potencias y velocidades de corte láser para distintos
materiales. 83
Tabla 4. Resultados de la prueba con válvula generadora de vació. 105
Tabla 5. Características de las lámparas 113
Tabla 6. Lámparas fluorescentes. 201
Tabla 7. Cueros de muestra, detección color. 219
Tabla 8. Referencia de código de matrices de la red 220
Tabla 9. Salida codificada para la RNA de clasificación por color. 225
Tabla 10. Frecuencias y ángulos utilizados en el banco de filtros de 230
Gabor.
Tabla 11. Codificación de la salida de la RNA por banco de filtros de 232
Gabor.
Tabla 12. Clasificación de errores, experto vs. software. 259
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
LISTA DE FIGURAS
pág. Figura 1. Empleo y Producción: Participación de la cadena en la
industria (1993 - 2003). 36
Figura 2. Estructura simplificada de la cadena. 38 Figura 3. Daños de la piel en la producción bovina. 51
Figura 4. Ejemplo de la conexión de una RNA multicapa de 5
entradas, dos capas ocultas y 5 salidas. 70
Figura 5. Diagrama de flujo del proceso. 92 Figura 6. Plano de corte para el CNC, prueba 1. 95 Figura 7. Resultados de corte con material de sacrificio. 96
Figura 8. Mallas base en acero galvanizado. 97
Figura 9. Resultados de corte en mallas de acero galvanizado. 98
Figura 10. Bases de Aluminio para prueba de corte. 99 Figura 11. Pieles cortadas en superficie de aluminio. 100
Figura 12. Platina para la rejilla. 101
Figura 13. Rejilla para corte láser. 102
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 14. Elementos generadores de vacío Festo. 104
Figura 15. Caja para pruebas de vacío. 106
Figura 16. Base del sistema de succión. 108 Figura 17. Bomba de vació LEMA 25. 109
Figura 18. Módulo de visión artificial. 111
Figura 19. Ubicación de las cámaras en el módulo de visión artificial. 112
Figura 20. Distribución de las lámparas en el módulo de visión
artificial. 113
Figura 21. Detalle de los soportes del módulo de visión artificial. 114
Figura 22. Fuerza cortante en la unión de la T. 115
Figura 23. Diagrama de Fuerzas en la barra redonda. 121
Figura 24. Máxima deflexión de la barra redonda. 122
Figura 25. Soldadura en el soporte del módulo de visión artificial. 123
Figura 26. Definición de cargas y apoyos en el soporte en T. 128
Figura 27. Esfuerzos Equivalentes de von-Mises en el soporte en T. 128
Figura 28. Esfuerzos Cortantes Máximos en el soporte en T. 129
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 29. Soporte en T. Deformación total máxima. 129
Figura 30. Distribución de los elementos difusores en acrílico. 130
Figura 31. Perfiles de aluminio. 131
Figura 32. Estructura del modulo de visión artificial. 132
Figura 33. Cargas sobre la estructura del módulo de visión. 134
Figura 34. Máximo esfuerzo equivalente de von –Mises en la
estructura del módulo de visión. 135
Figura 35. Máxima deformación en la estructura. 136
Figura 36. Esfuerzos cortantes máximos en la estructura de visión
artificial. 137
Figura 37. Soldadura del soporte frontal con el marco frontal. 138
Figura 38. Definición de la junta en Dynamic Designer. 140
Figura 39. Energía cinética del módulo. 141
Figura 40. Consumo de potencia con respecto al tiempo. 142
Figura 41. Motor SK 1SI 31 IEC 63 L/4. 143
Figura 42. Ubicación del mecanismo de desplazamiento del
módulo de visión artificial. 146
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 43. Cargas sobre el eje motriz. 148
Figura 44. Diagrama de cortante transversal en el eje transmisor. 149
Figura 45. Magnitud del Momento en el eje transmisor. 150
Figura 46. Eje de la polea de transmisión. 152
Figura 47. Unión del soporte del motor a la protección de la correa. 166
Figura 48. Disposición de la polea loca de la transmisión. 170
Figura 49. Cargas sobre el eje de la polea loca. 171
Figura 50. Diagrama de cortante transversal. 171
Figura 51. Magnitud del Momento en el eje de la polea loca. 172
Figura 52. Eje de polea loca. 174
Figura 53. Cargas sobre la junta de la L a la base de la mesa. 179 Figura 54. Definición de cargas y apoyos sobre la placa soporte del
motor. 185
Figura 55. Esfuerzos equivalente de von-Mises placa soporte del
motor. 185
Figura 56. Soporte motor. Esfuerzo cortante máximo. 186
Figura 57. Soporte Motor. Deformación máxima de las piezas. 186
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 58. Definición de apoyos y cargas sobre el soporte en L. 187
Figura 59. Soporte en L. Esfuerzos equivalentes de von Mises. 188
Figura 60. Soporte en L. Esfuerzos Cortantes Máximos. 188
Figura 61. Soporte en L. Deformación máxima de las piezas. 189
Figura 62. Definición de cargas y apoyos en los rieles. 190
Figura 63. Rieles. Esfuerzos Equivalentes de von-Mises. 191
Figura 64. Rieles. Esfuerzos Cortantes Máximos. 191
Figura 65. Rieles. Deformación total máxima. 192
Figura 66. Definición de cargas y apoyos en la protección del
sistema de transmisión. 193
Figura 67. Protección sistema de transmisión. Esfuerzos
Equivalentes de von-Mises. 194
Figura 68. Protección sistema de transmisión. Esfuerzos Cortantes
Máximos. 194
Figura 69. Protección sistema de transmisión. Deformación total
máxima. 195
Figura 70. Prototipo del sistema de visión artificial. 197
Figura 71. Esquema del algoritmo de preprocesamiento. 203
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 72. Visualización de la cámara en Matlab. 205
Figura 73. Imagen a color y sus respectivas capas. 206
Figura 74. Imagen en escala de grises. 207
Figura 75. Imagen umbralizada. 208
Figura 76. Pantalla en la que se ingresa el ancho de la imagen. 209
Figura 77. Área del cuero en cm2. 210
Figura 78. Bordes en el cuero (Contorno principal). 212
Figura 79. Contorno sobrepuesto a la imagen en escala de grises. 213
Figura 80. Representación de la matriz característica de
entrenamiento para la RNA de clasificación de color en cada cuero. 218
Figura 81. Proceso de conformación de la matriz característica por
muestra de cuero. 223
Figura 82. Proceso conformación matriz de entrenamiento total
para RNA de clasificación de colores. 223
Figura 83. Topología red neuronal artificial. 224
Figura 84. Funciones de transferencia modelo neuronal. 224
Figura 85. Conformación del conjunto de validación. 226
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 86. Sobre aprendizaje en entrenamiento red neuronal. 227
Figura 87. Banco de filtros de Gabor, a frecuencias y ángulos 231
tabla 10.
Figura 88. Proceso de conformación matriz de entrenamiento
de la RNA reconocimiento de errores con filtros de Gabor. 232
Figura 89. Simulación RNA clasificación errores a partir de filtros
de Gabor. 233
Figura 90. Proceso de caracterización de la matriz de entrenamiento
por error en el cuero. 235
Figura 91. Proceso de conformación matriz de entrenamiento de la
RNA de clasificación de errores en el cuero. 236
Figura 92. Entradas de errores y objetivos de la RNA de clasificación
de errores. 237
Figura 93. Curva de validación de la RNA de clasificación de errores
en el cuero. 238
Figura 94. Simulaciones en la RNA de clasificación de errores
en el cuero. 239
Figura 95. Campo de visión de cada cámara del módulo de visión. 244
Figura 96. Algoritmo del control del motor de avance del módulo
de visión artificial. 245
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 97. Proceso de captura de imágenes, tiempos y etapas. 246
Figura 98. Circuito de potencia para el motor trifásico de avance del
módulo de visión artificial. 247
Figura 99. Algoritmo de control bomba de vacío. 248
Figura 100. Circuito de potencia para el motor trifásico de la bomba
de vacío. 249
Figura 101. Esquema de la ventana principal del Software de visión
artificial en el cuero. 250
Figura 102. Algoritmo total del software de visión artificial en el cuero. 251
Figura 103. Ventana principal del software de visión artificial; zoom
indicadores de motor de avance del módulo y bomba de sistema de
sujeción. 252
Figura 104. Ventana principal del software de visión; posicionando
módulo de visión. 252
Figura 105. Ventana principal software de visión; Procesando
imágenes. 253
Figura 106. Pop Menú ventana principal. 254
Figura 107. Entorno del software de visión artificial. 255
Figura 108. Cuadro de resultados. 256
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
Figura 109. Imagen sectorizada. 257
Figura 110. Corte láser con base la rejilla de Aluminio y sujeción por
vacío. 261
Figura 111. Plano de corte para el CNC. 262
Figura 112. Pruebas de corte láser con base la rejilla. 263
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
LISTA DE ANEXOS
ANEXO A Tabla. Muestreo de las dimensiones de las pieles.
ANEXO B Tabla. Pruebas de corte sobre MDF.
ANEXO C Tabla. Pruebas de corte sobre Malla de acero galvanizado.
ANEXO D Tabla. Pruebas de corte sobre Malla de aluminio.
ANEXO E Ficha técnica de la bomba de vació.
ANEXO F Ficha técnica, cámara para visión artificial.
ANEXO G Canal tipo marco.
ANEXO H Características del rodamiento 6300-2Z.
ANEXO I Información técnica sobre la lámina acrílica.
ANEXO J Especificaciones técnicas del aluminio 6063-T5.
ANEXO K Información técnica sobre el motor SK 1SI 31 IEC 63 l/4.
ANEXO L Tablas del Manual de selección de transmisiones por
correas dentadas de Tiempo y Sincrónicas de INTERMEC Ltda.
ANEXO M Tabla de resultados de corte para simulación.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
ANEXO N Cotización de materiales.
ANEXO O Planos.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
GLOSARIO
APELAMBRADO: proceso por el cual se le retira el pelo al cuero en pelambre
(mezcla de agua y cal).
BOVINO: perteneciente o relativa al toro o a la vaca.
CAPELLADA: parte superior del calzado.
CARNAZA: corresponde a la cara interna de la piel que estuvo en contacto con
el músculo y grasa del animal.
CCD: del inglés Charge-Coupled Device, "dispositivo de cargas (eléctricas)
interconectadas", es un circuito integrado que contiene un número determinado
de condensadores enlazados o acoplados.
CHAPA: hoja o lámina de metal.
CUERO: es la piel de los animales transformada en una sustancia inalterable,
que se obtiene mediante los procedimientos del curtido.
CURTIDO: proceso por el cual una piel sometida a al acción de agentes
químicos, adquiere propiedades de resistencia a la degradación, y se
transforma en cuero.
CURTIEMBRE: lugar donde se realiza el proceso del curtido.
DENDRITAS: son prolongaciones protoplásmicas ramificadas, bastante cortas,
de la célula nerviosa. Son terminales de las neuronas; y están implicadas en la
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
recepción de los estímulos, pues sirven como receptores de impulsos nerviosos
provenientes desde un axón perteneciente a otra neurona.
DESENCALADO: proceso con el que se afloja el cuero apretado.
DESUELLO: comprende todos los pasos para retirar la piel de un animal sin
alterar su calidad.
DIFUMINADA: línea o color que se ha esfumado o a perdido su claridad.
DUMPING: práctica comercial de vender a precios inferiores al costo, para
adueñarse del mercado con grave perjuicio de éste.
FAENADO: corresponde a las operaciones posteriores al sacrificio.
FEEDFORWARD: "alimentación hacia adelante". Es un fenómeno paralelo al
precedente sólo que la información o energía de que dispone el sistema la
reinyecta en el mismo y lo propulsa a otros estados más "avanzados".
FLOR: es la cara externa de la piel en la cual se observa el pelo, es la
superficie más valiosa y la cual da la apariencia final al cuero.
FRAME GRABBERS: periférico de entrada para computadores que digitaliza
una señal análoga de video.
GUARNECIDO: recubrimiento que se le hace al cuero.
HISTOGRAMA: representación gráfica de una distribución de frecuencias por
medio de rectángulos, cuyas alturas representan intervalos de la clasificación y
correspondientes frecuencias.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
HOJA: referente a media piel.
LEVANTE: etapa de engorde de la vaca.
MIASIS: también llamadas gusaneras, destruyen las pieles perforandolas.
PIEL: capa del tejido que recubre el cuerpo del animal y lo protege de la acción
de los factores externos.
PÍXEL: superficie homogénea más pequeña de las que componen una imagen,
que se define por su brillo y color.
PLANTA DE BENEFICIO: lugar dotado con instalaciones necesarias para el
beneficio de animales, para consumo humano.
PRINCIPIO VENTURI: corriente de un fluido dentro de un conducto cerrado
que disminuye la presión del mismo al aumentar la velocidad cuando pasa por
una zona de sección menor. Si en este punto del conducto se introduce el
extremo de otro conducto, se produce una aspiración del fluido contenido en
este segundo conducto.
UNIDAD FR: válvula de entrada de una sistema neumático que cuenta con un
filtro y una reguladora de caudal.
VAQUETA: referente a la piel completa.
VENTOSA: pieza cóncava de material elástico en la cual, al ser oprimida contra
una superficie lisa produce vacío, adhiriéndose a dicha superficie.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
29
INTRODUCCIÓN
La continua globalización y apertura de los mercados hacen imprescindible un
esfuerzo de la industria del cuero para ofrecer productos de alta calidad,
plenamente garantizados, ya que éste será el factor decisivo para su permanencia
en el mercado; en competencia con países cuyos costos de producción son
sensiblemente más bajos, o para abrir nuevos mercados exigentes. La
disminución de los costos de los componentes electrónicos y el aumento
considerable de sus prestaciones, hacen que el corte automático del producto esté
cada vez más involucrado en la cadena productiva del cuero. Los sistemas
automáticos de corte no solo permiten alta velocidad, sino también la aplicación de
estándares de calidad.
Entre los parámetros más importantes que definen la calidad del cuero, están su
textura y su color. Por ello, en la actualidad, es importante desarrollar sistemas
automáticos basados en visión artificial, capaces de separar el cuero por color y
categorías, teniendo en cuenta las imperfecciones que puedan traer, ya que es
una de las principales causas de desperdicios en materia prima en el momento de
realizar el corte, los cuales siguen siendo poco eficientes.
En este documento se encontrarán las diferentes fallas existentes en el proceso
de corte de cuero, planteando el por qué se deben buscar alternativas que
mejoren el tiempo de producción, en un marco de ideas y conceptos ingenieriles
que fundamentan el desarrollo del proyecto de grado.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
30
Este proyecto muestra la realización del diseño y simulación de una mesa para el
escaneo y corte de cuero bovino. El método con que se trabajó logra un diseño
que cumple con las necesidades de la industria colombiana, debido a la
realización de diferentes tipos de pruebas en el corte de cuero con láser y el
reconocimiento de errores, tonalidades y tamaños de pieles terminadas en
curtiembres bogotanas.
Mediante el escaneo del cuero se incursionará en el campo de la detección de
errores en pieles bovinas, emulando algunas técnicas de reconocimiento visual
realizadas por el hombre y retroalimentando al sistema con las zonas útiles de la
piel para su respectivo corte.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
31
1. PLANTEAMIENTO DEL PROBLEMA 1.1 ANTECEDENTES El desarrollo de la industria ha estado ligado a la automatización de sus procesos,
en consecuencia, uno de los objetivos primordiales en la industria es alcanzar el
mayor grado posible de automatización. La industria de cuero no es una
excepción, y cada vez podemos encontrar más ejemplos de tareas realizadas de
manera automática, en todos sus sectores: curtiembres, marroquinerías y centros
de confección. Los sistemas automáticos se realimentan a través de sensores
electrónicos, que muchas veces emulan los sentidos humanos. Uno de los
sentidos que más utilizados para clasificar los objetos es la vista. Así, actualmente,
existen diversas aplicaciones en las que se diseñan y construyen sistemas de
visión artificial con el fin de inspeccionar los procesos o supervisar los productos
finalizados, en diferentes sectores de industria.
La inspección automática de diferentes objetos, es hecha para la evaluación de su
calidad, aplicación de gran interés. Los sistemas de clasificación e inspección
basados en visión artificial emulan decisiones humanas en la determinación de la
calidad. Aunque se acerquen cada vez más a la evaluación del tamaño, la forma,
el color y defectos externos, se encuentra diferencia entre clasificadores humanos
y automatizados; los resultados se inclinan en ocasiones hacia la tecnología y en
otras a la habilidad humana.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
32
Los bajos precios de los equipos electrónicos de adquisición de imágenes han
permitido introducir la visión artificial en gran parte de los procesos industriales,
sobre todo en aquellos que requieren un trabajo repetitivo y de gran precisión. Se
puede encontrar numerosos ejemplos de este tipo de procesos, como la
producción e inspección de plantas y semillas, la detección de malas hierbas en
los terrenos de cultivo para su posterior tratamiento, el envasado de líquidos, el
control de calidad de soplado de ampolletas y viales, etc.
Para la confección de algunos artículos de cuero, es necesaria la utilización de
pieles de diferentes ejemplares bovinos, las cuales tienen distintos procesos de
curtido que producen irregularidad en las tonalidades del producto final. Esto hace
necesaria una clasificación de cuero realizada de forma manual por parte de los
operarios, exponiendo la confección a errores de tonalidades por la inapropiada
selección de la materia prima.
A pesar del gran avance tecnológico que se ha tenido en la industria del cuero y
de la implementación de automatización en este campo, en Colombia para realizar
procesos de corte e inspección es necesario contar con la habilidad humana, lo
que causa un elevado porcentaje de desperdicio, dado que la implementación de
troqueladoras y plantillas fijas no dan la suficiente versatilidad para aprovechar de
una mejor manera el cuero. Pese al gran esfuerzo realizado por el operario y su
buen criterio de selección del material basado en su experiencia, empresas de
confección y calzado desperdician entre un 25% y un 35% de la materia prima,
en la etapa de corte1.
1 Curtiembres el Reno, Districarnazas Luna, Calzado Lizardini y Volare S.A.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
33
La industria textil en países europeos, emplea máquinas que aprovechan
eficientemente el material por medio de cortes de plotter con cabezales de
cuchillas o láser, pero son de un elevado costo lo que no hace rentable la
importación de éstas. La velocidad de corte es alta en este tipo de maquinaria;
factor que es importante en la fabricación de productos de cuero. Este factor no
tiene punto de comparación en Colombia, debido a que la utilización de
troqueladoras requiere de gran cantidad de pasos para realizar el corte, lo cual
vuelve ineficiente el proceso actual.
1.1.1 Importancia de la cadena productiva de cuero. La cadena productiva de
cuero, calzado e industria marroquinera, esta dividida en cuatro actividades en
Colombia: la producción de cuero crudo, el procesamiento de la piel en la actividad
de curtiembre, la fabricación de productos de marroquinería, talabartería y la
industria del calzado.
A partir de 2000, la creciente demanda de materia prima por parte de los países
fabricantes de productos de cuero (Francia e Italia en La Unión Europea, China en
Asia y Brasil en América Latina) hizo que los precios de las pieles se
incrementaran en forma sustancial, lo que originó un desabastecimiento de las
industrias nacionales.2
En el ámbito internacional, la industria del calzado ha mostrado desde mediados
del siglo pasado una relocalización de plantas productoras, desde los países
desarrollados hacia China, Corea, Hong Kong, Indonesia, Taiwán y Brasil. La
producción de calzado en estos países es intensiva en mano de obra y se ha 2 Ministerio de Desarrollo (2001) Los retos de la cadena de cuero, sus manufacturas y el calzado en el siglo XXI. Colombia.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
34
enfocado en calzado deportivo y de consumo masivo. Dos factores han
condicionado el proceso de relocalización en la industria del calzado: a) bajo costo
de la mano de obra en los países mencionados antes; b) falta de regulación
ambiental en el proceso de curtido de los cueros y pieles3.
Esta reubicación ha llevado a que la producción de calzado en países como
España, Italia y Portugal se haya enfocado en la fabricación de productos con un
alto grado de diferenciación en cuanto a marcas, diseño y materiales. Eso ha
contribuido a convertirlos en los países líderes en cuanto a diseños y a la
tecnología empleada para la producción de calzado. Sin embargo, la innovación
tecnológica más marcada se desarrolla en el calzado deportivo, que fabrica suelas
de plástico inyectadas directamente a la capellada e incorpora como insumos
materiales compuestos y fibras textiles sofisticadas combinadas con cuero y
caucho. Por su parte, el calzado femenino, que se caracteriza por los constantes
cambios en los modelos, incorpora la fabricación y diseño asistido por
computadora, que permite una mayor flexibilidad productiva para cubrir la
demanda.
En Colombia la cadena productiva del cuero, calzado e industria marroquinera
depende en gran medida del sacrificio de ganado bovino, del cual se obtiene gran
parte de la oferta de cuero y pieles. No obstante, esta oferta no puede ser
aprovechada completamente, debido al poco cuidado que se realiza al cuero
durante el proceso de levante del ganado vacuno y sacrificio. Esta situación se
3 Cerutti, Julia (2003) Estudios sectoriales. Componente: Industria del calzado. Secretaría de Política Económica, Ministerio de Economía de la Nación. Argentina.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
35
debe en gran parte a la deficiente capacitación que existe dentro del sector
ganadero en el manejo de cuero y pieles4.
La participación de la cadena productiva dentro de la industria manufacturera
colombiana5 en 1999 y en esos últimos cuatro años, las exportaciones de cuero y
sus productos han presentado caídas importantes, debido principalmente a la
situación económica y política afrontada con Venezuela (principal cliente de esta
industria). Así el comportamiento de las exportaciones puede observarse
alcanzando su pico más alto en 1991 con US$106,7 millones y el más bajó en
1999 con US$53,1 millones. En el año 2000 las ventas al exterior se incrementan
13% con respecto a 1999 llegando a US$60,0 millones y en el primer semestre de
2001 suman US$29,7 millones, manteniendo un nivel similar al del año anterior5.
Es importante mencionar, que durante la última década, las exportaciones de
cuero han sufrido este fuerte impacto, por factores como la reevaluación, la
pérdida de competitividad del calzado nacional en el ámbito mundial frente a los
mercados de Indonesia y Panamá, Chile, Perú, Venezuela y Ecuador. La industria
del calzado por su parte exporta entre un 10% y 15% de la producción nacional, lo
que muestra una industria excesivamente dependiente de la demanda interna. En
cuanto a las importaciones, se tiene que "han aumentado significativamente,
destacándose el año 1992 cuando se observó un incremento del 226,4%, debido a
la apertura económica, al contrabando, al dumping y a la competencia desleal que
se facilitó por la falta de control aduanero y por la inexistencia de una adecuada
infraestructura vial y portuaria en el país. A marzo de 1997 las importaciones han
4 Ministerio de Desarrollo (2001) Los retos de la cadena de cuero, sus manufacturas y el calzado en el siglo XXI. Capítulo 4 La oferta de pieles en Colombia. 5 De acuerdo a estudios realizados por el SENA y PROEXPORT.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
36
decrecido, lo cual fue indicativo de mejoras relativas en la balanza comercial
sectorial"6.
Así, el mayor volumen de divisas por concepto de exportaciones de calzado
colombiano proviene de Estados Unidos, Venezuela, Perú y los países del Caribe,
hacia los cuales se dirige más del 61% de las exportaciones.6
Figura 1. Empleo y Producción: Participación de la cadena en la industria (1993 -
2003)
Fuente. Encuesta Anual Manufacturera, DANE. Estimados 2002-2003.
El proceso industrial de la cadena en Colombia se inicia con el curtido y va hasta
la elaboración de calzado, productos de marroquinería y talabartería. Según la
Encuesta Anual Manufacturera (EAM), la cadena de cuero, calzado e industria
marroquinera tuvo en 2003 una participación de 1% dentro de la producción
industrial y 2,6% dentro del empleo industrial.
6 MINCOMEX, perfil de la cadena cuero y sus manufacturas, y calzado.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
37
La cadena de producción pertenece al macrosector de prendas de vestir dentro
del grupo de exportaciones colombianas, y tiene la participación con tres sectores:
cueros, manufacturas de cuero y calzado. El sector de calzado en el acumulado
de Enero de 2005 tenía exportaciones por US$4,99 millones, y para el 2006 por
US$10,10 millones, mostrando un aumento de exportaciones en el sector del
102,59%. El sector de manufacturas de cuero en el acumulado de Enero de 2005
tenía exportaciones por US$3,00 millones, y para el 2006 por US$3,40 millones,
mostrando un aumento de exportaciones en el sector del 13,11%. El sector de
cueros en el acumulado de Enero de 2005 se tenían exportaciones por ÙS$2.53
millones, y para el 2006 por solo US$1.68 millones, mostrando una caída de
exportaciones en el sector del 33.53%7.
1.1.2 Estructura de la cadena productiva de cuero. Para llevar a cabo el
análisis de la cadena productiva se parte del concepto de eslabón, que es una
agrupación de productos relativamente homogéneos en cuanto a características
técnicas de producción: materias primas, usos intermedios o finales y tecnologías
productivas. En el diagrama de flujo que describe la cadena productiva se recogen
las principales líneas de producción y los diferentes productos del sector a través
de 17 eslabones. En la cadena se distinguen cinco tipos de bienes finales:
calzado, vestuario, productos de marroquinería, productos de talabartería y
artículos de carnaza.
7 Proexport, Colombia. Inteligencia de mercados. Estadísticas de las exportaciones Colombianas. Enero de 2006.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
38
Figura 2. Estructura simplificada de la cadena
Fuente. Proexport, Cuero, Calzado e Industria Marroquinera.
El eslabón con mayor participación es calzado de cuero (30,4%), seguido por
pieles curtidas de ganado vacuno (26,3%). En la línea de producción se observa
que los eslabones asociados con la elaboración de calzado participan con 39,8%
de la producción, con la elaboración de productos de marroquinería (10,6%), con
los artículos de carnaza (5,4%), con los productos de vestuario (2,3%) y los
productos de talabartería tienen una participación menor a 1%8.
Los índices de dedicación por establecimientos y por empleo en Colombia tienen
un alto grado en la cadena, este hecho se debe a la lenta evolución tecnológica
del sector en Colombia.
1.1.3 Tendencias tecnológicas (procesos productivos). Existen dos campos:
la distribución tecnológica, que comprende la producción de maquinaria y los
8 Proexport, Cuero, Calzado e Industria Marroquinera
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
39
volúmenes exportados e importados; y los procesos productivos, que implican el
uso de esa maquinaria que describen de manera específica algunos aspectos del
procesamiento en el caso de cueros y pieles, y de fabricación en el caso de
calzado y otras manufacturas.
En el campo de la distribución tecnológica, se encontró que Italia es uno de los
mayores proveedores de maquinaria y materiales para las industrias del calzado y
del cuero de América Latina. En 1999 los fabricantes de tecnología para calzado
tradicional registraron un crecimiento del 6% en sus exportaciones hacia América
Latina, respecto al año anterior, significando esto U$200 millones
aproximadamente. Comportamiento similar presentaron las exportaciones de
máquinas para curtiembres que crecieron 6%. Los principales clientes de
maquinaria italiana de calzado en el centro y sur de América son: México, Brasil y
Argentina, ocupando los puestos sexto, séptimo y duodécimo respectivamente
dentro de los mejores compradores del exterior.9
Tabla 1. Variación % de las Exportaciones Italianas de Maquinaria (Enero/Mayo
2000)
Fuente. Datos de Assomac/Italia.
En el tema de los procesos productivos es importante destacar el actual uso de
tecnologías limpias, que en general tiene que ver con combinar la exigencia de
9 Ibid, publicación Mindesarrollo
País Calzado Curtiembre
Brasil 31,30 36,60
Argentina -9,00 -31,70
México 83,40 -21,20
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
40
mejorar la situación ambiental con la preservación del proceso de crecimiento
económico. Desde este punto, se enfatizan fundamentalmente las posibilidades
que brindan las estrategias de la "prevención de la contaminación" o "eco-
eficiencia", que pasa a su vez por un incremento de la eficiencia productiva, la
disminución en la producción de residuos y la aplicación de tecnologías "limpias".
En el sector de los curtidos existen varias tecnologías limpias que implican la
reducción de químicos y materias primas contaminantes. Entre las técnicas más
importantes se encuentran: enfriamiento de la piel para conservarla sin emplear
sal, procesos que benefician el pelo con el fin de que las aguas residuales no
resulten contaminadas, depilado apoyado enzimáticamente a efectos de ahorrar
productos químicos de apelambrado agresivos y/o tóxicos, desencalado con
dióxido de carbono a efectos de evitar las sales amoniacales, curtición al cromo de
alto agotamiento, recirculación de los baños de cromo, recirculación del cromo
después de precipitación y redisolución, curticiones alternativas, sustitución parcial
del cromo, acabados con poco disolvente, Wet White (Cuero en blanco húmedo) y
eliminación racional de los residuos sólidos10.
En la producción de calzado y sus procesos de fabricación puede notarse una
evidente modernización, además de que los conceptos de automatización y
racionalización son cada vez más comunes dentro de las principales operaciones.
La inclusión de robots es frecuente en la fabricación integral del zapato y de sus
componentes. En la actualidad existe una importante empresa alemana que está a
la vanguardia en materia de robótica aplicada en la fabricación de calzado
(Desma), la cual emplea un software novedoso para la programación de funciones
10 Mincomex, Op. Cit.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
41
para robots cuyo resultado es el incremento en la efectividad y calidad del trabajo.
Las ventajas que ofrece son las siguientes11:
• Automatización para raspado, rociado de adhesivos, deshormado,
manipuleo de hormas, corte de rebabas, aplicación de desmoldantes en
matrices, principalmente.
• Ahorro de personal en las secuencias de producción.
• Alta calidad de trabajo por la exacta y segura reproducción de tarea.
• Significativa reducción de operaciones de terminación.
• Aplicaciones flexibles con respecto a la construcción de fondos y medidas.
• Calidad constante.
• Optimización del costo-beneficio.
• Amplio potencial de desarrollo para nuevas aplicaciones en algunos
sectores de la fabricación de calzados y sus componentes.
1.1.4 Máquinas de Corte para Cuero. La gran variedad de pieles existentes en
el mercado y su procedencia natural, las hacen a cada una de ellas ‘única’ frente a
otra. Debido a esto los procesos de corte son una tarea tan densa, que las
soluciones pueden llegar a ser diversas e ineficientes, al afirmar que en casos de
adaptación del sistema al sentido subjetivo de selección del cliente. La tarea
puede ser en algún sentido imprescindible. Los sistemas y máquinas de corte
existentes en el mercado mundial, tienen diferentes soluciones para ayudar a los
operarios a mejorar su concentración en líneas de producción grandes y
pequeñas. Sin embargo el costo de este tipo de maquinaria hace pensar dos
veces al empresario colombiano al momento de adquirirlas.
11 Para efectivizar producciones – Robotización. En: revista Serma, No. 55 (junio-julio de 2000).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
42
Entre las máquinas de corte automático para cuero se encuentran dos tipos de
cortes, el corte láser y corte por cuchilla. El uso de máquinas de corte láser se
emplea en sistemas de producción en línea debido a su alta velocidad de corte, en
cambio en las máquinas de corte con cuchilla se tienen velocidades de corte un
poco más bajos y se crean inconvenientes durante el proceso, ya que la vida útil
de las cuchillas es baja.
A continuación se presenta la tabla 2 con las características de distintas máquinas
utilizadas para el corte de cuero.
Tabla 2. Características de máquinas para corte de cuero.
Nombre Tipo de Cabezal
Velocidad de corte Potencia
Área de trabajo
Taurus XD Gerber Cuchilla 1,27 m/s N.A 2,74m x 3,40m
Lectra Cuchilla 1,4 m/s N.A 3m x 6mHumantec System Inc Cuchilla 1,4 m/s N.A 1,80m x 2,40m Alpha System AL1630 Láser 2,2 m/s 150 W 1,8 m x 3 mCad-Cam Technology Láser 0,6 m/s 100 W 0,9m x 1,8 m
Troteclaser Láser 2 m/s 180 W 0,7m x 0,9m
Pacer Systems Láser 1 m/s 80 W 1,80m x 2,40m Fuente. Elaborada por los autores
1.2 DESCRIPCIÓN Y FORMULACIÓN DEL PROBLEMA El proceso de producción bovina y transporte de animales aporta una cantidad
considerable de defectos en la piel, esto genera desperdicios, pero el mayor
porcentaje de pérdidas se presenta en la parte de corte, ya que el área que no se
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
43
puede utilizar alcanza un 30%12 del área total. El principal problema es cortar
adecuadamente el cuero para evitar desperdicios excesivos de materia prima,
además de desarrollar un sistema que tenga la capacidad de aumentar la
velocidad de corte para lograr una mayor producción con respecto a la alcanzada
con los métodos tradicionales de plantilla y troqueladoras.
También se debe tener en cuenta que los defectos y tonalidades en la piel
representan una de las principales dificultades para calcular las áreas útiles y
efectuar cortes de piezas similares. Este proceso se realiza manualmente y las
aproximaciones no son óptimas, por las observaciones globales que puede tener
el operario y la disposición de la materia prima sobre las mesas de trabajo,
convirtiéndose en un factor adicional a controlar.
A pesar de la evidente existencia de máquinas de corte automatizadas, su elevado
precio no es atractivo para la industria colombiana, por lo tanto, el corte es
manual. La falta de exactitud en el corte hecho con cuchilla, adiciona procesos
para la reducción de bordes, que son necesarios para poder tener mejores
acabados y doblados en los productos finales. Estos procesos como el
guarnecido, incrementan el tiempo de producción, ya que cada una de las piezas
cortadas debe pasar por los sistemas de reducción de bordes, agregando un
problema adicional.
El problema a solucionar y desarrollar es:
12 Curtiembres el Reno, Districarnazas Luna, Calzado Lizardini y Volare S.A.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
44
¿CÓMO DISEÑAR UN DISPOSITIVO EN EL QUE SE SUJETE E IDENTIFIQUE
EL ÁREA ÚTIL DEL CUERO BOVINO CURTIDO, PARA CORTARLO DE FORMA
ADECUADA CON UNA MÁQUINA LÁSER?
1.3 JUSTIFICACIÓN En Colombia no existe una máquina de corte de cuero por láser, que sea capaz de
identificar los defectos de las pieles curtidas de bovinos, además de reconocer sus
tonalidades, calcular sus áreas útiles y cortarlas. El desarrollo del diseño de este
proyecto demostrará las capacidades de investigación, implementación y
desarrollo, que se han adquirido a través de la formación profesional. También se
podrá mostrar la eficacia que podría llegar a tener un sistema autómata diseñado
por ingenieros mecatrónicos y la sinergia que existe dentro de varios saberes
ingenieriles.
Debido a la baja productividad que presenta el corte manual del cuero, que genera
hasta un 30% (mencionado anteriormente) de material que no se utiliza, se ve la
necesidad inminente de buscar una alternativa de solución, que permita aplicar la
tecnología del corte láser con la versatilidad de los conocimientos en Mecatrónica,
desarrollando procesos aplicados a la industria de cuero. La velocidad y precisión
de los sistemas de corte láser son importantes para un corte que haga que los
bordes tengan buenos acabados, evitando los procesos de reducción de bordes.
Dada la gran gama de productos de cuero, el campo de acción es amplio y al
desarrollar un proyecto que facilite la producción de éste. En cuanto a la
innovación tecnológica, cabe hacer énfasis en la implementación de un sistema de
detección de fallas en la materia prima, mediante el escaneo y procesamiento de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
45
imágenes. La identificación que actualmente se hace a este tipo de defectos, es
realizada por inspección de los trabajadores que realizan el corte. Además las
diferentes tonalidades que tienen las pieles son identificadas por medio de careos,
y por lo tanto los cortes con los moldes son hechos con este criterio. El tiempo que
se pierde con la selección de áreas se puede mejorar con el software desarrollado
en este proyecto, que identificará por medio de reconocimiento de patrones como
sistemas estadísticos, sintácticos o redes neuronales, las áreas no útiles y las
útiles, de tal forma que se pueda aprovechar un mayor porcentaje del cuero. El
proceso que se desea mejorar, permite elevar la producción y disminuir el tiempo
de corte del cuero, además de mantener y mejorar los márgenes de calidad.
En cuanto a los recursos con los que se cuentan se puede recalcar la colaboración
de expertos en el manejo de corte láser, como Tec - láser S.A.; una compañía que
brindó recursos físicos y humanos para el desarrollo de la investigación. También
se contó con la colaboración de Curtiembres el Reno, la cual suministró cueros y
brindó asesoría con respecto a la producción del cuero y a los criterios de calidad
del mismo.
1.4 OBJETIVOS DEL PROYECTO 1.4.1 Objetivo General. Diseñar y simular un sistema automático de inspección
por visión artificial que reconozca las características del cuero como área total,
color e imperfecciones, para realizar su corte utilizando una máquina de rayo
láser.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
46
1.4.2 Objetivos Específicos.
• Seleccionar un tipo de iluminación que permita obtener la información
necesaria para implementar un sistema de visión artificial en el
reconocimiento de tonalidades e imperfecciones en el cuero bovino.
• Desarrollar un algoritmo para el preprocesamiento de imágenes
provenientes del sistema de adquisición de visión artificial, que permita la
detección del contorno del cuero y el cálculo de su área total.
• Desarrollar un algoritmo de clasificación de diferentes tonalidades que
presenta el cuero bovino.
• Desarrollar un algoritmo para la detección de las imperfecciones que se
puedan presentar en el cuero y que calcule el área de pérdida que éstas
generan.
• Desarrollar un software que emplee algoritmos de preprocesamiento,
clasificación de tonalidades y detección de imperfecciones, que permita
visualizar el área útil del cuero y sus características principales, para
realizar su corte con una máquina de rayo láser.
• Enlazar el software desarrollado con el CAD de la máquina de corte láser
seleccionada.
• Diseñar una superficie donde se pueda realizar el corte de cuero bovino de
forma adecuada con una máquina de corte láser.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
47
• Diseñar un sistema de sujeción para la piel en la superficie de corte, que
evité el movimiento de la misma en el área de trabajo, durante el proceso.
• Desarrollar el sistema mecánico y estructural del proyecto con base en
herramientas y software de diseño asistido por computador, para obtener su
modelo en 3D.
• Definir los parámetros de velocidad y potencia adecuados, para el corte de
cuero con máquinas láser.
• Validar la capacidad del software y el diseño del sistema para el corte
desarrollados, frente a las tareas que se realizan de forma manual en este
proceso.
1.5 ALCANCES Y LIMITACIONES DEL PROYECTO 1.5.1 Alcances. El proyecto consta de dos etapas, en la primera etapa se
realizaron los cálculos necesarios en el diseño de un sistema que permitió la
inspección de cuero bovino y su corte mediante el uso de rayo láser, utilizando
software de diseño asistido por computador para modelar físicamente dicho
sistema y realizar los cálculos estructurales mediante el análisis de elementos
finitos. Además se desarrolló un software en Matlab capaz de determinar la
tonalidad y el área útil del cuero teniendo en cuenta las imperfecciones que
presenta.
En la segunda etapa del proyecto se utilizaron muestras reales de cuero
proporcionadas por Curtiembres el Reno S.A., expertos en la curtición de pieles de
ganado bovino, los cuales suministraron criterios de calidad que se implementaron
en el desarrollo de este documento. Además se simularon procesos de inspección
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
48
mediante la construcción de un módulo de visión artificial permitió obtener
características de dichas muestras. También se construyó un prototipo de la mesa
de corte para realizar pruebas, gracias a que se contó con la colaboración de Tec-
Láser S.A., expertos en el corte de materiales con el uso de máquinas láser,
permitiendo comprobar partes de la teoría que se plantearon en este documento.
1.5.2 Limitaciones. Económicas:
• Teniendo en cuenta que la Universidad de San Buenaventura sede Bogotá,
no cuenta con equipos de tecnología láser, es necesario buscar asesoría
externa en este tema.
• La adquisición de cuero curtido representa un alto costo, el número de
muestras será limitada.
• La adquisición de equipos para realizar pruebas de visión artificial es
costosa, ya que este tipo de aplicación se realiza a nivel industrial.
Técnicas:
• Debido a que se carece de sistemas de identificación digital de cuero
bovino en Colombia, la información de primera mano es escasa y la poca
que se encuentra no es precisa. Al ser la industria del cuero privada la
información sobre sistemas de corte empleados es limitada.
• Las entidades normalizadoras en el país no cuentan con documentos
actualizados que especifiquen la clasificación de las pieles por sus errores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
49
• La Universidad carece de laboratorios de visión artificial, por lo tanto la
experimentación de estos aspectos debe ser realizada externamente.
• Debido a que los programas de CNC de las máquinas de corte láser
dependen un CAD especializado, es difícil generar una interfaz directa al
control de la máquina.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
50
2. MARCO TEÓRICO
Este capítulo describe la literatura, que ha servido como fuente de documentación.
Se ha considerado necesario estudiar cómo se han evaluado los diferentes
parámetros que definen la calidad de las pieles, y las técnicas que han sido
desarrolladas para medirlos, puesto que muchas de estas ideas han servido de
inspiración para el presente proyecto de grado. Se han estudiado métodos de
inspección basados en visión artificial, desglosando ésta en diferentes fases que
son: adquisición de la imagen, segmentación, extracción de características, y
clasificación de los objetos. Para estos dos últimos se tomaron sistemas de
inteligencia artificial genéricos que se adaptan y constituyen por si mismos para
resolver los problemas.
2.1 DESCRIPCIÓN DE DAÑOS EN LA PIEL.13
El buen manejo en la producción y obtención de la piel de ganado bovino, es el
factor de mayor importancia para determinar su calidad. Se conoce, que son
graves los errores que se cometen en los diferentes pasos de obtención y manejo
de esta materia prima, antes de ser sometida a tratamiento industrial; son
precisamente estos errores los que conducen a que las pérdidas económicas sean
grandes, con las consecuencias negativas que acarrean a la economía nacional.
Las buenas prácticas de producción hacen referencia al buen manejo de los
animales y a la adecuada nutrición, que sumadas a las buenas prácticas en el uso
de medicamentos veterinarios, garantizan la producción de carnes y subproductos 13 PROEXPORT, Colombia; ANDI, Cámara Sectorial del Cuero. Manual de Buenas Prácticas para la Producción y Obtención de la Piel de Ganado Bovino. 2006.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
51
de buena calidad e inocuos. El descorne se hace con el propósito de evitar las
heridas y rayones que se pueden causar los animales con los cuernos. La
aplicación de planes sanitarios y control de parásitos, protegen la piel de los
animales de garrapatas, ácaros, miasis y otras enfermedades que inhabilitan el
uso de la piel. En la figura 3 se observan los defectos más frecuentes en la
producción bovina.
Figura 3. Daños de la piel en la producción bovina. (a) Rayones en la piel.
(b)Marcas exageradas en bovinos. (c)Piel con problemas dermatológicos. (d)Piel
con parásitos.
(a) (b) (c) (d)
Fuente. Manual de Buenas Prácticas para la Producción y Obtención de la Piel de
Ganado Bovino. Proexport, Colombia.
La identificación del ganado es indispensable para el manejo de la ganadería, las
marcas no deben ser mayores a 12 cm2 y se deben localizar en las mejillas, en la
parte anterior del cuello (hasta 30 cm atrás del borde de la mandíbula), en las
piernas y brazos (hasta 30 cm de las rodillas o la corva), pero existen marcas
demasiado grandes o mal ubicadas en los sitios más valiosos de la piel causando
su deterioro.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
52
Los golpes con palos, varillas u otros objetos, o las formas de separación en el
transporte de animales pueden producir hematomas y heridas que deterioran la
piel.
En la planta de beneficio durante el sacrificio de los animales, las pieles pueden
ser afectadas especialmente al practicarse los cortes, por lo tanto, la planta debe
contar con capacitación, instalaciones, herramientas y equipos adecuados. Los
daños más frecuentes que se ocasionan a la piel durante el sacrifico y faenado
son:
• Defecto de “cuero venoso”: resulta de una sangría deficiente.
• Rayones: ocasionados por el deficiente uso de cuchillos, especialmente si
se utilizan cuchillos rectos.
• Cortaduras: cuando se perfora completamente la piel por alguna de las
siguientes causas: realizadas intencionalmente para sujetar las pieles con
la mano mientras se realiza desuello; por demora en el desuello; resulta
difícil la practica del desuello cuando el animal esta frío (el desuello debe
hacerse rápidamente después del sacrificio del animal); por el empleo de
cuchillos puntiagudos; y por una posición insegura del operario.
• Diseño inapropiado: resulta de la aplicación de un rayado inicial
inapropiado.
El transporte de las pieles desde la planta de beneficio a las curtiembres debe
realizarse en el menor tiempo posible, puesto que después de cuatro horas del
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
53
desuello, inicia la acción de enzimas y por consiguiente el proceso de deterioro,
mostrando pelo flojo o autólisis (ampollamiento por proliferación bacteriana). En el
almacenamiento se pueden encontrar defectos por suciedad (manchas por orina,
estiércol, sangre), por animales (ratas, insectos (el principal insecto que daña las
pieles almacenadas es el Derméstes Vulpinus), etc.) y por alta humedad (permite
la proliferación de los microorganismos causantes de la degradación). En el salado
pueden haber marcas en la flor por granos gruesos de sal y en el transporte
pueden haber manchas de origen metálico (hierro, magnesio) o abrasiones
mecánicas (rayones).
Durante el proceso de curtido de pieles se pueden cubrir errores, dependiendo de
las técnicas y químicos que se empleen en cada una de las curtiembres. Existe un
tipo de norma general, con la cual se clasifican las pieles por tipo. Según la
cantidad de errores que se encuentren dentro de la piel se le asigna un tipo, que
determina el proceso que se va a aplicar sobre ella y el producto final al que puede
ser destinado.
Debido a que el concepto de los errores en el cuero es un tema tan subjetivo, el
cliente de una curtiembre hace sus propias exigencias y él es el que determina
realmente que es un error o no en la piel, para poder fabricar su producto.
2.2 TÉCNICAS DE CLASIFICACIÓN DE OBJETOS POR VISIÓN ARTIFICIAL
2.2.1 Adquisición de imágenes. La adquisición de imágenes depende del tipo
de aplicación y tecnología que se tenga. Existen dos etapas en la adquisición de
imágenes, la primera es el sensor de imágenes o cámara y la segunda es la
tarjeta digitalizadora de imágenes.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
54
Los sensores de imagen o cámaras son las encargadas de adquirir la información
luminosa de la imagen, convertida en una señal eléctrica por lo general analógica
(en algunos casos digital). Aunque en un principio se empleaban cámaras de tubo
(Vidicom) que se basan en la generación de una señal eléctrica equivalente a la
intensidad de luz en un punto analizado sobre una placa fotoconductora14, en la
actualidad se emplean principalmente cámaras de estado sólido, que se basan en
el empleo de dispositivos de carga acoplada (CCD), como elementos sensores,
los cuales reducen el volumen de las cámaras debido a su tamaño y baja
potencia15.
Las cámaras CCD tienen como elemento básico el píxel, el cual junto a otros,
forman un cuadro que es explorado de tal forma que la información se puede
transmitir de manera serial. En Colombia, al igual que en EEUU se explora toda la
superficie del objetivo 30 veces por segundo, estando compuesta cada
exploración completa (llamada cuadro) por 525 líneas, de las cuales 480 contiene
información de la imagen16.
Las cámaras de estado sólido tienen como ventaja un peso y tamaño mínimo,
pequeño consumo, robustez a los golpes, gran ancho de banda, geometría
espacial exacta y poca sensibilidad a los campos magnéticos.
14 REIG PÉREZ, Miguel Jorge et al. Robótica en Producción I. Visión Artificial. Universidad Politécnica de Valencia. 1999. p. 7. 15 DE LA ESCALERA HUESO, Arturo. Visión por Computador, Fundamentos y métodos. Prentice Hall. 2001. p. 40-46. 16 MAZO Q., Manuel; BOQUETE V., Luciano y BAREA N. Rafael. Visión Artificial. Universidad de Alcalá, Departamento de Electrónica. 1996. p. 10.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
55
La tarjeta de adquisición tiene como finalidad principal, recoger la señal
analógica proporcionada por diferentes cámaras, convertirla en una señal digital y
almacenar ésta en memoria. Éste tipo de tarjetas digitalizadoras son denominadas
frame grabbers. Básicamente, están constituidas por los puertos de entrada de
señal de video, y el conversor análogo digital para obtener la imagen. A veces se
puede seleccionar una entrada de las distintas disponibles, extrayendo la señal de
video y sincronismo de los equipos conectados; permite vía software poder
configurar el sistema según la cámara que sé este empleando, así como ajustar la
ganancia y el contraste17.
2.2.2 Sistemas de Iluminación. La base para la adquisición de buenas
imágenes es tener la iluminación adecuada para la serie de objetos que se van a
analizar. La importancia del sistema de iluminación en un proceso de visión es tan
alta, que existen diferentes fuentes de luz y disposiciones,18 que permiten
simplificar considerablemente los algoritmos para la detección y extracción de
características de los objetos de la escena; algunos autores consideran que la
importancia de la iluminación en un sistema de visión artificial puede suponer el
70% de un proyecto de análisis de imágenes19.
Cuando un haz luminoso incide sobre un material, éste se puede reflejar, absorber
o transmitir; estas son propiedades reflexivas, absorbentes y transmitivas. Las
propiedades reflexivas de los materiales pueden ser especulares (ángulo de
incidencia igual al ángulo reflejado), difusas (rayos reflejados en todas
direcciones), reflectivas (reflexión en misma dirección y sentido opuesto al de
incidencia), selectivas al espectro (depende de la longitud de onda, puede ser
17 DE LA ESCALERA HUESO, Op. cit., p. 40-47. 18 Ibid., p. 12. 19 MAZO Q., Op. cit., p. 16.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
56
absorbido o reflejado) y no selectivas al espectro (toda longitud de onda es
reflejada).
Las propiedades absorbentes son las que muestran la capacidad de un material
para absorber un haz de luz. El color negro absorbe la luz de todas las longitudes
de onda y el blanco de ninguna. Las propiedad transmitiva, es la capacidad que
tiene un material para dejar pasar a través de él un haz de luz; los materiales que
lo hacen sin absorber o reflejar son transparentes, los que lo dejan pasar en todas
direcciones (difuso) son translúcidos, y los que dejan pasar algunas longitudes de
onda son selectivos al espectro20.
Existen diferentes tipos de iluminación, que se adecuan para distintas aplicaciones
consideradas en sistemas de visión artificial. La Iluminación Direccional, consiste en aplicar una iluminación orientada al objeto desde una dirección
determinada; se emplea en aplicaciones como localización y reconocimiento de
piezas, inspección de la superficie de los objetos, iluminación frontal o a contraluz,
y análisis de objetos 3D incrementando su contraste.
La Iluminación Difusa permite que los haces luminosos incidan sobre el objeto
desde todas las direcciones, pues se trata de una iluminación difuminada, aunque
puede ser intensa; se utiliza para analizar objetos de superficies suaves y
regulares, o se necesiten imágenes desde diversos puntos de vista, por lo que no
se pueden favorecer unas zonas mas que a otras.
20 DE LA ESCALERA HUESO, Op. cit., p. 14.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
57
La Iluminación a Contraluz consiste en iluminar el objeto por detrás, de forma
que la fuente luminosa, el objeto y la cámara estén alineados. Produce imágenes
con dos niveles de gris. Esta técnica se adapta bien en aplicaciones diseñadas
para la localización de piezas, análisis dimensional y presencia de agujeros
internos, en las cuales la silueta de los objetos es suficiente para su
reconocimiento. El principal inconveniente es la pérdida de los detalles, así como
la imposibilidad de detectar las fisuras en piezas.
La Iluminación Estructurada se basa en la proyección de puntos, franjas o
rejillas sobre la superficie del objeto, con lo cual se establece un patrón de luz
conocido. Al aplicar ese patrón sobre la superficie de la pieza, se puede comparar
con el mismo aplicado sobre una superficie plana, de manera que las diferencias
permiten determinar la presencia de dicho objeto, al tiempo que se ponen de
manifiesto las características tridimensionales de la misma.
La fuente de luz que va a producir el tipo de iluminación deseada puede ser
incandescente, fluorescente, LED, estroboscópica, láser o de fibra óptica. La Luz Incandescente presenta un costo bajo, es fácil de usar y pueden estar bastante
tiempo funcionando; por lo general se puede graduar su intensidad de forma
manual o a través del computador por algún puerto, la ventaja del segundo es que
puede ser modificado por el programa y además se evitan errores de cambio de
potencia de luz inadvertidamente. El principal problema con esta fuente de luz es
el elevado calor que disipan durante su funcionamiento, limitando de esta forma el
campo de aplicación, además su alimentación es alterna (aunque existen fuentes
reguladas) y la frecuencia (60 Hz) con la que funciona puede dificultar la toma de
imágenes con la cámara, ya que las imágenes capturadas van a tener variaciones,
obligando a emplear una sincronización con la cámara, proceso de alta dificultad.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
58
La Luz Fluorescente es eficiente y se caracteriza por no generar calor21. Mínima
disipación térmica22, y presentar formas, tamaños y colores diferentes. Son muy
comunes en sistemas de iluminación difusa, pero el principal inconveniente es no
poder operar a bajas temperaturas y la disminución del nivel de iluminación con el
paso del tiempo. Su frecuencia de funcionamiento comúnmente es de 100 Hz., sin
embargo existen lámparas de 1000 Hz. o más, que evitan variaciones en las
características de las imágenes capturadas por la cámara y sincronización entre
las dos. Una aplicación típica de los fluorescentes es la iluminación de objetos
con un elevado índice de reflexión, debido a que emiten luz difusa.
Los Diodos LED emiten una radiación monocromática y se pueden elegir
modelos de diferentes longitudes de onda. Tienen un periodo de vida largo, se
alimentan con fuentes de potencia bajas y su costo es muy bajo, sin embargo, su
intensidad de iluminación es baja. Generalmente se emplean para iluminaciones a
contraluz y difusas.
La Luz Estroboscópica (Flash) es buena para analizar objetos en movimiento si
no se tiene una cámara rápida, obteniendo resultados satisfactorios a un precio
más económico. Dan una iluminación intensa que no depende de la iluminación
del ambiente y existen dispositivos con pulsos de 2 μs. Tienen como
inconvenientes la necesidad de fuentes especiales de tensión, la intensidad de la
luz se pierde con el tiempo, deben estar sincronizados con el sistema de
adquisición de imágenes y el aumento de frecuencia de disparo, que no solo
disminuye la intensidad lumínica, sino también provoca un incremento en la
disipación de calor.
21 DE LA ESCALERA HUESO, Op. cit., p. 20. 22MAZO Q., Op. cit., p. 14.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
59
La Luz Láser esta focalizada y maneja una sola longitud de onda. Es utilizada en
iluminación estructurada, permitiendo tomar medidas tridimensionales. Puede
tener diversos patrones de luz como puntos, parrilla, líneas finas, etc. El principal
problema de esta fuente de iluminación es su alto costo, y el añadir medidas de
seguridad, para evitar daños oculares de los operarios que trabajen junto al equipo
de iluminación.
La Fibra Óptica sirve como guía de luz sin transmisión de calor en el sistema de
iluminación, por lo general de fuentes incandescentes. Su uso se centra en la
iluminación de pequeñas áreas y cavidades, que presentan un espacio constante
para la adquisición de imágenes.
2.2.3 Representación del Color. El color es una de las características más
importantes que definen los objetos. El análisis de una imagen a color es más
completo que el de una imagen a gris, pero esto acarrea un alto costo
computacional, que actualmente, el desarrollo de hardware ha equilibrado con el
tiempo de análisis y la cantidad de información (resolución de imágenes, cantidad
de mapas, tipos de formato, etc.).
La información que percibimos por los ojos está compuesta por radiaciones de
distintas longitudes de onda, asociadas a un color respectivo. La visión tiene como
parámetros la luminosidad, el tono y la saturación. Para comprender el estudio de
los espacios de color, aquí se muestran algunas definiciones básicas23:
• Brillo: sensación que indica si un área está más o menos iluminada.
23 DE LA ESCALERA HUESO, Op. cit., p. 68-82.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
60
• Tono: sensación que indica si un área parece similar al rojo, amarillo,
verde o azul o a una proporción de dos de ellos.
• Coloración: sensación por la que un área tiene un mayor o menor tono.
• Luminosidad: brillo de una zona respecto a otra blanca en la imagen.
• Croma: La coloración de un área respecto al brillo de un blanco de
referencia.
• Saturación: La relación entre coloración y el brillo.
Cualquier color se obtiene de la suma ponderada de los colores básicos: rojo,
verde y azul. Este espacio es conocido como RGB (Red, Green, Blue), y es el más
empleado en la adquisición de imágenes por medio de cámaras. Este espacio de
color tiene un problema, ya que en sus tres valores mezcla la información del color
(tono y saturación) y la intensidad. Complicando el aumento de contraste y la
separación de objetos por color, por lo que en muchos casos es preferible realizar
una conversión del espacio. La intensidad luminosa o niveles de gris se encuentra
contenida en la diagonal de la representación gráfica del espacio.
El espacio de color que evita inconvenientes mencionados en el espacio RGB, es
el tono, la saturación y el brillo, y su acrónimo en inglés HSI (Hue Saturation
Intensity ), el cual se basa en percibir los colores que tenemos los humanos. Este
sistema muestra una representación clara de color en cada uno de sus atributos,
tono o tinte (característica de color, que indica en qué grado un color es puro),
saturación o cromatismo (refleja el grado que un color puro esta diluido con
blanco) y brillo (nivel de gris de la imagen). La gran ventaja del formato HSI es que
no existe correlación entre los tres planos, por lo que cada uno de ellos da
información diferente sobre la imagen, sin embargo la transformación es no lineal
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
61
y posee singularidades, con lo que cualquier pequeña perturbación sobre R, G ó B
puede producir importantes cambios en HSI.24
Con las representaciones anteriores del espacio de color aparecen coeficientes
negativos para colores de determinada longitud de onda, lo cual supone una
fuente de error importante en los cálculos colorimétricos (comparación de un color
monocromático con el blanco de referencia). La CIE (Commission Internationale
de I'Eclairage) estableció un nuevo espacio de color, el XYZ, con la finalidad de
evitar esos coeficientes negativos. En la componente Y estaría la luminosidad y en
XZ la coloración; el eje Y es perpendicular al plano definido por XZ. Este espacio
es independiente del dispositivo que se éste empleando y se suele trabajar con
valores normalizados entre cero y uno.
El espacio de colores XYZ obtenido constituye el denominado "Diagrama
Internacional xy, CIE" o carta cromática xy. Una vez obtenidas las coordenadas
XYZ se pueden construir diferentes espacios CIEs, entre ellos, el CIE L*u*v* y el
CIE L*a*b*, en los cuales la descomposición es en tono, cromatismo e intensidad
de color. La diferencia entre los dos es la relación de colores como rojo / verde y
amarillo / azul.25
2.2.4 Procesamiento de Imágenes. Preprocesamiento de Imágenes. Cada vez que se adquiere una imagen digital,
ésta está contaminada por ruido, entendiendo como tal, cualquier valor de un píxel
que no corresponde exactamente con la realidad. A la información que se obtiene
en forma matricial se le aplican algoritmos cuya finalidad es conseguir una mejora
24 MAZO Q., Op. cit., p. 7-9. 25 DE LA ESCALERA HUESO, Op. cit., p. 68-82.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
62
en la apariencia de la imagen original, resaltando determinadas características que
pueden estar ocultas. Todas las operaciones de preprocesamiento de imágenes
son empleadas para que la imagen pueda ser analizada de una forma más simple.
Una imagen ideal supone de una iluminación uniforme y una ganancia lineal entre
la luz de entrada y la imagen resultante. El contraste (realce) muestra las
variaciones locales del brillo. Su manipulación busca favorecer los valores de
píxeles más claros o más oscuros de los contrarios, esto se logra aplicando una
función a cada uno de los píxeles de la imagen y al mismo tiempo normalizar los
valores en un rango (0~255). Otra forma es modificar el histograma de la imagen,
un proceso global y no puntual como el anterior. El histograma se ecualiza,
pretendiendo que éste sea horizontal, es decir, que para todos los valores de gris
se tenga el mismo número de píxeles. Estos dos tipos de operaciones pueden
distorsionar la información de algunos píxeles, por lo tanto, se desarrolló una
modificación que consiste en ecualizar el histograma, pero no en toda la imagen
sino por ventanas, por ejemplo, dividiendo la imagen en 15 por 1526.
El suavizado de la imagen (eliminación de ruido); elimina perturbaciones que
degeneran la imagen. La forma en la que se elimina el ruido adquirido en la
imagen es aplicando filtros o métodos, por los cuales, se obtienen resultados
satisfactorios para operaciones posteriores. Existen tres tipos de filtros empleados
en el suavizado de imágenes: filtros lineales espaciales, filtros no lineales y filtros
en el dominio de la frecuencia.
Como el ruido son variaciones sobre los niveles de gris, le corresponde
frecuencias altas, por lo que se aplican filtros pasa bajo para su eliminación. 26 DE LA ESCALERA HUESO, Op. cit., p. 111-125.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
63
Dentro de los filtros lineales espaciales se encuentran la suma de la imagen o filtro
de media, donde se genera una nueva imagen tomando N imágenes del objeto y
se promedian los N valores de cada uno de los píxeles, eliminando el ruido sin
distorsionar los contornos y las formas de la imagen, pero el objeto debe estar en
reposo en el proceso de tomas de imágenes. Otro filtro es el promediado del
entorno de vecindad que consiste en filtros pasa bajo espaciales o de forma
Gausiana, los cuales son máscaras aplicadas a la imagen original, donde se
calcula la media de los valores de los píxeles de su entorno de vecindad para
crear una nueva imagen. Éstos entornos de vecindad son por lo general de 3 x 3,
y si se consideran mayores (5 x 5, 7 x 7, etc.) se consigue reducir mas el ruido
pero se desdibujan los contornos de la imagen y otros detalles de forma.
Como en el promediado del entorno de vecindad existe un desdibujado de
contornos, se aplica la filtración de la mediana para evitar este defecto. Este filtro
es no lineal y trata definir el nuevo valor del píxel como la mediana de todos los
valores de los píxeles de entorno vecindad. La mediana M de un conjunto de
valores es aquel, que cumple, que la mitad de los valores del conjunto son
menores que M y la otra mitad son mayores que M. De esta manera se pretende
eliminar aquellos valores que son distintos (picos de intensidad) dentro del
conjunto, eliminando el ruido. Respecto a los contornos, éstos no se ven afectados
como en el promedio27.
La detección de bordes permite identificar algunos objetos dentro de la imagen.
Como su función es la de resaltar aquellos píxeles que presentan un valor de gris
distinto al de sus vecinos, en una imagen ruidosa, el efecto del ruido se
multiplicara; por lo tanto se debe eliminar el ruido antes de resaltar los bordes de
la imagen. El modo de detectar los bordes de un objeto consiste en encontrar 27 REIG PÉREZ, Op. cit., p. 23-25.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
64
variaciones bruscas de intensidad de la imagen, usando operadores de Gradiente
(1a derivada) y operadores de Laplaciana (2a derivada)28.
Segmentación de Imágenes. Este proceso divide a la imagen en sus partes
constituyentes u objetos, definiéndolas en regiones. Para poder segmentar
correctamente una imagen, es necesario que las regiones dentro de la imagen
sean en lo posible homogéneas, continuas, tengan características
significativamente diferentes entre regiones y límites precisos; características que
no son comunes en la realidad, pero que pueden ser alcanzadas en su mayoría
durante el preprocesamiento. Los procedimientos empleados para detectar la
discontinuidad dentro de las imágenes son fundamentados en técnicas de
detección de bordes y para detectar la similitud se usan los umbrales y el
crecimiento de regiones29.
La segmentación basada en la detección de bordes, debe acompañarse de
procedimientos de unión de bordes y detección de frontera, debido a que rara vez
en los procedimientos de detección de bordes da como resultado un conjunto de
píxeles de frontera. La forma más sencilla de unir puntos de bordes es por medio
de un análisis puntual, analizando un pequeño entorno vecindad en todos los
píxeles de la imagen en la que se ha detectado un borde, uniendo los puntos
similares y formando una frontera de píxeles que comparten características
comunes. Otra forma es haciendo un análisis global, estableciendo la unión de
puntos de frontera, determinando si se encuentran o no en una recta o una curva
arbitraria, obteniendo subconjuntos que se encuentren en líneas. La transformada
de Hough lo hace buscando formas geométricas, encontrando los parámetros de
aquella que contenga más píxeles dentro de ella. El último procedimiento tiene un
28 DE LA ESCALERA HUESO, Op. cit., p. 145-152. 29 REIG PÉREZ, Op. cit., p. 33-40.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
65
coste computacional alto, por el número de operaciones, sin embargo se pueden
hacer simplificaciones.
Se pueden segmentar regiones empleando umbrales sobre el histograma y sobre
alguna propiedad medida en el entorno de vecindad del punto considerado. La
aplicación de un umbral a la imagen, permite dividirla en subconjuntos de píxeles
que tienen características afines, lo cual puede señalar la diferenciación de
distintos objetos en la imagen. Una correcta selección del umbral se ve reflejada
en un histograma con picos altos, estrechos, simétricos y separados por profundos
valles.
Método de Otsu para un umbral óptimo.30 Una imagen es una función
bidimensional de la intensidad del nivel de gris, y contiene N píxeles cuyos niveles
de gris se encuentran entre 1 y L. El número de píxeles con nivel de gris i se
denota como fi, y la probabilidad de ocurrencia del nivel de gris i en la imagen está
dada por:
(2-1)
En el caso de la umbralización en dos niveles de una imagen (a veces llamada
binarización), los píxeles son divididos en dos clases: C1, con niveles de gris
[1,....,t]; y C2, con niveles de gris [t+1,....,L]. Entonces, la distribución de
probabilidad de los niveles de gris para las dos clases son:
30 UNIVERSIDAD NACIONAL DE QUILMES. Ingenierí en Automatización y control industrial. Catedra: Visión Artificial. Octubre de 2005.
Nfp i
i =
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
66
(2-2)
(2-3)
(2-4)
También, la media para la clase C1 y la clase C2 es
(2-5)
Los umbrales óptimos [t1*,t2*, ………….., tM*] se eligen maximizando 2Bσ como
sigue:
(2-6)
De ésta manera se obtiene el umbral óptimo por el método de Otsu, para la
segmentación de imágenes en niveles de gris.
Descripción y Reconocimiento de Imágenes. Para poder describir se necesita
extraer características de un objeto para reconocerlo. Para poder realizar esto se
emplean los denominados descriptores, que son independientes del tamaño, la
localización y la orientación del objeto, y deben contener la información suficiente
para identificar el mismo.
∑∑+==
++
==1
21
1
22
2
2
12
2
1
1
11
.)()(
)(.,,.........
)(,
)(:
)(,,.........
)(:
tii
t
tt
Ltt
pitwptw
twP
twP
twPC
twP
twPC
∑∑+==
==L
ti
it
t
t
twpi
twpi
1 22
1 11 )(
*)(
* μμ
)]..,.........2,1([*]*,2*,1[ 12
1 −− = MBM tttMaxttt σ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
67
Los descriptores de frontera contienen características del contorno del objeto.
Existen códigos de contorno que se emplean para representar una frontera como
un conjunto de segmentos con longitud y dirección determinada, estableciendo
sobre una cuadricula una conectividad de cuatro u ocho píxeles. Otros
descriptores de frontera son las signaturas, que se representan en funciones
unidimensionales de la frontera, con la distancia desde el centro del objeto hasta
la frontera en función de un ángulo. Las aproximaciones poligonales se basan en
captar la forma de la frontera adaptándole segmentos poligonales, pero
empleando el menor número de estos; y los descriptores de Fourier describen la
frontera bidimensional mediante la aplicación de la transformada de Fourier.
Los descriptores de región pueden describir la forma de la frontera y las
características internas de la misma. La información obtenida es la medida del
perímetro y área, evaluando el número de píxeles dentro de la frontera y
encontrando la equivalencia de un píxel con respecto a la medida real en la
imagen; La compacidad, la cual es independiente al cambio de la escala de la
imagen, y se determina hallando la relación del perímetro al cuadrado y el área;
los ejes del objeto, que determinan las distancias geométricas de la frontera y sus
momentos de inercia, para tener una idea de su orientación; la excentricidad,
conciente entre las longitudes del eje mayor y eje menor del objeto, independiente
del tamaño del objeto; la textura, empleando descriptores estadísticos o
estructurados, que entregan una idea intuitiva de la suavidad, rugosidad y
regularidad; el esqueleto de una región, que consigue caracterizar su eje
intermedio simplificando el reconocimiento del objeto; los momentos invariantes,
los cuales son insensibles a la traslación, rotación y cambio de escala del objeto,
permitiendo reconocer los objetos sin importar la posición en que se encuentren,
estén girados o su tamaño sea diferente; y la detección de agujeros,
localizándolos en el objeto, contándolos y midiéndolos, evitando en muchas
ocasiones describir los objetos sin necesidad de otros descriptores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
68
El reconocimiento de imágenes, identifica y etiqueta las regiones que han sido
segmentadas. Los métodos de reconocimiento se encuentran divididos en
métodos de decisión teórica y métodos estructurales. Los primeros se basan en
descripciones cuantitativas, y los segundos hacen descripciones simbólicas,
atendiendo a la forma del objeto.
Los métodos de decisión teórica emplean ecuaciones discriminantes que
contemplan los siguientes conceptos: característica, evaluando la propiedad del
objeto; clase, conjunto de características medidas en prototipos estadísticamente;
universo, conjunto de clases definidas para reconocer un objeto; hiperespacio de
características, el cual es un espacio vectorial donde cada punto representa un
objeto o prototipo, y sus coordenadas la evaluación de las características del
mismo, determinando a una clase como un subconjunto del hiperespacio; y las
distancias, que determinan la separación entre clases (distancia intraclase) y
compacidad de cada clase. El problema de reconocimiento define las fronteras del
hiperespacio, distribuye o define las clases de un conjunto de prototipos y
determina si un objeto pertenece a una clase, si esta próximo a ella o se encuentra
muy alejado de ella.
2.3 REDES NEURONALES El deseo de conocer la naturaleza de la inteligencia humana y las habilidades que
nos hacen diferentes a los animales, ha llevado a los seres humanos a crear
sistemas inteligentes que sean capaces de desarrollar una tarea. La primera parte
de esta Inteligencia artificial, es la simbólica, la cual sigue una serie de reglas
lógicas dictadas por un experto en el tema, dando una aproximación a la solución
del problema para poder diseñar la solución por completo (esquema de arriba
hacia abajo, top-down). La segunda parte es la subsimbólica, la cual no sigue una
disciplina sino que se va adaptando y construyendo, hasta formar por sí misma un
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
69
sistema capaz de resolver el problema, gracias a la experiencia adquirida
(esquema de abajo hacia arriba, bottom-up). A esta última pertenecen las redes
neuronales artificiales ya que son capaces de llevar un procesamiento paralelo
que permite emular, de la forma más fiel los sistemas neuronales de los
animales.31
Los resultados de una red neuronal artificial no se almacena en una posición de
memoria, este es el estado de la red para el cual se logra el equilibrio. El
conocimiento de una red neuronal no se almacena en instrucciones, el poder de la
red esta en su topología y en los valores de sus conexiones (pesos) entre
neuronas. La red neuronal artificial no alcanza la complejidad del cerebro, sin
embargo hay dos aspectos similares entre las redes biológicas y artificiales,
primero, los bloques de construcción de ambas redes son sencillos elementos
computacionales (aunque las redes neuronales artificiales son mucho más simples
que las biológicas) altamente interconectados; segundo, las conexiones entre las
neuronas determinan la función de la red.
La similitud conforme a su topología de las neuronas artificiales con las neuronas
biológicas, se encuentra en las entradas que representan las señales que
provienen de otras neuronas por medio de las dendritas, en los pesos que son la
intensidad de la sinapsis que conecta dos neuronas, y la función umbral que la
neurona debe sobrepasar para activarse; esto ocurre biológicamente en el cuerpo
de la neurona. Las entradas artificiales son variables continuas a las cuales se les
da una ganancia exitatoria o inhibitoria, que son pasadas a través de un umbral o
función de transferencia a la salida. La estructura básica de una red consta de una
serie de neuronas de entrada que se encuentran interconectadas a otras que
31 ISASI VIÑUELA, P. y GALVÁN LEÓN, I. M. Redes de Neuronas Artificiales, Un Enfoque Práctico. Pearson, Prentice Hall. 2004.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
70
calculan su salida y ésta capa se propaga a las conexiones de la capa de salida.
Éste tipo de arquitectura o patrón de conectividad es conocido como red multicapa
(figura 4), una estructura típica de implementación de la retro-propagación.
El primer nivel (capa de entradas) está constituido de células de entrada, que
reciben valores de unos patrones representados como vectores que sirven de
entrada a la red. Luego una serie de capas intermedias (uno o más niveles),
denominadas capas ocultas, cuyas unidades responden a rasgos particulares de
los patrones de entrada. El último nivel es el de salida (capa de salida) y sus
unidades sirven como salida de toda la red.
Figura 4. Ejemplo de la conexión de una RNA multicapa de 5 entradas, dos capas
ocultas y 5 salidas.
Fuente. Phytia – Neural Networks.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
71
La interconexión entre unidades es una ruta de comunicación por la que viajan
valores numéricos de una célula a otra, siendo evaluados por los pesos de las
conexiones, los cuales se ajustan durante el aprendizaje para conseguir la mejor
topología produciendo la red neuronal artificial final; pero es importante que las
redes cuenten con funciones de activación no lineales, que le ofrecen un mayor
potencial a la red para solucionar problemas de forma genérica, ya que con
funciones de activación lineales la red pierde gran parte de sus capacidades.
El aprendizaje de una red neuronal artificial es el que va a determinar que tipos de
problemas será capaz de resolver. Su sistema de aprendizaje se basa en
ejemplos. El conjunto de ejemplos debe ser significativo y representativo, para que
la red se pueda adaptar a los pesos de los ejemplos de forma eficaz y para que
ésta no se especialice en un subconjunto, sino que sea una aplicación general
para un conjunto.
Para entrenar una Red Neuronal Artificial (RNA) se considera un criterio de
convergencia entre sus salidas y el resultado deseado, definiendo la RNA en un
tiempo determinado. La primera forma de hacerlo, es fijando un número de ciclos
para introducir el conjunto de ejemplos, aceptando la red resultante. La segunda
forma es fijando un error, introduciendo los ejemplos y una función de error al
conjunto de entrenamiento, y en el momento de tener un error por debajo del
prefijado la red se encuentra entrenada. Sin embargo esto no se da y para evitar
tiempos infinitos en el aprendizaje es necesario fijar un número de ciclos en los
que se detenga el proceso, considerando a la RNA incapaz de obtener una
solución y obligando a modificar algunos parámetros de la topología de la red para
obtener un buen resultado. La tercera y última forma modifica los pesos de las
conexiones cada vez con menor intensidad, logrando que el proceso de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
72
aprendizaje no produzca variaciones en los pesos de ninguna conexión y a la vez
deteniendo el proceso de aprendizaje32.
Esquemas de aprendizaje. El aprendizaje de una RNA puede ser tomado con
tres esquemas diferentes. El primero es el supervisado, en el que las salidas
deseadas de la RNA se comparan con un patrón de salidas inducidas, y los pesos
de la red se ajustan según las diferencias entre las dos. El segundo es el no
supervisado, el cual ajusta el valor de los pesos con la información de los
ejemplos, tomando características como regularidades, redundancias u otros
rasgos significativos.33
El tercer esquema de aprendizaje es por refuerzo, éste determina si la salida
producida para dicho patrón es o no adecuada. El conjunto de aprendizaje consta
de ejemplos que contienen los datos y sus salidas deseadas. El proceso consiste
en modificar la red hasta obtener en lo posible el resultado deseado, pero esto no
indica que el sistema obtenga buenas salidas sobre el conjunto de aprendizaje,
sino sobre datos que puedan presentarse en el futuro, y cuyas salidas se
desconocen. En muchos casos el ajuste muy bueno con el conjunto de
aprendizaje lleva a malas predicciones, especializando a la RNA en los datos
introducidos y disminuyendo su capacidad de predicción o generalización.
Para poder determinar si la red produce salidas adecuadas, se divide el conjunto
de entrenamiento en dos conjuntos llamados de entrenamiento y de validación. El
conjunto de entrenamiento utiliza los valores de los pesos como el anterior pero el
error se mide con el conjunto de validación, para éste se tienen diferentes valores
32 ISASI VIÑUELA, P.; GALVÁN LEÓN, I. M. Op. cit., p. 11. 33 Ibid., p. 12.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
73
que en el de entrenamiento. Si el error es pequeño se garantiza la capacidad de
generalización de la red. El conjunto de validación debe ser independiente del de
aprendizaje pero debe cumplir las propiedades del conjunto de entrenamiento.
El modelo perceptrón se concibió en 1957 por Rosenblatt, como un sistema capaz
de realizar tareas de clasificación de forma automática. La idea era disponer de un
sistema que a partir de ejemplos de diferentes clases, fuera capaz de determinar
las ecuaciones de las superficies que hacen frontera de dichas clases. Estos
patrones de entrenamiento aportan la información necesaria para que el sistema
construyera las superficies discriminantes, las cuales determinan si un ejemplo
nuevo pertenece a una clase o no. La arquitectura de la red perceptrón simple
(PS) consta de un conjunto de células en la entrada y uno de salida
(interconectados entre cada miembro), además de un parámetro adicional, el
umbral. La salida de la red se obtiene calculando primero la activación de la célula
de salida mediante la suma ponderada por los pesos de todas las entradas,
∑=
=n
iii xwy
1
.' (2-7)
En un PS la función de salida es una función de escalón que depende del umbral:
( )θ,'yFy = (2-8)
( )⎩⎨⎧−
>=
contrariocasoenssi
sF..,1
.,1,
θθ
La salida se puede escribir en una sola ecuación, así:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
74
⎟⎠
⎞⎜⎝
⎛+= ∑
=
n
iii xwFy
1.. θ (2-9)
La función de salida F es binaria y de gran utilidad en este modelo ya que al
tratarse de un discriminante de clases, una salida puede ser fácilmente traducible
a una clasificación en dos categorías A y B. Este caso se presenta para dos
dimensiones ya que se determina la ecuación de una recta. El problema puede
complicarse si en vez de dos dimensiones hay muchas más. En este caso no se
toman rectas, sino hiperplanos.
2.3.1 Arquitectura perceptrón multicapa (PMC). El perceptrón multicapa
(PMC) es una generalización del perceptrón simple (PS) y surgió como
consecuencia de las limitaciones de dicha arquitectura en lo referente al problema
de separibilidad no lineal. La unión de varios PS resulta una solución adecuada
para tratar ciertos problemas no lineales, y retropropagando los errores medidos
en la salida de la red a las capas ocultas para activar las funciones. Las
conexiones del PMC siempre están dirigidas hacia delante, es decir, las neuronas
de una capa se conectan con las neuronas de la siguiente.
El entrenamiento de esta red neuronal consiste en presentar las entradas, junto
con las salidas deseadas para cada una de ellas, y modificar los pesos de acuerdo
al error (diferencia entre la salida deseada y la obtenida). La principal dificultad en
el entrenamiento de redes de varias capas es encontrar los errores asociados con
las capas ocultas; es decir, en las capas que no son las de salida (sólo se tiene
salida deseada en las capas de salida). Esto se debe a que los errores son
necesarios para el aprendizaje, para saber cómo modificar los pesos de las
neuronas en las capas ocultas. Así se da origen a algoritmos muy ingeniosos, el
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
75
precursor y más conocido por su simplicidad, es el que recibió el nombre de
retropropagación del error (backpropagation)34.
Así el funcionamiento de un PMC es básicamente, así: se aplica una entrada cuya
salida se conoce, luego se calcula la salida de las neuronas de entrada, estas
salidas son las entradas de las neuronas de la capa oculta, con estas entradas se
calcula la salida de las neuronas ocultas, y con éstas como entrada para las
neuronas de salida, se calculan las salidas finales. Esta es la fase hacia delante,
por así decirlo, en la red. Luego se obtiene el error con respecto a la señal
deseada y finalmente este error se retropropaga (de atrás hacia delante)
modificando los pesos.
Las neuronas de la capa oculta usan como regla de propagación, la suma
ponderada de las entradas con los pesos sinápticos wij, y sobre esa suma
ponderada se aplica una función de transferencia de tipo sigmoidal (a diferencia
de una perceptrón simples que era simplemente un umbral), que es acotada en
respuesta. Similarmente en la retropropagación, el error en los nodos de las capas
ocultas es proporcional a la sumatoria de los gradientes de los nodos de la capa
siguiente pesados por los pesos de conexión.
La aparición de una función de activación del tipo sigmoidal o de tangente
hiperbólica, se debe a restricciones analíticas en los algoritmos de entrenamiento.
Las funciones de activación de este tipo son respectivamente:
34 http://www.webelectronica.com.ar/news21/nota09.htm
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
76
x
x
x
eexf
exf
−
−
−
+−
=
+=
11)(
11)(
2
1
(2-9)
(2-10)
Donde x es la sumatoria de las entradas al nodo pesadas por los pesos de
conexión y la salida del nodo correspondiente:
⎟⎠
⎞⎜⎝
⎛+= ∑
=
n
iii xwFy
1.. θ (2-11)
Cuando se aborda un problema utilizando el PMC, uno de los primeros pasos a
realizar es el diseño de la arquitectura de la red que depende de la función de
activación, la cual determina el recorrido para resolver el problema. El número de
neuronas y capas deben ser elegidas por el diseñador, ya que no existe un
método o regla que determine el número optimo de neuronas ocultas para resolver
el problema dado. En la mayor parte de las aplicaciones practicas, estos
parámetros se determinan por prueba y error. Partiendo de una arquitectura ya
entrenada, se realizan cambios aumentando y disminuyendo el número de
neuronas ocultas y el número de capas hasta conseguir la arquitectura adecuada
para el problema a resolver, que pudiera no ser óptima, pero que proporciona una
solución.
2.3.2 Algoritmo de retropropagación y proceso de aprendizaje. La regla o
algoritmo de aprendizaje es el mecanismo mediante el cual se van adaptando y
modificando todos los parámetros de la red. En el caso de la PMC se trata de un
algoritmo de aprendizaje supervisado, por lo tanto para cada patrón de entrada de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
77
la red es necesario disponer de un patrón de salida deseado. El algoritmo que se
usa en el entrenamiento de la red, es:
1. Inicializar los pesos aleatoriamente con valores alrededor del cero.
2. Escoger un patrón del conjunto de entrenamiento, calcular la salida (para
esto se avanza neurona por neurona, capa por capa, hasta llegar a la
salida, al igual que en la perceptrón simple) y el error asociado en cada
nodo de la capa de salida.
3. Se evalúa el error cuadrático cometido por la red por el patrón n utilizando,
( )∑=
−=cn
iii nynsne
1
2)()(21)( (2-12)
4. Adaptar los pesos: empezando con la capa de salida, y “modificando hacia
atrás”, de la siguiente manera:
YijijkWijkWij **)()1( δα+=+ (2-13)
Para nodos de la capa de salida:
(2-14)
Para unidades en las capas escondidas:
(2-15)
Volver al paso 2. y repetir el proceso hasta que los pesos converjan (o sea el error
entre las salidas deseadas y las obtenidas sea menor que un valor deseado).
)).(1.( jjjjj YdYY −−=δ
wjw
wjjj wYY .).1.( ∑−= δδ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
78
Generalmente estos pasos se realizan un número determinado de veces,
llamadas épocas de entrenamiento y luego se observa si la red aprendió. No
existe un límite para fijar la cantidad de capas de una PMC, pero se ha
demostrado que una PMC con una capa oculta y con el número suficiente de
nodos, es capaz de solucionar casi cualquier problema. Si se agrega una capa
oculta más, un PMC soluciona cualquier tipo de problemas y en forma más
eficiente que con una sola.
A la hora de evaluar el comportamiento del PMC no solo es importante saber si la
red aprendió con éxito los patrones utilizados en el aprendizaje, sino que es
imprescindible, también, conocer el comportamiento de la red ante patrones que
se han utilizado durante el entrenamiento. Es necesario que durante el proceso de
aprendizaje la red extraiga las características de las muestras, para poder así
responder correctamente a patrones diferentes. Esto se conoce como la
capacidad de la red para generalizar las características presentes en el conjunto
de muestras o capacidad de generalización de la red, y para evaluarla es
necesario disponer de dos conjuntos de muestras o patrones, el conjunto de
entrenamiento y el conjunto de validación, mencionados anteriormente. Las
características de estos dos conjuntos hacen que un entrenamiento riguroso anule
la capacidad de generalización de la red, por lo tanto, es mejor tener un menor
aprendizaje de la red sobre los patrones de entrenamiento, para obtener mejores
propiedades de generalización.
Durante el proceso de aprendizaje, es necesario comparar los patrones de
validación un determinado número de ciclos, para calcular el error cometido por la
red sobre dicho conjunto. Al igual que se analiza la evolución del error de
entrenamiento durante el aprendizaje, es necesario evaluar la evolución del error
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
79
de validación. Si estos dos permanecen estables después de cierto número de
ciclos se puede decir que el entrenamiento ha sido exitoso, alcanzando un buen
nivel de generalización. En cambio si el error de validación a partir de un número
determinado de ciclos comienza a aumentar el número de ciclos es adecuado para
encontrar un mínimo del error de entrenamiento pero se pierden propiedades de
generalización, y el aprendizaje ha culminado sin éxito.
Cuando el error de validación tiende a subir, se considera que la red se ha sobre-
especializado, dado por un número alto de ciclos o por la utilización de
demasiadas neuronas ocultas en la red. Un número excesivo de neuronas ocultas
en la red tiende a ajustar con mucha exactitud los patrones de entrenamiento.35
Hay que tener claro que para cada problema a resolver, la topología de una RNA y
su validación, son distintas, se hace necesario encontrar un equilibrio entre sus
capas ocultas y el número de ciclos de entrenamiento.
2.4 SISTEMA MECÁNICO 2.4.1 Materiales. Los materiales descritos a continuación son los seleccionados
en el desarrollo del diseño. Se mostrarán las propiedades y ventajas de emplear
estos materiales en el diseño de la mesa de corte y el módulo de visión artificial,
basados en conceptos de maquinabilidad, economía, adquisición comercial,
utilidad en los procesos de la máquina y manejabilidad para el ensamble de la
misma.
Aluminio.36 Las características sobresalientes del aluminio y sus aleaciones son
su relación resistencia-peso, su resistencia a la corrosión y su alta conductividad 35 ISASI VIÑUELA, P.; GALVÁN LEÓN, I. M. Op. cit., p. 63-69. 36 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Diseño en Ingeniería Mecánica. Sexta Edición. McGraw Hill. 2002. p.285.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
80
térmica y eléctrica. La densidad del aluminio es aproximadamente 2,8 veces
menor que la densidad del acero. Las aleaciones de aluminio tienen una
resistencia a la tensión de entre 100 y 500 MPa aproximadamente, y su modulo de
elasticidad es de 71GPa, lo que significa que su rigidez es aproximadamente un
tercio de la del acero.
Considerando el costo y la resistencia del aluminio y sus aleaciones, estos
productos se encuentran entre los materiales más versátiles desde el punto de
vista de la fabricación. Se presenta en forma de placa, barra, lámina, hoja, varilla y
tubo, y en perfiles estructurales y extruidos. Sus aleaciones se pueden maquinar,
trabajar en prensa, soldar en forma directa, al bronce o al estaño, aunque hay que
tener precauciones al unirlos con soldadura, ya que no se recomiendan estos
métodos de unión con todas las aleaciones.
Acero.37 El acero es una aleación de hierro que contiene entre un 0,04 y un
2,25% de carbono y a la que se añaden elementos como níquel, cromo,
manganeso, silicio o vanadio, entre otros. Los aceros al carbono contienen
diferentes cantidades de éste y menos del 1,65% de manganeso, el 0,60% de
silicio y el 0,60% de cobre. El acero se puede procesar en caliente y en frió. Los
trabajos en frío tienen un acabado nuevo brillante, son más exactos y requieren
menos maquinado que los trabajos en caliente. Las presentaciones se encuentran
en placa, barra, lámina, varilla y tubo, y en perfiles estructurales y extruidos. Los
perfiles laminados en caliente se encuentran en tamaños más grandes que los
laminados en frió, y los trabajados en frió alcanzan una mayor resistencia a la
tensión que los trabajados en caliente. Los aceros con tratamientos térmicos
alcanzan resistencias a la tensión muy altas pero sus costos aumentan el valor de
los elementos mecánicos. 37 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., p.280-283.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
81
Acrílico. Las resinas acrílicas, llamadas también acrílicos, se obtienen por la
polimerización de los acrilatos u otros monómeros que contengan el grupo acrílico.
Los compuestos acrílicos son termoplásticos (capaces de ablandarse o derretirse
con el calor y volverse a endurecer con el frío), impermeables al agua, y tienen
densidades bajas. Estas cualidades los hacen idóneos para fabricar distintos
objetos y sustancias, entre los que se incluyen materiales moldeados, adhesivos y
fibras textiles; estas fibras se utilizan para fabricar tejidos duraderos, de fácil
lavado y que no encogen.
2.4.2 Principio de Corte Láser. El corte láser (acrónimo de Light amplification by
stimulated emission of radiation ("Amplificación de Luz por Emisión Estimulada de
Radiación")) es una tecnología empleada para cortar materiales en el ámbito
industrial. Trabaja dirigiendo un haz de alta potencia, controlado por una
computadora, hacia el material que va a ser cortado. Se consigue que el material
se fusione, queme o evaporice dejando un acabado en los bordes de alta calidad.
Las ventajas del corte láser sobre los cortes mecánicos es que no se tiene
contacto físico con el material y se tiene una alta precisión de corte, evitando el
corrimiento de piezas y su daño.
El láser es un dispositivo que produce un tipo muy especial de luz. Los haces láser
son estrechos y no se dispersan como los demás haces de luz. Esta cualidad se
denomina direccionalidad. Se sabe que ni la luz de un potente foco logra
desplazarse muy lejos: si se enfoca hacia el firmamento, su rayo parece
desvanecerse de inmediato. La luz láser es coherente. Esto significa que todas las
ondas luminosas procedentes de un láser se acoplan ordenadamente entre sí.
Una luz corriente, como la procedente de una bombilla, genera ondas luminosas
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
82
que comienzan en diferentes momentos y se desplazan en direcciones diversas.
Los láseres producen luz monocromática38.
Algunos de los láseres que tienen mayor aplicación en el corte de materiales son
el láser de helio – neón y el láser de CO2. El láser de helio – neón fue el primer
láser de gas que se construyó. Los centros activos de este láser son los átomos
de neón, pero la excitación de éstos se realiza a través de los átomos de helio.
Este láser es uno de los más utilizados tanto en investigación con fines didácticos
o industriales que no requieran altas potencias luminosas. El otro láser empleado
es el de bióxido de carbono CO2, es el ejemplo más importante de los láseres
moleculares. El medio activo en este láser es una mezcla de bióxido de carbono
(CO2), nitrógeno (N2) y helio (He), aunque las transiciones láser se llevan a cabo
en los niveles energéticos del CO2. El N2 y el He son importantes para los
procesos de excitación y desexcitación de la molécula de CO2. Las altas potencias
proporcionadas por estos láseres han difundido su aplicación a varios procesos de
manufactura y se ha logrado hacer eficiente la producción bajando al mismo
tiempo los costos.
Algunas de las principales aplicaciones de los láseres de CO2 están en la industria
metal-mecánica, plástica y textil, entre muchas otras. Son usados en el
endurecimiento de metales así como en corte, soldadura y perforación. En la tabla
3, se ilustra la aplicación de este tipo de láseres en el corte de diversos
materiales. En la mayoría de estas aplicaciones el uso del láser está sincronizado
con elementos automáticos o computarizados tales como robots.
38 http://www.laserlasing.com/
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
83
De esta forma el corte de complicados diseños en diversos materiales puede
realizarse en forma rápida y precisa. Hoy en día son innumerables las industrias
que utilizan robots-láser en sus líneas de producción, como la industria electrónica
y la automotriz.
Tabla 2. Potencias y velocidades de corte láser para distintos materiales.
Fuente. http://vcs.abdn.ac.uk/ENGINEERING/lasers/lasers.html
2.4.3 Bombas de Vacío.39 En la actualidad la forma mas utilizada para realizar la
sujeción de la materia prima en las mesas de corte de textiles, es la sujeción por
39 http://en.wikipedia.org/wiki/Vacuum_pump
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
84
bombas de vació, ya que así se puede mejorar la precisión y calidad en el corte
con láser.
El funcionamiento de la bomba de vacío, consiste en transformar la energía
mecánica en energía cinética, generando presión y velocidad en el fluido. Una
bomba de vacío saca las moléculas de aire de un volumen sellado para dejar un
vacío parcial. La bomba de vacío se creo en 1650, y desde entonces se han
creado muchos tipos de bombas para diferentes aplicaciones. Los factores más
importantes que permiten escoger un sistema de bombeo adecuado son: presión
última, presión de proceso, velocidad de bombeo, tipo de gases a bombear (la
eficiencia de cada bomba varía según el tipo de gas).
La velocidad de bombeado es la proporción de flujo de volumen de la bomba a su
entrada, comúnmente medida en litros por segundo, pies cúbicos por minuto, o
metro cúbico por hora. Debido a la compresión, la proporción de flujo de volumen
en la salida será siempre más bajo que a la entrada. Las bombas son más
eficaces con unos gases que con otros, la medida de la velocidad de bombeado
variará dependiendo de la composición química de los gases que extraiga la
bomba.
Las bombas se clasifican en tres tipos principales: de émbolo alternativo, de
émbolo rotativo y roto dinámicas. Los dos primeros operan sobre el principio de
desplazamiento positivo, es decir, que bombean una determinada cantidad de
fluido, sin tener en cuenta las fugas. El tercer tipo debe su nombre a un elemento
rotativo, llamado rodete, que comunica velocidad al fluido y genera presión. Las
bombas de vacío de anillo líquido son bombas roto dinámicas que tienen una
construcción simple pero robusta, con las siguientes características: compresión
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
85
casi isotérmica, sin lubricación interna - libres de aceite, capacidad de manejar la
mayoría de gases y vapores. Las bombas de anillo líquido constan de una carcasa
mandrilada cilíndricamente, en la cual el rotor se encuentra dispuesto
excéntricamente. La carcasa se llena parcialmente de líquido y con el giro del
rotor, se transforma en un anillo hidráulico que se adhiere a la carcasa. De esta
manera forma con el núcleo del rodete del rotor dispuesto excéntricamente, un
área de trabajo falciforme que es dividido por los alabes del rotor.
2.4.4 Rodamientos. El rodamiento es un elemento mecánico que reduce la
fricción de contacto entre un eje y las piezas sujetas a éste, además de servir
como soporte y facilitar su desplazamiento. Los rodamientos, también conocidos
como cojinetes se fabrican para soportar cargas radiales puras, cargas de empuje
puras o una combinación de ellas. Cada tipo de rodamiento tiene propiedades
características que lo hacen particularmente adecuado para ciertas aplicaciones.
Las recomendaciones hechas por SKF40 para una correcta selección de
rodamientos son tener en cuenta:
• Espacio Disponible. Dimensiones del eje y características de la máquina.
Para ejes de diámetros pequeños normalmente se seleccionan rodamientos
rígidos de bolas. Para ejes de diámetros grandes se pueden seleccionar
rodamientos rígidos de bolas, de rodillos cilíndricos y de rodillos a rótula.
• Magnitud de la Carga. Se selecciona con base a su capacidad de carga
dinámica, carga estática y a los requisitos de fiabilidad y duración. Para
cargas pequeñas y medias se emplean rodamientos rígidos de bolas,
mientras que para cargas pesadas y ejes de grandes diámetros se emplean
rodamientos de rodillos.
40 SKF proveedor de productos, soluciones y servicios en el área de los rodamientos y retenes.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
86
• Dirección de la Carga. La carga radial puede ser soportada por todos los
tipos de rodamientos y unos pocos no pueden soportar cargas axiales. Los
rodamientos de bolas resisten cargas axiales moderadas en algunos
sentidos, mientras que los de rodillos y agujas axiales, soportan grandes
cargas axiales en un sentido.
• Velocidad. La velocidad de rotación de un rodamiento viene limitada por la
temperatura máxima de funcionamiento permisible. Con cargas radiales se
pueden obtener las máximas velocidades de rotación empleando
rodamientos rígidos de bolas o de rodillos cilíndricos.
2.4.5 Poleas y correas dentadas de tiempo.41 Las transmisiones de tiempo
emplean el principio de los engranajes, dado que las poleas y correas cuentan con
dientes. Las correas dentadas son de Neopreno con cuerdas internas de Nylon
que no permiten su elongación o estiramiento, y sus dientes están recubiertos con
fibras resistentes a la fricción. Las poleas son fabricadas en acero y los dientes no
tienen aristas para evitar el desgaste o corte en la correa. Debido a que las
correas dentadas no se elongan y a que prácticamente no existe juego entre los
dientes de la correa y las poleas, son precisas.42
Las transmisiones con correas dentadas son empleadas cada vez más en la
industria. Las correas de tiempo poseen dientes en forma trapezoidal, son ideales
para transmitir potencias a velocidades medias y aventajan a las correas en ‘V’
pues no se patinan, son más compactas y de gran precisión.
41 El diseño de este tipo de transmisiones se encuentra basado en la selección de los productos desarrollados y fabricados por la empresa INTERMEC Ltda. experta en el tema. 42 INTERMEC Ltda., Manual de selección. Transmisiones por correas dentadas de tiempo y sincrónicas. Primera edición, 2005.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
87
A diferencia de las transmisiones por cadena o engranajes, las transmisiones de
tiempo no requieren lubricación debido a que no existe un contacto metal-metal.
Los costos de mantenimiento se reducen al mínimo. La contaminación por
salpicadura de aceite o grasa son eliminados también. Adicionalmente no hay
aceite o grasa que atrapen el polvo o partículas abrasivas que aceleran el
desgaste.
2.4.6 Motorreductores. Son motores eléctricos (AC o DC) que tienen
conectados a su salida una caja de engranajes que aumenta o disminuye su
velocidad y torque. Son empleados para todo tipo de máquinas en la industria, que
necesiten reducir su velocidad o potencia de forma eficaz. Los motorreductores
como constan de un sistema de transmisión compacto y cubierto por una carcasa
reducen los costos de mantenimiento de la máquina a la que estén acoplados.
Los motorreductores pueden tener un sistema de transmisión de tornillo sin fin
modular, el cual se va a encontrar en un módulo homogéneo sellado y rígido que
brinda un grado alto de seguridad. Los módulos y las monturas de los motores por
lo general están diseñados bajo la norma NEMA, que brinda un fácil ensamblaje
sobre la máquina. La variedad de disposiciones a las que pueden estar expuestos
los motores, hace que las empresas fabricantes ofrezcan monturas con
posibilidades de sujeción por múltiples lados.43
El criterio de selección de un motorreductor tiene que ver con la velocidad de
salida, la potencia que entrega y el par máximo, para lograr satisfacer las
necesidades de la máquina, dependiendo el tipo de trabajo que ésta realice.
43 http://www2.nord.com/cms/en/home.jsp
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
88
2.4.7 Diseño de Ejes. Los ejes son elementos mecánicos generalmente
cilíndricos, sobre los que van montados piezas como poleas, poleas dentadas,
engranajes, manivelas y levas, entre otros, estando en reposo o girando. Los ejes
están sometidos a esfuerzos cortantes, de flexión y torsión, y además tienen una
resistencia estática y una resistencia a la fatiga.
La configuración geométrica del eje depende de los elementos montados sobre
éste, determinados en forma tentativa en cuanto a su tamaño y espaciamiento.
Por lo general se tiene en cuenta la experiencia, o la revisión de modelos
existentes, en los que se debe hacer una serie de cambios, por la diferencia de
apoyos, potencias, velocidades y la adición de componentes rotatorios. Estas
referencias de modelos existentes son útiles para aprender como se han resuelto
problemas similares, para luego combinar los mejores resultados y así resolver el
problema. Cuando se transmite el par de torsión de un elemento a otro en el eje,
se emplean elementos de transmisión como las cuñas, los ejes estriados, los
tornillos de presión, los pasadores, los ajustes a presión o por contracción, y los
ajustes ahusados.44
Las restricciones geométricas en un eje de transmisión, se dan por los elementos
montados sobre éste y las fuerzas que se ejercen en el sistema, permitiendo
calcular el diámetro mínimo que puede tener el eje para satisfacer las necesidades
del problema. También, se tiene en cuenta las restricciones por resistencia
dinámica, que dependen de los momentos flexionantes y de torsión a los que se
encuentra expuesto el eje. Por lo general se mira si existe falla en la posición del
eje donde haya mayor concentración de esfuerzos o donde se encuentre el
momento máximo, llamadas ubicaciones críticas potenciales. Después de estos
44 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., p.1121,1151
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
89
análisis se tiene un diámetro satisfactorio resistente a la fatiga, con deflexiones
insignificantes y con una confiabilidad suficiente que cumpla con los factores de
diseño prefijados.
2.4.8 Tornillos. Los tornillos son sujetadores roscados empleados en uniones
para facilitar el ensamblaje y permitir un fácil mantenimiento. Por lo general, se
encuentran expuestos a cargas estáticas; las cargas dinámicas son poco
frecuentes. Los tornillos de cabeza hexagonal hechos en acero tienen resistencias
de prueba mínima preestablecidas según el grado o clase de propiedad que
tengan. Los puntos de concentración de esfuerzo en un tornillo se encuentran en
el entalle, al inicio de los hilos, en el entalle de la raíz del hilo y en el plano de la
tuerca cuando está presente. El diámetro de la cara de la arandela es el mismo
que el ancho de las caras planas de la cabeza hexagonal. La longitud de la rosca
de los tornillos métricos, a no ser que el fabricante diga lo contrario, es:
⎪⎩
⎪⎨
⎧
>+
≤<+
≤≤+
=
20025.220012512.2
481256.2
LDLD
DLDLT (2-16)
Donde D es el diámetro nominal. La longitud ideal del tornillo es aquella que
proyecta solo uno o dos hilos después de que la tuerca se aprieta.
El propósito del tornillo consiste en sujetar dos o más partes. La carga de sujeción
alarga el tornillo apretando la tuerca casi hasta que éste alcanza su límite elástico.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
90
Si la tuerca no se afloja, la tensión en el tornillo permanece como fuerza de
precarga o de sujeción.
Si la unión de los tornillos está expuesta a cortante; se evalúa la falla por flexión
del tornillo, corte en el tornillo, tensión en el elemento más delgado de la unión o
por aplastamiento de los elementos de unión, así:
• Flexión del tornillo, yg SI
cLF*6.0
.2..≤=σ (2-17)
• Corte del tornillo, ysy SSdF 4.0
..4
2 =≤=π
τ (2-18)
• Tensión del elemento más delgado, SytdNb
F
mr
<−
=)..(
σ (2-19)
• Aplastamiento del elemento más delgado, ym
StdF *9.0.
<=σ (2-20)
Cuando la unión se encuentra sujeta a tensión se analiza la rigidez de los
elementos y se calculan los criterios de falla del tornillo y de la junta.
• Criterio de falla del tornillo, kb
ipts CP
FSA*
* −=η (2-21)
• Criterio de falla de la junta, ( )km
is CP
F−
=1*
η (2-22)
2.4.9 Soldaduras. Los procesos de unión como la soldadura son considerados
en trabajos de diseño preliminar, cuando las secciones que van a ser unidas son
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
91
delgadas, ya que la eliminación de sujetadores individuales, con sus respectivos
agujeros, y los costos de ensamble, representan un factor importante para
propiciar ahorros significativos.
Una estructura soldada se fabrica uniendo en conjunto un grupo de formas en
metal, cortadas con configuraciones particulares. Durante la soldadura, las
diversas partes se mantienen con firmeza en contacto, con abrazaderas o
sujetadores. Los tipos de soldadura empleados con mayor frecuencia son los de
filete intermitentes o alrededor de una pieza, y a tope o a ranura. Las partes por
unir deben colocarse de manera que haya un espacio suficiente para la operación
de la soldadura. Si se requieren uniones inusuales por un espacio libre
insuficiente, o por la forma de la sección, el diseño quizá sea deficiente y éste
debe ser modificado para obtener una solución adecuada.
Cuando la junta a ser soldada no se encuentra expuesta a cargas cíclicas, es
decir, se encuentra expuesto a fatiga, se calcula por carga estática determinando
la magnitud del esfuerzo cortante a la que se encuentra expuesto el cordón de
soldadura, para así poder conocer sí el metal de aporte tiene una resistencia
satisfactoria y sí lo es la resistencia de la unión.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
92
3. DESARROLLO INGENIERIL
En este capítulo se muestran los cálculos necesarios para el diseño de una mesa
de corte de cuero por láser y el reconocimiento de tonalidades y errores en el
mismo por visión artificial, seleccionando los materiales adecuados para dicha
aplicación teniendo en cuenta que sean comerciales. Es necesario aclarar que
esta mesa se acoplará a una máquina de corte láser que se seleccionó con base
en los cálculos de dimensiones y potencia necesaria para realizar el corte del
cuero. A continuación se encuentra el funcionamiento de la máquina mediante un
diagrama de flujos:
Figura 5. Diagrama de flujo del proceso.
Fuente. Elaborado por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
93
3.1 DISEÑO DE LA MESA DE CORTE La mesa de corte es uno de los elementos más importantes en el desarrollo de
este proyecto, ya que sobre ésta se realizará el corte mediante el uso del rayo
láser; los parámetros a tener en cuenta para el diseño de esta mesa son:
• El área total de corte.
• La superficie donde se va a cortar la piel.
• El sistema de sujeción de la piel.
Cada uno de estos parámetros se describe a continuación.
3.1.1 Área total de corte. Para calcular el área de corte es necesario conocer las
dimensiones de la piel que se desea cortar. En la industria del cuero se manejan
dos tamaños, el primero es la hoja, que es media piel y el segundo es la vaqueta,
que es la piel completa; para este proyecto se utilizó la vaqueta. Para determinar
las dimensiones promedio de una vaqueta se realizó un muestreo con 100 pieles
que facilitó Curtiembres El Reno, con el fin de saber que dimensiones son las
adecuadas para el área de trabajo sobre la mesa. En el anexo A se encuentra la
tabla donde se puede observar las dimensiones máximas a lo largo y lo ancho de
las pieles y su desviación estándar.
Con base en esto se determinó que las dimensiones de la mesa debían superar
en 10 cm los valores de la piel más grande para así ofrecer un 4% de tolerancia,
por si llegase a haber una piel de mayor tamaño, de esta forma la superficie de
corte es de 2,50 m de ancho por 2,60 m de largo, ésta será el área disponible para
realizar el corte láser.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
94
3.1.2 Superficie de Corte. Para la selección de la superficie de la mesa de corte,
es necesario tener en cuenta que el material base debe tener las características
adecuadas, para evitar que la potencia del láser que corta el cuero no corte el
material base. Como se explicó con anterioridad, el láser para realizar el corte
sobre metales, calienta el metal en su punto focal (el cual tiene un diámetro
aproximado de 2 décimas de milímetro) hasta alcanzar el punto de fundición del
material a cortar, si la potencia es muy baja para cortar el material, ocasiona un
efecto de reflexión del haz láser que produce chispas que pueden quemar el
material que se desea cortar, con base en esto se estimó que la potencia de corte
para el cuero debe ser menor que la potencia necesaria para fundir el material de
la base, ya que si la base sufre cortes por efecto del láser, se convertiría en un
material de sacrificio que incrementa considerablemente el costo de operación.
Teniendo en cuenta esto se pensó en utilizar un material cerámico, por sus
buenas propiedades refractarias, pero fué descartado debido a su peso y alto
costo en las dimensiones que se seleccionaron para el área de trabajo. Se optó
por realizar pruebas en un material de sacrificio, en este caso el MDF, para
observar el comportamiento del cuero frente al rayo láser. Y se experimentó el
corte sobre materiales metálicos como el acero y el aluminio en busca del
apropiado en el diseño de la mesa de corte. Estas pruebas se describen a
continuación.
Pruebas de corte láser. Para la primera prueba que se realizó se utilizaron 10
clases de cueros distintos, realizando los cortes en dos velocidades y dos
potencias. Se cortaron 4 geometrías distintas, éstas fueron seleccionadas con el
fin de observar el comportamiento del corte en circunferencias, líneas rectas,
cambios de dirección bruscos y puntos de concentración de energía como se
observa en la figura 6. Las muestras de cuero tienen una dimensión de 30 cm. x
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
95
15 cm. La prueba se realizó sobre MDF, que se utilizó como material de sacrificio;
esto con el fin de evitar que la piel se quemara por su cara posterior por el efecto
de reflexión del láser.
Figura 6. Plano de corte para el CNC, prueba 1.
Fuente. Suministrada por PES CAD, Tec-Laser S.A.
En el anexo B se encuentra la tabla donde se observan las características de cada
una de las muestras de cuero y los parámetros utilizados en la máquina láser.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
96
Con los resultados se puede afirmar que el corte del cuero con láser es posible y
conserva los parámetros de calidad que exigen las curtiembres y las empresas
manufactureras del cuero45. En la figura 7 se observan dos cueros cortados con
las geometrías descritas anteriormente.
Figura 7. Resultados de corte con material de sacrificio. (a) Muestra 1 (b) Muestra
3
(a) (b)
Fuente. Tomada por los autores
En la segunda prueba que se realizó, se utilizaron 2 mallas de acero galvanizado
con distintas tramas como soporte para la piel, con el fin de buscar un material
que se pudiera implementar en la mesa final de corte, ya que a diferencia del MDF
esta malla no se cortara. En la figura 8 se aprecia estas dos mallas.
45 Aprobado por Curtiembres El Reno Ltda. Bogotá, Colombia.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
97
Figura 8. Mallas base en acero galvanizado. (a) IMT-20 pesada (b) IMT-20
cafetera.
(a) (b)
Fuente. Tomada por los autores
En esta ocasión se variaron las velocidades y las potencias de cada corte,
realizando 8 cortes en cada una de las mallas, para observar cual es la potencia y
velocidad apropiada para el corte. En el anexo C se encuentra la tabla donde se
ven los resultados de la prueba.
Debido a que el material base no es cortado, éste alcanza altas temperaturas y el
láser es reflejado contra la cara posterior del cuero, lo que hace que se queme la
piel. Esto se puede ver con mayor facilidad a potencias altas y velocidades bajas,
ya que el tiempo de contacto del láser con el material base es mayor, además, en
el caso de la malla IMT-20 cafetera, la cual tiene un mayor calibre este problema
se hace más grave, ya que el área de contacto del láser con la malla es mayor
(figura 9).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
98
Figura 9. Resultados de corte en mallas de acero galvanizado. (a) malla IMT-20
cafetera; (b) detalle de malla IMT-20 cafetera; (c)(d)(e)(f) cortes descritos en el
anexo C
(a) (b)
(c) (d)
(e) (f)
Fuente. Tomada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
99
Dado que las mallas en acero galvanizado no arrojaron resultados satisfactorios
se utilizó malla y rejilla en aluminio para la tercera prueba. Debido a que el
aluminio es un material altamente reflectivo, no puede ser cortado por el láser, ya
que el haz al hacer contacto sobre la superficie de éste se dispersa y no alcanza la
temperatura de fundición del material. Esto acarrea diferentes consecuencias, la
primera es que la superficie donde se corte el cuero no sufrirá daño por la
incidencia del láser y su mantenimiento se reducirá considerablemente, ya que no
existirá el peligro de que se corte la superficie, pero por otra parte, se corre el
riesgo de que el lente de la máquina láser sufra daño si dicho haz se refleja
perpendicularmente al entrar en contacto con el aluminio, debido a esto, a las
mallas y rejillas se les aplico una capa de pintura negro mate para reducir la
reflexión.
Las mallas utilizadas son mallas expandidas 20 cal 16 y 12 cal 0.70 de aluminio
crudo como se observan en la figura 15. La rejilla tiene una platina portante de
25,4 mm X 4,8 mm y una platina amarre de 19,05 mm X 4,8 mm; la dimensión del
panal es de 30 mm x 100 mm (figura 10).
Figura 10. Bases de Aluminio para prueba de corte. (a) Malla 12 cal 0.70. (b) Malla 20 cal 16. (c) Rejilla 30x100.
(a) (b) (c)
Fuente. Tomada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
100
En el anexo D se encuentra la tabla con los resultados de las pruebas que se
realizaron. En la figura 11 se encuentran los cueros que fueron cortados en ésta
prueba.
Figura 11. Pieles cortadas en superficie de aluminio; (a)(b)(c)(d)(e) cortes
descritos en ANEXO D
(a) (b)
(c) (d)
(e)
Fuente. Tomada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
101
Teniendo estos resultados, se puede concluir que la superficie adecuada para la
mesa de corte es la rejilla en aluminio, la cual se describe a continuación.
3.1.3 Diseño de la Rejilla. La rejilla consta de platinas de aluminio 6063-T5 de
25,4 mm de altura por 1,59 mm de espesor, cortadas como se observa en la figura
12, las cuales se unen de forma tal que crean un panal con una dimensión de
agujero de 30 mm x 30 mm como se observa en la figura 13. Las dimensiones y
geometría de la rejilla se pueden observar en el anexo O plano 01.02.02.01.
Figura 12. Platina para la rejilla.
Fuente. Elaborada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
102
Figura 13. Rejilla para corte con láser.
Fuente. Elaborada por los autores.
3.1.4 Sistema de Sujeción. Los cabezales láser cuentan con una boquilla y un
palpador que son los encargados de determinar cual es la altura a la que se debe
cortar una pieza. En algunos casos el palpador entra en contacto con la superficie
de corte y al desplazarse se pude generar una fuerza de rozamiento que mueve la
pieza, como las maquinas de corte láser son diseñadas para cortar grandes
piezas, esta fuerza de arrastre no es suficiente para desacomodarla. En el caso
del cuero si es posible que lo corran por lo cual es necesario implementar un
sistema de sujeción, ya que si la piel se mueve durante el corte, la geometría que
se esta cortando se perderá, lo que repercutirá en la perdida de materia prima
generando gastos extra en la producción. Al implementar el sistema de visión
artificial se debe tener plena certeza que la piel esta en la misma ubicación en el
momento de adquirir las imágenes y en el de realizar el corte; por esto se
evaluaron distintos métodos de sujeción. El primer método que se considero es el
de la sujeción por mordazas; consiste en tensionar la piel mediante elementos
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
103
mecánicos ubicados en los extremos de ésta, pero este método fue descartado ya
que en el momento en que se realice un corte esta tensión se perdería y la piel se
podría desacomodar.
El segundo método que se tuvo en cuenta es el de sujeción por vació; éste
método es aplicado en maquinas para corte de textiles y en ploters de impresión
para vallas publicitarias. Con base en esto se realizaron pruebas con válvulas
generadoras de vació y bombas de vació. Estas pruebas se describen
continuación.
Pruebas de vacío. En la primera prueba de vacío que se realizó se busco sujetar
muestras de pieles de mayor y menor calibre por medio de la técnica de vacío bajo
el principio venturi. Para este fin se cuenta con los elementos que se listan a
continuación (figura 14):
• Válvula de vacío, Festo.
• Unidad FR.
• Ventosa Plana, tipo VAS de Poliuretano (PUR), Festo.
• Ventosa Plana, tipo VAS de Perburan (NBR), Festo.
• Malla de Aluminio, trama grande.
• Malla de Aluminio, trama pequeña.
• Caja de madera sellada con Silicona (SI).
• Fuente de aire de 6 bar.
El sistema de vacío se encuentra conectado a una unidad FR, la cual entrega la
presión de entrada. El sistema de vacío tiene una válvula generadora de vacío de
Festo, ésta se conecta por medio de un tubo flexible a cada una de las ventosas y
a la caja sobre las que se realizó la prueba. Se tiene un sistema de aire
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
104
comprimido que entrega 6 bar de presión, en el momento de ser conectado a la
válvula generadora de vacío, pierde presión y entrega un máximo de 4 bar; por lo
tanto se trabajo variando la presión entre 0,5 bar y 4 bar, en intervalos de 0,5 bar.
Durante la prueba se intercambiaron las ¨boquillas¨ a la salida de la válvula
generadora de vacío. Los resultados de esta prueba se encuentran en la tabla 4.
Figura 14. Elementos generadores de vacío Festo. En la izquierda válvula
generadora de vació. A la derecha: arriba, ventosa de Poliuretano (PUR); en el
medio, ventosa de Perburan (NBR); abajo conexión en T.
Fuente. Tomada por los autores
TABLA 4. Resultados de la prueba con válvula generadora de vació
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
105
No. Caja / Ventosa Superficie
P ent. (bar) Resultado Observaciones
1 Ventosa NBR 1 0,5 4
Es necesario presionar para que sujete.
2 1 2 3 1,5 2
4 2 2 Sujeta pero suelta con facilidad el material
5 2,5 3 6 3 3 Sujeta mejor 7 3,5 3
8 4 3 Marca demasiado el Material
9 2 4 4
Nula, Escape de Aire por pequeños orificios de la malla.
10 3 4 4 Nula.
11 Ventosa PUR 1 0,5 2
12 1 2 13 1,5 2 14 2 3 15 2,5 3 16 3 3 17 3,5 3 18 4 3 19 2 4 4 20 3 4 4
21 Caja sellada 1 4 4
Nula, demasiado volumen para desocupar
22 2 4 4 Nula problema con la malla
23 3 4 4 Nula, problema con la malla
Resultado Descripción 1 Sujeción excelente 2 Sujeción buena 3 Sujeción regular 4 Sujeción mala Fuente. Elaborada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
106
Estos resultados demuestran que se necesitan superficies totalmente planas con
pequeños agujeros y presiones de vacío altas. El principio empleado con estas
válvulas es demasiado puntual y no es útil para las necesidades de este proyecto.
En la segunda prueba se elaboró una caja de 30 cm x 20 cm donde se adecuó
una rejilla de acero galvanizado con panal de 30 mm x 30 mm y una altura de 25,4
mm. La caja cuenta con una cavidad rectangular del tamaño de la rejilla y una
profundidad de 35,4 mm, como se aprecia en la figura 15. La caja tiene un agujero
en el centro de 19,05 mm de diámetro, por el cual se conecta la bomba de vacío.
La caja fue elaborada en aglomerado y se selló con silicona en las aristas y
costados de la geometría donde se creó el vacío. Se empleó una bomba de vacío
marca BUSCH tipo 021-636 suministrada por la empresa VACUUM SERVICIO
ESPECIALIZADO, y se conecto al sistema de vacío diseñado, por medio de un tubo
flexible de 19,05 mm de diámetro. Al sistema de vació se le adaptó un vacuometro
análogo marca Rockage que cuenta con una medida entre 0 bar y –1 bar.
Figura 15. Caja para pruebas de vació.
Fuente: Tomada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
107
La bomba de vacío mencionada alcanza una presión máxima de –0,7 bar. Para
verificar la permeabilidad del cuero se colocó una muestra de éste en la entra de
succión de la bomba de vacío y se observó que la bomba alcanzó un 96 % de su
presión máxima.
La prueba continuó con el cuero colocado sobre la rejilla de acero galvanizado,
que estaba ubicada en la cavidad de la caja. En el momento de encender la
bomba de vacío, el vacuometro alcanzó una medida de -0,07 bar, lo cual logró que
el cuero no se moviera de la superficie al aplicarle una fuerza de
aproximadamente 25 N.
3.1.5 Diseño de la base de succión. Teniendo en cuenta los resultados de las
pruebas de vacío se diseñó una base para la rejilla de corte que permitirá generar
sujeción en determinadas zonas del cuero. Dado que el cuero no tiene una forma
geométrica determinada se hizo una distribución, tal que siempre haya material en
las zonas de sujeción para así a evitar que se pierda el vacío. Si se diera el caso
en que la piel no pudiera cubrir toda el área de succión y se perdiera el vació, es
posible poner un trozo de tela o un retaso de cuero para evitar dicha perdida.
De igual forma como fue explicado para el caso de la superficie de corte, se utilizó
aluminio 6063-T5 para que el láser al entrar en contacto con el fondo de la base
de succión, no la corte ya que el láser se propaga varios centímetros debajo de la
superficie de corte, pero su punto focal ya se a perdido y la potencia se a
disminuido considerablemente. Para dicho fin se utilizó lámina de 3 mm de
espesor y se plegó para formar una caja con una profundidad de 10,54 cm. Para
reducir el volumen de aire que se debe extraer para generar la sujeción, se
utilizaron laminas de aluminio soldadas perpendicular a la base, desde el fondo de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
108
ésta hasta donde esta ubicada la rejilla (figura 16). Las dimensiones y geometría
se pueden observar claramente en el anexo O plano 01.02.01.
Figura 16. Base del sistema de succión
Fuente. Elaborada por los autores
Con la distribución de las canales para vacío, se procede a calcular el volumen de
aire que se debe retirar para generar la sujeción. El área de las canales es de
0,525 m2, y la altura de la canal mas la altura de la rejilla es igual a 10,54 cm, por
lo tanto el volumen de aire que se tiene que retirar para crear la sujeción es de
0,055 m3. Se consideró que el tiempo en el que se debe realizar la extracción del
Canales para succión
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
109
aire para lograr la sujeción de la piel es de 10 segundos; de esta forma el caudal
que requiere la bomba de vació es:
tVQ =
(3-1)
hm
hs
smQ
33
92,19.1
.3600*.10
055,0==
De esta forma se seleccionó la bomba de vació comercial que mas se adecuó a
las necesidades de este proyecto. Esta se conectará al agujero en el centro de la
base de succión por medio de un tubo flexible. En este caso es la bomba de anillo
líquido LEMA 2546 (figura 17), la hoja de especificaciones de esta bomba se
encuentra detallada en el ANEXO E.
Figura 17. Bomba de vació LEMA 25
Fuente. Sterling Fluid Systems (Colombia) S.A.
46 Comercializada en el país por Sterling Fluid Systems (Colombia)S.A.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
110
3.2 DISEÑO DEL MÓDULO DE VISIÓN ARTIFICIAL El módulo de visión artificial es uno de los componentes más importantes de la
máquina, ya que éste es el encargado de capturar las imágenes que se
procesaran posteriormente para la detección del color, errores y cálculo del área
en la piel que se cortará. Sus principales componentes son:
• Cámaras de visión artificial.
• Iluminación.
• Soportes.
• Elementos difusores en acrílico.
• Estructura
Los elementos del módulo de visión artificial fueron seleccionados y diseñados
teniendo en cuenta las dimensiones de la mesa de corte, y basados en los
experimentos realizados en el prototipo de visión artificial que se describirán mas
adelante.
En la figura 18 se puede apreciar la forma que tiene dicho módulo y a continuación
se describirá cada uno de sus elementos.
3.2.1 Cámaras para visión artificial. El módulo cuenta con 3 cámaras BCi4-6600
especiales para aplicaciones de visión artificial, seleccionadas por su alta
resolución y compacto diseño. Fabricadas por la empresa C-CAM
TECHNOLOGIES, con un sensor tipo CMOS IBIS4-6600 de color, que captura
imágenes de 6.6 mega píxeles, y su interfase es USB 2.0, lo que permite tener su
máxima resolución al capturar las imágenes en el computador mediante el uso de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
111
Matlab, la hoja de especificaciones de esta cámara se puede encontrar en el
anexo F.
Figura 18. Módulo de visión artificial.
Fuente. Elaborada por los autores.
El ángulo de visión del sensor de esta cámara es de 46º en horizontal y 34,5º en
vertical; con esta información se obtuvo la ubicación de las cámaras para que
cubran la superficie de la mesa como se observa en la vista frontal del módulo
(figura 19).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
112
Figura 19. Ubicación de las cámaras en el módulo de visión artificial.
Fuente. Elaborada por los autores
3.2.2 Iluminación del modulo de visión artificial. Como se verá mas adelante
en el desarrollo del prototipo de visión artificial experimental, la elección de los
bombillos y su distribución fue realizada con base en la experimentación e
investigación, de los sistemas de iluminación en aplicaciones de visión artificial.
Conservando estos lineamientos se ubicaron las lámparas como se observa en la
figura 20. Para el módulo se utilizaron 16 lámparas fluorescentes FHE 21W/830
las cuales tienen las características que se observan en la tabla 5. Es importante
aclarar que la longitud del bombillo seleccionado esta en función del ángulo en
vertical de la cámara, ya que éste es de 34,5º, la distancia que cubre sobre la
superficie de corte es 68,2 cm, debido a esto el casquillo de 84,9 cm de largo es el
mas adecuado para la aplicación.
Cámaras
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
113
Figura 20. Distribución de las lámparas en el módulo de visión artificial.
Fuente. Elaborada por los autores.
Tabla 5. Características de las lámparas
Dimensiones
(mm)
Tipo
Denominación
Potencia
W
Color
Temp.°K
Casquillo
L D
Emisión
Luminosa
(lm)
Unidades
por caja
Nº de
código
FHE
21W/830*
21
3000
G5
849
16
2100
25
2763
Fuente. www.sylvania.com.ar/
3.2.3 Soportes del módulo de visión artificial. El módulo de visión artificial
consta de cuatro apoyos sobre rodamientos rígidos de bolas que giran en rieles de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
114
aluminio. Los rodamientos van a estar soportados en barras redondas (ejes
inmóviles) soldadas a una placa en T atornillada a los ángulos de aluminio
laterales del módulo. La carga total del módulo es de 32 kgf. La ubicación de estos
se pueden apreciar en la figura 21.
Figura 21. Detalle de los soportes del módulo de visión artificial.
Fuente. Elaborada por los autores
Tornillos del soporte del módulo de visión. Se empleó un factor de diseño ηd =
2,0 y tornillos M6x1 clase 5,8, que son la denominación más pequeña de los
fabricantes de tornillos Gutemberto S.A. La T que sostienen, se sujeta de dos
puntos con un espesor de materiales de 8,35 mm. Las tuercas empleadas para
Soporte en T
Rodamiento
Tornillos
Barra redonda
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
115
este tipo de tornillos tienen una altura de 5,55 mm y las arandelas de 1,65 mm,
por lo tanto con los dos hilos que se deben dejar luego de apretar la tuerca (con un
paso de 1, 2 hilos tienen 2 mm), la longitud mínima del tornillo debe ser L = 17,55
mm. Comercialmente la longitud más cercana es de 20 mm, por lo tanto ésta es la
longitud real del tornillo.
La longitud de agarre en los agujeros es Lg = 10 mm y la longitud de la rosca
Lt =20 mm. Como se observa en la figura 22 la unión se encuentra sujeta a carga
cortante, por lo tanto puede fallar por flexión del tornillo, por corte en el tornillo, por
tensión de los elementos y por aplastamiento de los elementos.
Figura 22. Fuerza cortante en la unión de la T.
Fuente. Elaborado por los autores.
Flexión del elemento de unión. Un tornillo de clase 5,8 tiene una resistencia de
prueba Sp = 380 MPa, una resistencia a la tensión Sut = 520 MPa y una resistencia
a la fluencia Sy = 420 MPa. La carga del módulo FT = 32 kgf = 313,92 N se reparte
en cuatro apoyos y cada uno de esos apoyos tiene dos tornillos, por lo tanto la
carga cortante que soporta cada tornillo es V = F = FT /8 = 39,24N. Para
comprobar se tiene que,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
116
.252*6,0.2
..MPaS
IcLF
yg =≤=σ (3-2)
.26,578).)106)(4/((2
)2/.)106.)((1010.)(24,39(.2
..43
33
kPamx
mxmxNI
cLF g === −
−−
πσ
Se puede ver que el tornillo no va a fallar por flexión.
Corte del elemento de unión. Para comprobar la falla por corte del tornillo se
tiene:
.1684,0..4
2 MPaSSdF
ysy ==≤=π
τ (3-3)
.387,1.)106.(.)24,39.(4
..4
232 MPamxN
dF
=== −ππτ
El tornillo no falla por esfuerzo cortante.
Falla por tensión del elemento. Se analizó la falla por tensión de los elementos de
la unión, conociendo el ancho de la unión b =10 cm, el número de tornillos a lo
largo de la unión Nr = 2 y el espesor del elemento más delgado tm = 1,59 mm, de
la siguiente manera:
.145)..(
MPaSytdNb
F
mr
=<−
=σ (3-4)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
117
MPamxmxm
N 446,280.)1059,1)).(106.(2.1,0(
24,3933 =
−= −−σ
Observando los resultados en el elemento más delgado, éste no falla por tensión.
Falla por aplastamiento del elemento. La falla por aplastamiento se da de la
siguiente manera,
.5,130*9,0.
MPaStd
Fy
m
=<=σ (3-5)
MPamxmx
N 113,4.)1059,1.)(106(
.24,3933 == −−σ
Los elementos de la unión no se encuentran expuestos a una falla por
aplastamiento.
Precarga recomendada. Se puede conocer la carga de prueba Cp con la
resistencia de prueba Sp = 380 MPa y el área de esfuerzo a tensión de la rosca At
= 20,1 mm2, así,
NmxMPaASF tpp 7638)101,20(*.)380(* 26 === − (3-6)
Con este valor se calcula la precarga recomendada para una junta de fácil
desensamblaje,
.5,5728.)7638(75.0.75.0 NNFpFi === (3-7)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
118
Torque de apriete. El torque de apriete se calcula con el coeficiente de torsión K,
la precarga recomendada y el diámetro del tornillo. El K depende del acabado o
estado superficial del tornillo (condición de suministro), en este caso K = 0,2 ya
que se emplearon tornillos normales de suministro (acabado negro).
mNmxNdFKT i .874,6.)106)(5,5728(2.0.. 3 === − (3-8)
La elección de los tornillos para el soporte en T es satisfactoria, por lo tanto, se
utilizaron 8 tornillos M6x1x20 mm para los cuatro soportes en T del módulo de
visión artificial.
Rodamientos. Los rodamientos que están ubicados en los soportes del módulo
cumplen la función de llantas, permitiendo que éste se desplace a lo largo de la
mesa. Los rodamientos van sobre rieles de aluminio que se emplean como guías
para el desplazamiento lineal de los mismos. Comercialmente el marco en
aluminio U-07147 se empleó como riel para el rodamiento, éste tiene una altura
interna de 36 mm, por lo tanto el máximo tamaño del rodamiento esta limitado a
ése valor. En los rodamientos rígidos de bolas48 de SKF se encontró que el
diámetro externo D mas aproximado es de 35 mm, y la designación de menor
tamaño es la 630049, con un diámetro interior d = 10 mm y un ancho de cara B =
11 mm. La carga recibida en el rodamiento es una carga radial de 8 kgf, debido a
que el módulo de visión pesa 32 kgf y tiene cuatro soportes en unidades del SI la
carga radial sobre cada rodamiento es de 78,4532 N.
47 Las características del marco U-071 se encuentran en el anexo G. 48 Se eligen rodamientos rígidos de bolas porque el rodamiento se expone a una carga radial, y son los primeros que se deben evaluar para una selección con este tipo de cargas. 49 Ver tabla en el anexo H.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
119
El desplazamiento lineal del rodamiento en una revolución es x = π . D = π
(35mm) = 109,956 mm. Se determinó que el módulo de visión artificial se debía
desplazar sobre la mesa en el mismo tiempo en el que la bomba de vació,
anteriormente descrita, retira el aire de la base de succión, el cual es igual a 10
segundos. De esta forma, la velocidad lineal entregada por el sistema de
transmisión de tiempo que se calculará mas adelante, debe entregar una
velocidad de 304,333 mm/s, por lo tanto la velocidad de rotación en el rodamiento
es:
rpmmm
revss
mmRPM 066.166.956.109
..1*min.1
.60*.333.304 ==
La duración nominal en horas de servicio del rodamiento es 100000, interpolando
de la tabla de valores de C/P50 del manual de SKF51 se tiene que C/P = 9,9467.
Con estos datos se calculó:
• Carga estática equivalente: NPo
NFaFrPo0719.47
)0(5.0)4532.78)(6.0(5.06.0=
+=+=
(3-9)
Esta es igual a la fuerza radial porque: NPo
FrPo4532.78=
<
• Coeficiente de servicio: 0.2=So , por funcionamiento silencioso.
• Carga estática: NNSoPoCo 9064.156)0.2)(4532.78(* === (3-10)
Como se tiene una carga axial Fa nula, la relación con la carga estática es cero,
por lo tanto se toma este valor para interpolar en la tabla de “factores X y Y para el
50 Relación entre la carga dinámica (C) y la carga dinámica equivalente (P). 51 SKF. Manual de Selección de rodamientos SKF. Tabla 2.Tabla de valores de C/P. p.31.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
120
cálculo de rodamientos rígidos de bolas” de SKF52, y obtener el índice del
rodamiento ‘e’ y las constantes de carga X y Y. Entonces,
01
/.014359.0
==
≤=
YX
CoFrFacomoe
Como resultado se tiene,
• Carga dinámica equivalente: NP
NYFaFrXP4532.78
0)4532.78)(1(.=
+=+=
(3-11)
• Carga dinámica: NC
NPC356.780
)4532.78)(94677.9()94677.9(=
==
Con la carga dinámica C y la carga estática Co calculadas se pudo verificar que el
rodamiento 6300 soporta las cargas, ya que éste soporta una carga dinámica
C=8060 N y una carga estática Co = 3750 N. Para evitar la lubricación de los
rodamientos se escogieron cuatro rodamientos 6300-2Z; el sufijo -2Z indica que
el rodamiento tiene placas de protección metálicas no rozantes en ambas caras
que no afecta la lubricación del mismo.
Barra redonda. Esta pieza esta soldada a la T que se atornilla al módulo de
visión y en ella va soportado el rodamiento que gira sobre el riel de aluminio, como
se ve en la figura 23. La carga que reciben cada una de las cuatro barras en su
extremo soldado es P = 78,4532 N, el largo de las barras es l = 25,4 mm y el
diámetro de las barras es d = 10mm.
52SKF. Manual de Selección de rodamientos SKF. Tabla de factores X y Y. p. 115.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
121
Figura 23. Diagrama de Fuerzas en la barra redonda.
Fuente. Elaborado por los autores.
El momento flector máximo en la pieza es M = (78.4532N)*(19.9x10-3m.)=
1,5612N.m, el material empleado para el eje es un SAE 1020 CD53 que tiene un
esfuerzo ultimo a la tensión MPaSut 430= , un esfuerzo ultimo cortante
MPaS y 390= , un modulo de elasticidad GPaE 205= y un modulo de rigidez
GPaG 77= . Se tomó un factor de seguridad 45,1=sη , el esfuerzo a la tensión
admisible es MPaadm 552,296=σ y el esfuerzo cortante admisible es
MPaadm 966,268=τ .
El esfuerzo cortante ejercido sobre la pieza es,
kPamN
AP 897.998
4/)10*10(4532.78
23 === −πτ (3-12)
53 Acero muy común en flechas y ejes. Acero económico.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
122
Por lo tanto la barra no va a fallar porque adm ττ < . La máxima deflexión de la barra
es,
mmyGPamx
mxNmxGPa
mxNAG
FlEI
Fly
μππ
08.2.00000208.0)77)(4/)1010(()109.19)(4532.78(33.1
)64/)1010()(205(3)109.19)(4532.78(33.1
3 23
3
43
333
==
+=+= −
−
−
−
(3-13)
La deflexión máxima de la barra es despreciable y no afectó el funcionamiento del
diseño.
Figura 24. Máxima deflexión de la barra redonda.
Fuente. Elaborado por los autores.
La barra es de 10 mm de diámetro y satisfactoria para la necesidad.
Soldadura de la barra redonda a la placa en T. La barra redonda se sujeta a la
estructura del módulo de visión artificial por medio de un cordón de soldadura a la
placa en forma de T como se observa en la figura 25.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
123
Figura 25. Soldadura en el soporte del módulo de visión artificial
Fuente. Elaborada por los autores.
Se determinó un factor de diseño ηd = 1,95 y se utilizó un electrodo E6010, el cual
tiene un esfuerzo último a la tensión Sut = 427 MPa y un esfuerzo ultimo cortante
Sy = 345 MPa. La altura teórica mínima del cordón de soldadura ‘h’ se debe
deducir con el cortante primario y secundario al que se encuentra expuesto el
cordón, relacionado con el cortante permisible de la misma.
Cortante primario,
hmN
hmN
rhP
AP /62.1248
)).10*5(4(414.14532.78
..414.1' 3 ==== −ππ
τ (3-14)
Segundo momento del área unitaria de la soldadura,
39333 10*699.392)10*5.(. mmrIu
−− === ππ (3-15)
Cordón de soldadura
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
124
Segundo momento del área,
3910*699.392.. mhIhI u
−== (3-16)
Cortante secundario,
hmN
mhmmN
IcM /8.19877
10*699.392.)10*5)(.5612.1(." 39
3
=== −
−
τ (3-17)
Magnitud del cortante,
hmN
hmN
hmN /19917/8.19877/62.1248 22
22 =⎟⎠⎞
⎜⎝⎛+⎟
⎠⎞
⎜⎝⎛=+= τττ (3-18)
El esfuerzo cortante permisible para un electrodo E6010 es permτ = 124,1 MPa
obteniendo el valor de h,
.16,0
/199171.124
mmhh
mNMPaperm
=
=== ττ (3-19)
El tamaño mas pequeño con este tipo de electrodo que se puede alcanzar en el
cateto es h = 1/16” = 1,5875 mm. Se obtuvo los valores de momento y cortantes
con el valor de h definido.
Cortante primario de la ecuación 3-14,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
125
kPamm
Nrh
PAP
533.786'))10*5875.1).(10*5(4(414.1
4532.78..414.1
' 33
=
=== −−
τππ
τ
Segundo momento del área unitaria de la soldadura de la ecuación 3-15,
39333 10*699.392)10*5.(. mmrIu
−− === ππ
Segundo momento del área de la ecuación 3-16,
412393 10*41.623)10*699.392).(10*5875.1(. mmmIhI u
−−− ===
Cortante secundario de la ecuación 3-17,
MPam
mmNI
cM 5215.1210*41.623
)10*5)(.5612.1(." 412
3
=== −
−
τ
Magnitud del cortante de la ecuación 3-18,
( ) ( ) MPaMPakPa 5461.125215.12533.786 2222 =+=+= τττ
El factor de seguridad con base a la resistencia mínima de la soldadura, esta dado
por resistencia mínima del metal de aporte,
866.155461.12
)345(577.0577.0====
MPaMPaSS ysy
ττη (3-20)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
126
El metal de aporte tiene una resistencia satisfactoria, ya que )95,186,15(, ≥≥ dηη .
El factor de seguridad con base a la resistencia mínima de la unión, se conoce
calculando primero el esfuerzo mínimo en la pieza,
695.21902.15
345
902.15)105)(4/(
)105)(5612.1(43
3
===
=== −
−
MPaMPaS
MPamx
mxNmI
Mc
y
ση
πσ
(3-21)
La resistencia de la unión es satisfactoria, ya que )95.169.21(, ≥≥ dηη . Como la
magnitud del esfuerzo cortante es menor al esfuerzo permisible del electrodo
E6010 ( permττ < ) la soldadura es satisfactoria. El factor de diseño para el electrodo
con el código ASME es 604,11,124/)345(577,0 ==η y el factor de seguridad de esta
unión es 866,155451,12/)1,124(604,1 ==sη , siendo congruente con el factor de
seguridad de resistencia mínima.
Análisis por elementos finitos del soporte en T. El análisis estructural de las
piezas más vulnerables en la mesa son simuladas en Ansys Workbench. En este
programa de elementos finitos se definen las propiedades de los materiales que
conforman el elemento o conjunto de elementos que van a ser analizados. Sobre
los elementos se definen los apoyos y cargas que los afectan, para poder hacer
una simulación fiel de lo que sucedería. En los elementos expuestos a carga
estática pueden existir fallas que afectan su geometría debido a los esfuerzos que
se generen en ella. La teoría de energía de distorsión de von-Mises dice que la
falla en un material dúctil es causada por la energía elástica asociada a la
deformación. El esfuerzo de von-Mises es equivalente a un estado de tensión
uniaxial, que genera la misma energía de distorsión que el estado combinado
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
127
inicial. Este criterio de falla es empleado en Ansys para realizar las simulaciones
de las piezas criticas de la mesa diseñada.
Los soportes en T son de placa de acero 1020 CD y se sujetan por medio de una
unión de tornillos a los laterales del módulo. La carga sobre la placa es la reacción
del peso respectivo del módulo sobre el extremo de la barra soportada en los
rodamientos. Los apoyos de la T son dos apoyos cilíndricos donde va atornillada,
como se puede ver el la figura 26. Luego de la simulación se tomó un factor de
diseño de 1,95 y se obtuvo un máximo esfuerzo equivalente de von-Mises igual a
68,68 MPa y se encuentra en la parte superior de la soldadura de la barra redonda
al soporte en T con un factor de seguridad igual a 5,0958, por lo tanto no va ha
fallar el punto más critico del conjunto simulado (ver figura 27). El máximo
esfuerzo cortante es igual a 38,33MPa y se encontró en la parte superior de la
soldadura de la barra redonda al soporte en T con un factor de seguridad igual a
4,565, por lo tanto no va ha fallar por esfuerzo cortante en el punto más critico del
conjunto simulado (ver figura 28). La máxima deformación del conjunto es por
flexión en el extremo donde va ubicado el rodamiento y en el extremo inferior de la
T, la cual es igual a 0,4554mm una deflexión que no afecta el diseño (ver figura
29).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
128
Figura 26. Definición de cargas y apoyos en el soporte en T.
Fuente. Tomado por los autores en Ansys Workbench.
Figura 27. Soporte en T(a) Esfuerzos Equivalentes de von-Mises. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
129
Figura 28. Soporte en T. (a) Esfuerzos Cortantes Máximos. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Figura 29. Soporte en T. Deformación total máxima.
Fuente. Tomado por los autores en Ansys Workbench.
3.2.4 Elementos difusores en lámina acrílica. Como se explicará mas
adelante en el prototipo de visión artificial la iluminación es de tipo difusa, debido
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
130
a esto el módulo de visión artificial además de contar con una adecuada
iluminación, proporcionada por las lámparas debe tener elementos difusores. En
este caso se utilizaron laminas acrílicas de color blanco mate, con el fin de
mantener una iluminación controlada en el interior del módulo, impidiendo que luz
externa entre. El módulo cuenta con 7 láminas de 3mm de espesor distribuidas de
la siguiente forma:
• Dos láminas frontales.
• Dos láminas laterales.
• Dos láminas inclinadas a 30º.
• Una lámina superior.
Estos elementos se encuentran sujetos a la estructura del módulo mediante
tornillos, los cuales están sometidos a cargas mínimas, ya que el peso de las
láminas no supera los 5 kg. La ubicación de los elementos difusores se puede
apreciar en la figura 30.
Figura 30. Distribución de los elementos difusores en acrílico
Fuente. Elaborada por los autores
Lamina superior
Lamina frontal
Lamina 30º
Lamina lateral
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
131
La ficha de especificaciones técnicas de esta lámina fue suministrada por
ACRILICOS ALFA S.A. y la podemos encontrar en el anexo I.
3.2.5 Estructura del módulo de visión artificial. La estructura del módulo de
visión artificial fue diseñada en perfil de aluminio M 1734 de 1/16” x 1” x 1” con
aleación 6063 y temple T554. La estructura también cuenta con 3 canales
sencillas tipo U-087 en su parte superior, las cuales sirven como soporte a las
cámaras de visión artificial, además éstas portan la protección que se diseñó para
cubrir las cámaras; la canal y la protección para las cámaras también son en
aluminio 6063-T5. La sección transversal de los ángulos y de las canales con sus
respectivas dimensiones en milímetros se pueden apreciar en la figura 31.
Figura 31. Perfiles de aluminio. (a) Angulo M1734; (b) Canal sencilla U-087
(a) (b)
Fuente. Elaborada por los autores
54 La ficha de especificaciones técnicas de este material se encuentra en el anexo J.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
132
Para verificar que la estructura soporta correctamente las cargas a las que va a
estar sometida, se realizó un análisis estructural en Ansys Workbench, el cual
determinó los puntos de mayor esfuerzo y deformación.
Análisis estructural del módulo de visión artificial. Para el análisis estructural
del módulo de visión artificial, se sustituyeron los acrílicos y las lámparas por
cargas equivalentes en las respectivas superficies; esto para realizar el cálculo de
deformación y esfuerzos con un menor costo computacional. Además se desea
obtener un factor de seguridad mayor o igual a 1,3. En la figura 32 se puede
apreciar la estructura en aluminio del modulo.55
Figura 32. Estructura del modulo de visión artificial
Fuente. Tomada por los autores
55 Para verificar las medidas de éste, remítase al anexo O en los planos 01.01.01. y 01.01.02.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
133
Los pesos de los elementos generan las cargas y se listan a continuación:
• Lámparas fluorescentes = 0,191 kgf = 1,877 N.
• Lámina frontal = 5,589 kgf = 54,810 N.
• Lámina superior = 3,973 kgf = 38,961 N.
• Lámina inclinada = 1,440 kgf = 14,122 N.
• Lámina lateral = 0,847 kgf = 8,306 N.
Estos resultados se obtuvieron verificando las piezas en el modelo desarrollado en
Solid Edge, el cual a partir del volumen de la pieza y su densidad, determina el
peso de los distintos elementos.
La fuerza de cada una de las láminas fue dividida en la cantidad de puntos donde
es sujetada, para calcular la fuerza aplicada en cada uno de los puntos; además
se le sumo la fuerza producida por el peso de las lámparas que van sobre cada
uno de los acrílicos, obteniendo las fuerzas equivalentes que se observan en la
figura 33. También es necesario aplicar la fuerza de la gravedad y los soportes
que representan la sujeción que producen los tornillos que unen la estructura con
los soportes en T descritos anteriormente.
Una vez aplicadas las cargas se verifica el material, que como se vio con
anterioridad es aluminio 6063-T5 y se procede a realizar el análisis de esfuerzo y
deformación.
En el primer caso se observó el esfuerzo equivalente bajo el criterio de von-Mises,
para determinar si el esfuerzo máximo alcanzado en la estructura puede llegar a
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
134
superar el limite de fluencia del material. Se procede a resolver el problema y se
pueden observar los resultados en la figura 34.
Figura 33. Cargas sobre la estructura del módulo de visión.
Fuente. Elaborada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
135
Figura 34. Máximo esfuerzo en la estructura del módulo de visión.
Fuente. Elaborada por los autores
Se tiene que el esfuerzo máximo se produce en los agujeros donde irán los
tornillos del soporte en T, alcanzando un valor de 24,87 MPa, que es mucho
menor que el límite de fluencia del aluminio (145,9 MPa), de ésta forma es posible
determinar que el factor de seguridad 828,587,249,145
===MPaMPaS y
ση es satisfactorio
ya que supera el de 1,3 que se estipulo en principio.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
136
El segundo análisis es el de máxima deformación, donde se observó que tanto se
flectaron los ángulos de aluminio que componen la estructura, sometidos a las
cargas descritas anteriormente. En la figura 35 se puede observar la deformación
máxima y mínima que sufre la estructura.
Figura 35. Máxima deformación en la estructura.
Fuente. Elaborada por los autores
La deformación máxima es de 4,35 mm, pero es necesario aclarar que en el
momento de poner las láminas acrílicas, éstas soportaran la parte superior del
arco impidiendo que estos se flecten.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
137
El máximo esfuerzo cortante sobre la estructura del módulo es igual a 14,15 MPa
y se encontró en donde se apoya a los soportes en T; el factor de seguridad es
igual a 5,125 y es superior al estipulado anteriormente (1,3), por lo tanto la
estructura no va ha fallar por esfuerzo cortante en el punto más critico (ver figura
36).
Figura 36. Estructura de visión artificial. (a) Esfuerzos cortantes máximos. (b)
Factor de seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Conociendo las dimensiones y peso del módulo de visión artificial se procede a
realizar el cálculo del mecanismo de desplazamiento del módulo de visión artificial.
Soldadura del soporte frontal de aluminio con el marco frontal. En las
esquinas inferiores de la estructura es necesario unir varias secciones de aluminio
con las láminas de acrílico. Debido a esto la unión con tornillos no es adecuada en
todas las caras, ya que estos pueden coincidir unos con otros. Por lo tanto, como
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
138
se ve en la figura 37, es necesario hacer la unión del soporte frontal en sus
extremos con los pies del marco frontal con un cordón de soldadura.
Figura 37. Soldadura del soporte frontal con el marco frontal.
Fuente. Elaborado por los autores.
Se empleó un electrodo E4043 de West Arco que tiene un esfuerzo último a la
tensión Sut = 275,79 MPa y un esfuerzo último cortante Sy = 96,53 MPa.
Comercialmente la altura resultante del cordón de soldadura es h=1/8”=3,175 mm.
La carga que soporta la unión es de 24,6612 N. El esfuerzo cortante permisible del
metal base debe es:
.58)145(4,0)(4,0 MPaMPaS yperm ===τ (3-22)
Se obtuvo el valor del esfuerzo cortante en la unión, así:
kPamm
Ndh
PAP
531,432))10*4,25).(10*175,3(707,0
6612,24..707,0 33
=
=== −−
τ
τ (3-23)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
139
Como el ττ ≥perm la unión es satisfactoria al cortante con el cordón de soldadura.
El esfuerzo de tensión permisible del material es:
( ) .87.1456,0.6,0 MPaMPaS yperm ===σ (3-24)
El esfuerzo a la tensión en la unión es:
( )( ) .094,809104,25.102,1
.6612,24. 33 kPa
mxmxN
dtP
=== −−σ (3-25)
Como el σσ ≥perm el esfuerzo de tensión en la unión es satisfactorio. 3.2.6 Elementos para el mecanismo de desplazamiento del módulo de visión artificial. Como se explicó en el diseño del módulo de visión artificial, éste se
desplaza sobre rieles para poder fotografiar el área total del cuero. Para lograr
este movimiento se diseñó un sistema de correa y poleas dentadas (que se
explicará más adelante), el cual transmite la potencia necesaria para moverlo.
Mediante el uso del Dynamic Designer56 de Solid Edge se calculó la energía
necesaria para realizar el desplazamiento a lo largo de la mesa en un tiempo de
10 segundos.
La masa total que tiene el módulo de visión artificial es de 32 kg. Para poder
conocer la potencia en el movimiento del módulo sobre los rieles, se observó el
resultado obtenido en la gráfica de Consumo de Potencia en los puntos de
contacto (figura 40). Los puntos de contacto se definieron como una junta con
56 Extensión del módulo Motion de Solid Edge.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
140
movimiento traslacional lineal, con una fricción y una velocidad constante. En la
figura 38 (a) se muestra el tipo de movimiento que tiene la junta.
Figura 38. a) Definición de la junta en Dynamic Designer. b) Velocidad de la junta
con respecto al tiempo.
(a)
(b)
Fuente. Tomada por los autores en Dynamic Designer.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
141
La velocidad lineal se definió con el tiempo y desplazamiento preestablecidos,
obteniendo un valor del sistema de transmisión hacia la mesa igual a 305 mm/s
(figura 38 (b)). La carga considerada en el análisis fue modificada por el
coeficiente de fricción existente entre el aluminio del riel y el acero de los
rodamientos, el cual es igual a 0,25.
Los datos mostrados en la figura 39 indican la energía cinética que gana el módulo
con el movimiento definido.
Figura 39. Energía cinética del módulo.
0,00 0,07 0,14 0,21 0,29 0,36 0,43 0,50 0,57 0,64 0,71 0,79 0,86 0,93 1,00Time (sec)
1487
1488
1488
1488
1488
1489
1489
1489
1489
Kine
tic E
nerg
y (n
ewto
n-m
m)
Fuente. Tomada por los autores
La simulación del desplazamiento del módulo entregó como resultado una
potencia empleada igual a P=24,03W =0,0322hp como se ve en la figura 40.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
142
Figura 40. Consumo de potencia con respecto al tiempo
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00Time (sec)
2402924029240292403024030240302403024030240302403124031240312403124031
Pow
er C
onsu
mpt
ion
(new
ton-
mm
/sec
)
Fuente. Tomado por los autores desde el módulo de Dynamic Designer.
El resultado obtenido se comprobó con los valores de peso del módulo (313,8128
N.), del coeficiente de fricción entre las piezas de los apoyos (µ=0,25) y la
velocidad (305mm/s), calculando a potencia así:
hpWsmmNvwVFP 0321,092,23)/305)(25,0)(8128,313(... ===== μ (3-26)
Por lo tanto la simulación es coherente con los cálculos, y se consideró necesario
un motor de 0,0322 hp para tener un movimiento satisfactorio del módulo sobre la
mesa de corte.
Selección del motor. Teniendo la potencia calculada y la velocidad lineal
deseada, se seleccionó un motor comercial indicado para ésta aplicación. En éste
caso el motor que mejor se acopló a las necesidades del módulo fue uno con
referencia, SK 1 SI 31 IEC 63 L /4 fabricado por la empresa NORD
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
143
DRIVESYSTEMS57, el cual se muestra en la figura 41. La tabla de características
técnicas se encuentra en el anexo K.
Figura 41. MOTOR SK 1SI 31 IEC 63 L/4
Fuente. NORD DRIVESYSTEMS
Transmisión para el movimiento del módulo. Una vez hecha la selección del
motor se procedió a realizar el cálculo de la transmisión por correa dentada. Se
empleó el manual de selección de “Transmisiones por Correas Dentadas de
Tiempo y Sincrónicas” de INTERMEC Ltda., con el fin de encontrar una
transmisión confiable, que fuera fácil de conseguir comercialmente.
En este manual se encontraron dos tipos de trasmisiones, las de tiempo y las
sincrónicas. Al ser ésta una aplicación donde se requirió precisión en el
movimiento, por la importancia de no generar deslizamiento entre la correa y las
57 Distribuido en Colombia por VARIADORES S.A.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
144
poleas, se emplearon correas dentadas de tiempo, las cuales manejan el mismo
principio del engranaje y la cadena.
Para proceder a la elección de la correa se reunió la siguiente información:
• Potencia y tipo de unidad motriz → Motor eléctrico de 0,16 HP.
• RPM de la unidad motriz → 58.3 RPM.
• RPM de la maquina a impulsar → 58.3 RPM.
• Distancia entre centros de los ejes → 3880 mm.
El primer paso que se realizó fue el cálculo de la potencia de diseño, teniendo en
cuenta la potencia del motor multiplicado por un factor de servicio. En el caso de
éste proyecto el factor de servicio es de 1,558, ya que se consideró al sistema
como uno de banda con carga ligera. Además se le adicionó al factor de servicio
una magnitud de 0,02, por considerar a la polea conducida como una rueda loca,
obteniendo así, una potencia de diseño igual a:
HPPDHPPD
243,0)02,05,1(*16,0
=+=
(3-27)
A continuación, fue necesario escoger el paso de la correa, teniendo en cuenta la
potencia de diseño y las revoluciones por minuto de la polea más pequeña en el
sistema. Con estos datos se encontró en la tabla 2 del manual de Intermec Ltda.59,
que la correa para éste caso es de un paso tipo H.
El siguiente paso fue calcular la relación de velocidad entre poleas, que se obtiene
dividiendo las RPM mayores entre las RPM menores; como en éste caso éstas
58 Éste valor se encontró en la tabla 1 del anexo L. 59 Ver tabla 2, en el anexo L.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
145
dos son iguales la relación de velocidades es de 1,00. Debido a las características
de este proyecto, se selecciono una polea de 25 dientes que tiene un diámetro
exterior de 99,7 mm.
Con estos datos se procedió a calcular el ancho de la correa, remitiéndose a la
tabla de Capacidad de Transmisión por cada pulgada de ancho de la correa. Se
encontró que para una polea tipo H de 25 dientes la capacidad de transmisión es
de 0,42 HP por pulgada; como la potencia de diseño es de 0,243HP se tiene un
Factor de Ancho de 0,578, lo que da un ancho de correa de ¾ de pulgada.
Además fue necesario calcular el largo total de la correa. Esto se logra a partir de
la siguiente ecuación:
CdDdDCLp
4)()(57,12
2−+++= (3-28)
Donde: LP: Largo de la correa en pulgadas.
D: Diámetro de la polea mayor en pulgadas.
d: Diámetro de la polea menor en pulgadas.
C: Distancia entre centros en pulgadas.
Por lo tanto el largo de la correa es:
.lg82,317lg75,152*4
lg)925,3lg925,3(lg)925,3lg925,3(57,1lg75,152*22
pLpp
pppppLp
=
−+++=
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
146
De tal forma se eligieron los siguientes elementos:
1 polea motriz 25H075
1 polea impulsada 25H075
1 correa 3178H075
Como la correa se encuentra en constante movimiento y es un elemento que
puede causar algún tipo de accidente, fue necesario diseñar una protección. Para
éste caso se utilizó una lámina de acero 1020 de 3mm de espesor, la cual se
dobla para formar un ángulo de 90º. Ésta se fijó mediante el uso de tornillos a la
base de la mesa y nos permitió realizar el montaje del sistema de transmisión
sobre la misma. La ubicación se puede apreciar con mayor facilidad en la figura 42
y para verificar sus dimensiones, remítase al anexo O plano 01.02.07.
Figura 42 (a) Ubicación del mecanismo de desplazamiento del modulo de visión
artificial con respecto a la mesa de corte; (b) Detalle de los elementos.
(a)
Protección para la correa
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
147
(b)
Fuente. Elaborada por los autores
Conociendo el motor y las características del sistema de transmisión se calcularon
los ejes en los que se montaron sus rodamientos y poleas respectivas, diseñando
también los soportes de los rodamientos y la protección para dicho sistema. Estos
cálculos se describen a continuación.
Cálculo del eje motriz. Para el diseño del eje de la polea motriz en la transmisión
por correas dentadas de tiempo de Intermec, se contó con un motor de 58,3 rpm y
1/6 hp, el cual brindó la potencia y velocidad necesaria para el movimiento del
módulo.
Con la velocidad y potencia mencionadas, se calcularon los siguientes datos:
Motor
Polea dentada
Correa dentada
ProtecciónRiel
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
148
• Torque: ]._[3668,203,58
)6/1(3,7124)(3,7124 mNrpm
hpRPM
HPT === (3-29)
• Velocidad periférica de la correa:
min/206,18)3.58)(107,99())(( 3 mrpmmxrpmdV === ππ (3-30)
• Fuerza de tensión de la correa: Nmx
mNdTT 561,408
2/)107,99(.3668,20
2/ 31 === −
(3-31)
Luego se analizaron las cargas sobre el eje, para poder calcular las reacciones y
el momento máximo sobre el mismo.
Figura 43. Cargas sobre el eje. Medidas en mm.
Fuente. Elaborado por los autores.
0=+−=∑ BzFAzF TZ
BzNAz −= 561.408 (3-32)
z
x
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
149
)10525,8110525,20()10525,81(0 333 mxmxBzmxFM TY
−−− ++−==∑
NBz
mxmxmxNBz3884,326
)10525,8110525,20/()10525,81)(561,408( 333
=+= −−−
(3-33)
NAzNNAz
1726,823884,326561.408
=−=
Figura 44. Diagrama de cortante transversal en el eje transmisor.
Fuente. Elaborado por los autores.
El momento máximo seria: mNM
mxNM
MAX
MAX
.699,6)10525,81)(1726,82( 3
== −
(3-34)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
150
Figura 45. Magnitud del Momento en el eje transmisor.
Fuente. Elaborado por los autores.
Empleando la ecuación del criterio de Von Mises, se pudo considerar un diámetro
inicial para soportar cargas estáticas, considerando un factor de diseño ηs = 1.6 y
tomando como material un SAE 1020 CD (Estirado en frío)60 se tiene un Sy = 390
MPa y un Sut = 470 MPa. El diámetro inicial del eje es:
..24,9
102382,9.).3668,20(43.).699,6(
)390.()6,1(32
43
..32
3
3/1
22
3/1
22
mmd
mxmNmNMPa
d
TMSn
dy
s
=
=⎟⎟⎠
⎞⎜⎜⎝
⎛+=
⎟⎟⎠
⎞⎜⎜⎝
⎛+=
−
π
π
(3-35)
El diámetro inicial del eje motriz es de 9,24 mm. Luego se evaluó si el eje fallaba
bajo carga estática por el criterio de energía de distorsión, con la siguiente
ecuación: 60 La elección de este material es común debido a su economía, fácil maquinado y fácil adquisición en el mercado.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
151
( ) ..75,2436,1
..390.48..8.4 22
3 MPaMPanS
TdPMd s
ye ==≥++=
πσ (3-36)
( )
..84,245
.)..3668,20.(48.)1024,9).(561,408(.).699,6.(8)1024,9.(
4 22333
MPa
mNmxNmNmx
e
e
=
++= −−
σ
πσ
El eje no falla por flexión alternante ya que el esfuerzo de Von Mises es s
ye n
S≥σ y
por lo tanto el diámetro de 9,24mm es ideal para el eje bajo carga estática.
Empleando la ecuación del diámetro para satisfacer las restricciones a la
resistencia de ASME-elíptico, se tuvo que el diámetro del eje es:
3/1
21
22
3416
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛+⎟⎟
⎠
⎞⎜⎜⎝
⎛=
y
mfs
e
af
STK
SMKnd
π (3-37)
Se consideraron los dos concentradores de esfuerzo igual a uno (Kf = 1, Kfs =1,
ya que el diámetro se consideró en primera estancia uniforme), un factor de diseño
ηs = 1,6 y el límite de resistencia a la fatiga sometida a una tensión con viga
rotativa (Se’) se calculó, así:
MPaMPaSS ute 82,273)470(506,0506,0' === (3-38)
El diámetro adecuado con un lugar geométrico de falla ED-elíptico, es:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
152
mxMPa
mNMPa
mNd 3
3/12
122
1079715,9390
).3668,20(13)273().699,6(14)6,1(16 −=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛⎟⎠⎞
⎜⎝⎛+⎟⎟
⎠
⎞⎜⎜⎝
⎛=
π
Como el motor que va a entregar la potencia para el movimiento del eje tiene un
eje hueco de 14 mm de diámetro interno, para su acoplamiento se empleó un eje
de 14 mm de diámetro. Sin embargo, entre los sistemas de fijación para poleas
dentadas de Intermec Ltda. se tiene un diámetro mínimo de eje de 20 mm. El Buje
de fijación Intermec seleccionado para la polea, es un Bufin serie S de diámetro
exterior de 47 mm. Por lo tanto el eje estará conformado de dos secciones: una de
14mm y otra de 20mm, de la siguiente manera:
Figura 46. Eje de polea de transmisión.
Fuente. Elaborado por los autores.
Mirando la figura 46 se aprecia, que podría ocurrir una falla por fatiga en B o en el
punto de momento máximo, sin embargo el punto B tiene un tamaño menor y por
lo tanto una mayor concentración de esfuerzos. Entonces se calculó la resistencia
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
153
en el punto B y se comparó con el esfuerzo del mismo punto. Se obtuvieron los
siguientes datos:
MPaS
MPaSMPaS
e
y
ut
82,273'
390470
=
==
Para encontrar el radio de entalle r en el punto B se iteró de la primera tabla de
concentración de esfuerzos de la figura E-15-961, con el resultado menor de la
relación r/d para encontrar el mayor valor de concentración de esfuerzos.
Se tiene que r/d = 0,01 por lo tanto r =0,01(14 mm)= 0,140 mm. Para calcular el
límite de resistencia a la fatiga en una ubicación crítica de la parte de una máquina
en la geometría y condición de uso, se maneja la ecuación de Marín:
'..... eedcbae SkkkkkS = (3-39)
Donde ka = factor de modificación de la condición superficial.
kb = factor de modificación del tamaño (determinística).
kc = factor de modificación de la carga.
kd = factor de modificación de la temperatura.
ke = factor de modificación de efectos varios.
S’e = Limite de resistencia a la fatiga de una viga rotatoria.
El acabado del eje es maquinado, por lo tanto el valor del factor de superficie esta
dado por:
61 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., p.1205.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
154
871,0)470)(45,4(. 265,0 === −buta Sak (3-40)
El diámetro está en el rango de 2,79 mm < d < 51 mm, y se tiene una sección
redonda, sometida a flexión rotativa y torsión, por lo tanto el factor de tamaño esta
dado por:
936,0)62,7/14()62,7/( 107,0107,0 === −−dkb (3-41)
Para encontrar el factor de concentración de esfuerzo teórico (o geométrico) Kt se
utilizó la tabla E-15-962, con D/d = (20 mm)/(14 mm) = 1,42857, y r/d = (0,140 mm)
/ (14 mm) = 0,01 obteniendo un factor de concentración de esfuerzos teórico Kt
=3,50823. La función de la resistencia última a la tensión media
27660,0470139139 ===
utSa (para un hombro, según los parámetros de
Heywood63), entonces se tiene un factor de concentración de esfuerzos por fatiga
Kf igual a:
547,1)27660,0(
)50823,3.(140,01)50823,3.(21
50823,3
.1.2
1=
−+
=−
+=
aKr
KK
K
t
t
tf (3-42)
Este factor de concentración de esfuerzo fue elaborado para funcionar a 106 ciclos
(Vida Infinita). Como se tienen los factores k c = k d = k e = 1, entonces,
MPaSe 233,223)82,273)(936,0)(871,0( ==
Se calculó el momento flexionante en B, que corresponde a,
62 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., p.1205. 63 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., Tabla 7-12 p. 389.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
155
mNmxNmmAzxRM B .355,4)1053)(1726,82()53()( 31 ==== −
El módulo de sección esta dado por I / c = π.d3/32 = 269,392 mm3. El esfuerzo
flexionante suponiendo una vida infinita es,
MPamx
mNcI
MK Bf 009,25
10392.269.355,4)547,1(
/ 39 === −σ (3-43)
El factor de concentración de esfuerzos KN no se conoce debido a que no se
tienen los ciclos a la falla N. De esta manera se corregirá la resistencia a la fatiga
empleando el esfuerzo con que se cuenta,
MPamx
mNcI
M B 166,1610392.269
.355,4/ 39 === −σ (3-44)
Como K6 = 1,547, K3 es igual a,
0505.1])470)(10(948.0)470)(10(624.018.0][1547.1[1
])10(948.0)10(624.018.0][1[1
3
2733
27363
=−+−−+=
−+−−+=−−
−−
KK
SSKK utut
La aproximación SAE para aceros con HB ≤ 500 al encontrar el esfuerzo
verdadero-deformación verdadera es,
MPaMPaMPaMPaSutF 815345470345' =+=+=σ (3-45)
La resistencia a la fatiga a alto ciclaje se rectifica, por medio de una
transformación logarítmica para el esfuerzo y los ciclos de falla así,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
156
utb
Fciclosf SfS .)103.2(')( 310 == σ (3-46)
El exponente b se determinó mediante σa = Se = σ’F ( 2 N e ) b, donde N e es la vida
de resistencia a la fatiga límite,
0893.0)10.2log(
)233.223/815log().2log(
)/'log(6 −=−=−=
MPaMPaN
Sb
e
eFσ (3-47)
Por lo tanto se pudo calcular el factor f que varía con el Sut,
8795.0)10.2(470815)10.2(
' 0893.033 === −
MPaMPa
Sf b
ut
Fσ (3-48)
En forma empírica, el ajuste común de la curva S-N esta dado Sf = a Nb, donde N
es ciclos a la falla y las constantes a y b se definen así,
0884.0)233.223(
)470).(875.0(log31.
log31
436.765233.223
)470()8795.0( 2222
−=⎟⎟⎠
⎞⎜⎜⎝
⎛−=⎟⎟
⎠
⎞⎜⎜⎝
⎛−=
===
MPaMPa
SSf
b
MPaMPa
MPaSSf
a
e
ut
e
ut
(3-49)
De esta forma con a y b se define el material corregido para la superficie y el
tamaño sin concentración de esfuerzo:
( )( ) MPaMPaS
MPaMPaSNMPaSf
f
f
632.415)10.(436.765
688.225)10.(436.765.436.765
0884.0310
0884.0610
0884.0
3
6
==
==
=
−
−
−
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
157
Si se tiene en cuenta las ordenadas para el lugar geométrico de falla con muesca,
se tiene,
( )1429.0
)470).(875.0).(547.1()0505.1).(688.225(log
31
...
log31'
206.11270505.1547.1)436.765('
6
310
23
623
622
6−=⎟⎟
⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛=
====
MPaMPa
SfKKS
b
MPaMPaKK
aSKKSf
a
ut
f
e
ut
(3-50)
Entonces,
( )( ) MPaMPaS
MPaMPaSNSf
f
f
052.420)10.(206.1127
532.156)10.(206.1127.206.1127
1429.0310
1429.0610
1429.0
3
6
==
==
=
−
−
−
Ya con la reducción de esfuerzo se completa con K3 = 415,632 / 420,052 = 0,9895
y K6 = 225,688 / 156,532 = 1,4418 y se tiene:
054.0
)4418.1/9895.0log()3/1(2
)/log()3/1(
6
23
.679.0
)4418.1()9895.0(
63
NK
NNKK
K
N
KKN
=
== −−
(3-51)
Para un esfuerzo σa = 16,166 MPa., los ciclos a la falla son
ciclosa
Nb
a ).10(942,7206.1127
166,16'
121429.0/1'/1
=⎟⎠⎞
⎜⎝⎛=⎟
⎠⎞
⎜⎝⎛=
−σ (3-52)
y
377,3))10(942,7(679,0 054,012 ==NK
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
158
La vida del eje es igual a,
ciclosa
KNb
N ).10(388,9436,765
)166,16)(377,3( 120884.0/1/1
=⎟⎠
⎞⎜⎝
⎛=⎟⎠⎞
⎜⎝⎛=
−σ (3-53)
Como la vida del eje supera los 106 ciclos se considera infinita. Si se toma una confiabilidad R ≥ 0,995 se tiene una z = -2,576, los coeficientes de
variación de los factores de modificación de fatiga son Cka = 0,058, Ckc = 0, Ckf =
0,11 y Cφ = 0,138. Se calculó Cσ’a = (0,112+02)1/2 = 0,11, CSe = ( 0,058 2 + 0 2 +
0,138 2)1/2 = CSe = 0,1497, y se tiene
1846,011,01
11,01497,01 2
22
2'
2'
2
=+
+=
++
=a
a
CCC
C Sen
σ
σ (3-54)
El valor medio del factor de diseño por fatiga esta dado por,
6295,12222 1846,01ln)1846,01ln()576,2(1ln)1ln(
=== ⎥⎦⎤
⎢⎣⎡ +++−−⎥⎦
⎤⎢⎣⎡ +++−−
een nn CCz
f (3-55)
Es necesario conocer el factor de concentración de esfuerzos Kts = 2,5132 que se
encuentra relacionado con el criterio de von-Mises y se calcula en la tabla E-15-
864, para poder calcular el factor de seguridad con el diámetro mínimo real del eje.
Se calculó el factor de concentración de esfuerzos Kfs así,
64 SHIGLEY , Joseph E.; MISCHKE, Charles R.. Op. cit., p. 1204.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
159
151.1)27660,0(
)5132.2.(140,01)5132.2.(21
5132.2
.1.2
1=
−+
=−
+=
aKr
KK
K
ts
ts
tsfs (3-56)
El factor de seguridad que se tiene con el eje en su sección más vulnerable es:
448.3
290.0390
).3668,20)(151.1(3)273(
).699,6)(547.1(4)1014(
161
34.161
21
22
33
21
22
3
=
=⎟⎟
⎠
⎞
⎜⎜
⎝
⎛⎟⎠⎞
⎜⎝⎛+⎟⎟
⎠
⎞⎜⎜⎝
⎛=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛+⎟⎟
⎠
⎞⎜⎜⎝
⎛=
−
n
MPamN
MPamN
mxn
STK
SMK
dn y
mfs
e
af
π
π
(3-57)
Como se tiene fnn_
≥ , el factor de seguridad es satisfactorio por fatiga, en la
sección más vulnerable del eje, y la confiabilidad del hombro excede 0,995, ya que
la relación dio 2,116.
Cuña y cuñero para acoplar el eje motriz al motor. Se tiene un eje de 14 mm y
un cuñero en el motor de 5 mm x 2,76 mm, por lo tanto se toma una cuña de 5 mm
x 5 mm, y se asume un largo de 15mm. Se eligió una cuña cuadrada de acero
1020 estirado en frío, que tiene una resistencia a la fluencia de 390 MPa y se
emplea un factor de seguridad de 3,0.
Se calculó el esfuerzo cortante a lo largo del área transversal así:
( )( )( ) MPamxmxmx
mNLWD
Tom 794.38
1015.105.1014.3668,20*2
***2
333.Pr === −−−τ (3-58)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
160
La longitud mínima para que no falle por el esfuerzo cortante es:
mmmxmxMPa
mNWDSnTL
y
s 952,8105*1014*3900,3*.3668,20*4
****4
33 === −−τ (3-59)
El largo es satisfactorio. Se miró el esfuerzo por aplastamiento que se tiene en la
cuña:
( )( )( ) MPamxmxmx
mNHLD
TAdm 588.77
105.1015.1014.3668,20*4
***4
333. === −−−σ (3-60)
La longitud mínima de la cuña para que no falle por aplastamiento es,
mmmxmxMPa
mNWDSnTL
y
s 952,8105*1014*3900,3*.3668,20*4
****4
33 === −−σ (3-61)
La longitud es satisfactoria para que no falle por aplastamiento. El cuñero sobre el
extremo del eje tiene una profundidad de 2,24 mm, un ancho de 5 mm y un largo
de 15 mm.
Rodamiento eje motriz. Como el eje es de 20mm en los rodamientos rígidos de
bolas de SKF se encuentra uno con el diámetro interior de la misma medida. La
designación escogida es la 6004 con un diámetro exterior D = 42 mm y un ancho
de cara B = 12 mm, ya que es el ancho de cara más apropiado para acomodar en
el extremo C del eje. La carga recibida en el rodamiento es una carga radial de
326,388 N.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
161
La velocidad del rodamiento es de 58,3 rpm. La duración nominal en horas de
servicio del rodamiento es 100000, interpolando de la tabla de valores de C/P65
del manual de SKF se tiene que C/P = 7,01952. Con estos datos se calculó:
• Carga estática equivalente: NPo
NFaFrPo833,195
)0(5.0)388,326)(6.0(5.06.0=
+=+=
• Esta es igual a la fuerza radial porque: NPo
FrPo388,326=
<
• Coeficiente de servicio: 0,2=So , por funcionamiento silencioso.
• Carga estática: NNSoPoCo .776,652)0.2)(388,326(* ===
Como se tiene una carga axial Fa nula la relación con la carga estática es cero,
por lo tanto se tomó este valor para interpolar en la ‘tabla de factores X y Y para el
calculo de rodamientos rígidos de bolas’ de SKF, y encontrar el índice del
rodamiento ‘e’ y las constantes de carga X y Y. Entonces,
01
/.014359.0
==
≤=
YX
CoFrFacomoe
Como resultado se tiene,
• Carga dinámica equivalente: NP
NYFaFrXP388,326
0)388,326)(1(.=
+=+=
65 Relación entre la carga dinámica (C) y la carga dinámica equivalente(P).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
162
• Carga dinámica: NC
NPC09,2291
)388,326)(01952,7()01952,7(=
==
Con la carga dinámica C y la carga estática Co calculadas se pudo verificar que el
rodamiento 6004 soporta las cargas, ya que éste soporta una carga dinámica C =
9360 N y una carga estática Co = 4500 N. Para evitar la lubricación de los
rodamientos se escogió un rodamiento 6004-2Z; el sufijo -2Z indica que el
rodamiento tiene placas de protección metálicas no rozantes en ambas caras que
no afecta la lubricación del mismo.
Soldadura del soporte del rodamiento del eje motriz. Se emplea una placa de
60 mm x 60 mm x 12,7 mm de espesor para soportar el rodamiento del eje motriz.
La placa es de acero 1020 CD y se va a soldar a la placa de protección de la
transmisión que es del mismo material. La carga que va a resistir el tipo de
soldadura es P = 326,3884 N, ya que es la reacción en ese extremo.
Se tomó un factor de seguridad ηs = 1,8 y se empleó una soldadura de filete al
extremo superior e inferior de la placa de soporte, con un electrodo E6010, que
tiene un esfuerzo último a la tensión Sut = 427 MPa y un esfuerzo último cortante
Sy =345 MPa..
La altura teórica mínima del cordón de soldadura h, se deduce con el cortante
primario y secundario al que está expuesto el cordón de soldadura, relacionado
con el cortante permisible de la misma.
Cortante primario,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
163
hmN
hmN
bhP
AP /1,3847
).10*60(414.1388,326
..414.1' 3 ==== −τ
Segundo momento del área unitaria de la soldadura,
362332
10*1082
)10*60.(10*602. mmmdbIu
−−−
=== (3-62)
Segundo momento del área,
3610*108.. mhIhI u
−==
Cortante secundario,
hmN
mhmmN
IcM /98,543
10*108.)10*30)(.95833.1(." 36
3
=== −
−
τ
Magnitud del cortante,
hmN
hmN
hmN /37,3885/98,543/1,3847 22
22 =⎟⎠⎞
⎜⎝⎛+⎟
⎠⎞
⎜⎝⎛=+= τττ
El esfuerzo cortante permisible para un electrodo E6010 es τ perm = 124,1 MPa
obteniendo el valor de h,
.031,0
/37,38851.124
mmhh
mNMPaperm
=
=== ττ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
164
El tamaño más pequeño con este tipo de electrodo que se puede alcanzar en el
cateto es h = 1/16” = 1.5875mm, por lo tanto se pueden obtener los valores de
momento y cortantes.
Cortante primario,
MPamm
Nbh
PAP 423,2
)10*5875,1)(10*60(414.1388,326
..414.1' 33 ==== −−τ
Segundo momento del área,
49363 1045,17110*108).10*5875,1(. mxmmIhI u
−−− ===
Cortante secundario,
kPam
mmNI
cM 665,34210*45,171
)10*30)(.95833.1(." 49
3
=== −
−
τ
Magnitud del cortante,
( ) ( ) MPakPaMPa 4475,2665,342423,2 2222 =+=+= τττ
El factor de seguridad con base a la resistencia mínima de la soldadura, esta dado
por resistencia mínima del metal de aporte,
334,814475,2
)345(577.0577.0====
MPaMPaSS ysy
ττη
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
165
El metal de aporte tiene una resistencia satisfactoria, ya que )8.1334,81(, ≥≥ dηη .
El factor de seguridad con base a la resistencia mínima de la unión, se conoce
calculando primero el esfuerzo mínimo en la pieza,
5508631.62
345
631,62)1042)(4/()1060)(3/1(
)1060)(.95833.1(4343
3
===
=−
== −−
−
kPaMPaS
kPamxmx
mxmNI
Mc
y
ση
πσ
La unión es satisfactoria respecto a la resistencia de la unión, ya que
)8,15508(, ≥≥ dηη . Como la magnitud del esfuerzo cortante es menor al esfuerzo
permisible del electrodo E6010 ( )perm ττ < la soldadura es satisfactoria.
Tornillos de sujeción en la junta del soporte del motor a la protección para la correa. Aquí se tienen dos tornillos ubicados a lo largo de 40 mm, distanciados
uno del otro a 20 mm y de los extremos de la base a 15 mm. Se empleó un factor
de diseño ηd = 2,0. y tornillos M6x1 clase 5.8, que son la denominación
recomendada para uniones donde hayan motores de los fabricantes de tornillos
Gutemberto S.A.. Los materiales de la junta tienen un espesor total de 16,38 mm.
Las tuercas empleadas para este tipo de tornillos tienen una altura de 5,2 mm y
las arandelas de 1,651mm, por lo tanto con el hilo que es necesario luego de
apretar la tuerca (1 hilo por milímetro), la longitud mínima del tornillo es L = 16,38
mm + 5,2 mm + 1,651 mm + 1,5 mm = 24,731 mm. La longitud comercial más
cercana a este valor es de 25 mm.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
166
Figura 47. Unión del soporte del motor a la protección de la correa
Fuente. Elaborado por los autores.
La longitud de agarre en los agujeros es Lg = 18,031 mm y la longitud de la rosca
Lt = 25 mm. Como podemos ver en la figura 47 la unión se encuentra sujeta a
tensión, por lo tanto se analiza la rigidez de las piezas de la unión, para calcular
los criterios de falla de los tornillos y de la junta. La carga soportada por la unión
es igual a 6 kgf en unidades del SI 58,8399 N, y como se tienen 2 tornillos
soportando la unión la carga individual es de 29,42 N.
Precarga recomendada. Se calculó la carga de prueba Fp con la resistencia de
prueba Sp = 380 MPa y el área de esfuerzo a tensión de la rosca At= 20,1 mm2 así,
NmmMPaASF tpp 7638)1.20(*)380(* 2 ===
Ya con este valor se calculó la precarga recomendada para una junta de fácil
desensamblaje,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
167
NNFpFi 5.5728)7638(75.0.75.0 ===
Torque de apriete. El torque de apriete se calculó con el coeficiente de torsión K,
la precarga recomendada y el diámetro del tornillo. El K depende del acabado o
estado superficial del tornillo (condición de suministro), en este caso K = 0,2, ya
que se emplearon tornillos normales de suministro (acabado negro).
mNmNdFKT i .8742.6.)10*6)(5.5728(2.0.. 3 === −
Rigidez del tornillo. Esta rigidez del tornillo dentro de la zona de sujeción consta
de dos partes, la parte del cuerpo sin rosca y la parte del cuerpo con rosca así,
dttd
tdb lAlA
EAAk
+=
.. (3-63)
Donde At = área de esfuerzo a tensión.
Ad = área del diámetro mayor del sujetador.
lt = longitud de la parte roscada del agarre.
ld = longitud de la parte sin rosca en agarre.
El área de esfuerzo a tensión es At = 20,1 mm2, el área del diámetro mayor del
sujetador es Ad = (π/4) x d2= (π/4) (6 mm)2= 4,71239 mm2, la longitud de la parte
roscada del agarre lt = 18,031 mm y la longitud de la parte sin rosca en agarre ld =
0 por lo tanto la rigidez del tornillo es:
)/)(10(065.156)031.18(
)140).(1,20()0)(1,20()031.18).(71239.4(
)140).(1,20).(71239.4(
6
2
22
22
mNkmm
GPammmmmmmmGPammmmk
b
b
=
=+
=
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
168
Rigidez de los elementos. La rigidez de los elementos en la zona de sujeción, es
necesaria conocerla cuando se tiene una carga externa a tensión en la conexión.
Los elementos incluidos en el agarre del tornillo actúan como resortes de
compresión en serie, pero en este caso es el mismo material por lo tanto la rigidez
total km del elemento es,
( )( )( )( )
( )( )( )( )
)/)(10(73,1875
)106(5,0)106(5,2)10031,18(15,1)106(5,2)106(5,0)10031,18(15,1ln
)106).(207.(577,0
5,05,215,15,25,015,1ln
..577,0
6
333
333
3
mNk
mxmxmxmxmxmx
mxGPa
ddtddt
dEk
m
m
=
⎟⎟⎠
⎞⎜⎜⎝
⎛++
=
⎟⎟⎠
⎞⎜⎜⎝
⎛++
=
−−−
−−−
−ππ
(3-64)
Parámetro adimensional de rigidez. Este parámetro es la constante de unión, la
cual relaciona la rigidez del tornillo con la rigidez de la junta,
07681,0
/)10(73,1875/)10(065,156/)10(065,156
66
6
=
+=
+=
k
mb
bk
C
mNmNmN
kkkC
(3-65)
Criterio de falla para los tornillos. Es necesario conocer la carga Pb ejercida sobre
el tornillo, la cual es igual al producto de la constante de la unión con la carga
aplicada. Por lo tanto Pb = Ck. P = (0,07681).(29,42N) = 2,26N, el factor de
seguridad en el tornillo es:
11000)07681.0(*)26,2(
)5,5728()380(*)1.20(*
* 2
=−
=−
=N
NMPammCP
FSA
kb
iptsη (3-66)
El factor de seguridad es satisfactorio.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
169
Criterio de falla para la junta. En este es necesario conocer la carga Pm ejercida
sobre la junta. Esta es igual a: Pm = P - Pb, Pm = 27.16 N. El factor de seguridad en
la junta es:
( ) 46.228)07681.01(*)16.27(
)5,5728(1*
=−
=−
=N
NCP
F
km
isη (3-67)
El factor de seguridad es satisfactorio.
Montaje de la polea loca. Una vez calculados los elementos necesarios para la
polea motriz, se procedió a calcular los elementos de la polea loca, que son:
• Eje de la polea.
• Rodamientos del eje.
• Soportes para los rodamientos.
En la figura 48 se puede observar como están ubicados dichos elementos. Es
necesario aclarar que se oculto la protección de la correa para poder observar
mejor éstos.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
170
Figura 48. Disposición de la polea loca de la transmisión.
Fuente. Elaborado por los autores.
Eje de la polea loca de la transmisión. La carga ejercida sobre el eje es de
408,561 N, gracias a la tensión que existe en la polea loca. Las reacciones y
momento máximo sobre el mismo, son:
0=+−=∑ BzFAzF TZ
BzNAz −= 561.408
)1035,36()10525,17(0 33 mxBzmxFM TY
−− +−==∑
NBz
mxmxNBz975,196
)1035,36/()10525,17)(561,408( 33
== −−
NAzNNAz
586,211975,196561.408
=−=
Soportes de los rodamiento
Rodamiento Eje
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
171
Figura 49. Cargas sobre el eje de la polea loca. Medidas en mm.
Fuente. Elaborado por los autores.
Figura 50. Diagrama de cortante transversal.
Fuente. Elaborado por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
172
El momento máximo es: mNM
mxNM
MAX
MAX
.708,3)10525,17)(586,211( 3
== −
Figura 51. Magnitud del momento en el eje de la polea loca.
Fuente. Elaborado por los autores.
Empleando la ecuación del criterio de von-Mises, se consideró un diámetro inicial
para soportar cargas estáticas, con un factor de diseño ηs = 1,6 y se seleccionó un
SAE 1020 CD (Estirado en frío)66 que tiene un Sy = 390 MPa y un Sut = 470MPa. El
diámetro inicial del eje es:
66 La elección de este material es común debido a su economía, fácil maquinado y fácil adquisición en el mercado.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
173
..1,9
10098,9.).3668,20(43.).708,3(
)390.()6,1(32
43
..32
3
3/1
22
3/1
22
mmd
mxmNmNMPa
d
TMSnd
y
s
=
=⎟⎟⎠
⎞⎜⎜⎝
⎛+=
⎟⎟⎠
⎞⎜⎜⎝
⎛+=
−
π
π
El diámetro inicial del eje es 9,1 mm. Se evaluó si el eje va ha fallar bajo la carga
estática a la que se encuentra expuesto, por el criterio de energía de distorsión
con la siguiente ecuación:
( ) ..75,2436,1
..390.48..8.4 22
3 MPaMPanS
TdPMd s
ye ==≥++=
πσ
( )
..99,244
.)..3668,20.(48.)101,9).(561,408(.).708,3.(8)101,9.(
4 22333
MPa
mNmxNmNmx
e
e
=
++= −−
σ
πσ
El eje no falla por flexión alternante ya que el esfuerzo de von-Mises es s
ye n
S≥σ , y
por lo tanto el diámetro de 9,1mm es ideal para el eje bajo carga estática.
Se empleó la ecuación del diámetro para satisfacer las restricciones de resistencia
de ASME-elíptico, considerando los concentradores de esfuerzo igual a uno (Kf =
1, Kfs =1), tomando un factor de diseño ηs = 1.6, con un limite de resistencia a la
fatiga sometida a una tensión con viga rotativa
MPaMPaSS ute 82,273)470(506,0506,0' === . El diámetro adecuado con un lugar
geométrico de falla ED-elíptico, es:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
174
mxMPa
mNMPa
mNd 3
3/12
122
10164,9390
).3668,20(13)273().708,3(14)6,1(16 −=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛⎟⎠⎞
⎜⎝⎛+⎟⎟
⎠
⎞⎜⎜⎝
⎛=
π
El diámetro del eje satisface las restricciones de resistencia de ASME-elíptico. La
polea loca de la transmisión se monta con un buje de fijación para poleas
dentadas de Intermec Ltda., Bufin serie S de un diámetro exterior de 47mm y un
diámetro interno mínimo de 20mm, por lo tanto el eje es de 20mm.
Figura 52. Eje de polea loca.
Fuente. Elaborado por los autores.
Observando la figura 52 el eje puede fallar por fatiga en el punto de momento
máximo. Entonces se calcula la resistencia en ese punto y se compara con el
esfuerzo del mismo. Se tienen los siguientes datos:
MPaS
MPaSMPaS
e
y
ut
82,273'
390470
=
==
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
175
Para calcular el límite de resistencia a la fatiga en una ubicación crítica de la parte
de una máquina en la geometría y condición de uso, se maneja la ecuación de
Marín:
'..... eedcbae SkkkkkS =
Donde ka = factor de modificación de la condición superficial.
kb = factor de modificación del tamaño (determinística).
kc = factor de modificación de la carga.
kd = factor de modificación de la temperatura.
ke = factor de modificación de efectos varios.
S’e = Limite de resistencia a la fatiga de una viga rotatoria.
El acabado del eje es maquinado, por lo tanto el valor del factor de superficie se
dio con:
871,0)470)(45,4(. 265,0 === −buta Sak
El diámetro esta en el rango de 2,79 mm < d < 51 mm, y su sección se encuentra
sometida a flexión rotativa y torsión, por lo tanto el factor de tamaño esta dado por:
902,0)62,7/20()62,7/( 107,0107,0 === −−dkb
El factor de concentración de esfuerzo teórico (o geométrico) Kt = 1 y el factor de
concentración de esfuerzos por fatiga Kf = 1 que funciona a 106 ciclos (Vida
Infinita). Se tienen los factores k c = k d = k e = 1, entonces,
MPaSe 124,215)82,273)(902,0)(871,0( ==
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
176
El módulo de sección esta dado por I / c = π . d3 / 32 = 785,398 mm3. El esfuerzo
flexionante suponiendo una vida infinita es,
MPamx
mNcI
MK mf 721,4
10398,785.708,3)1(
/ 39 === −σ
El factor de concentración de esfuerzos KN no se conoce debido a que no se
tienen los ciclos a la falla N. Como K6 = 1, K3 = 1. Entonces,
1)1()1( )1/1log()3/1(
2)/log()3/1(
6
23 63
=
== −−
N
KKN
K
NNKKK
La aproximación SAE para aceros con HB ≤ 500 al encontrar el esfuerzo
verdadero-deformación verdadera es,
MPaMPaMPaMPaSutF 815345470345' =+=+=σ
La resistencia a la fatiga a alto ciclaje se rectifica por medio de una transformación
logarítmica para el esfuerzo y los ciclos de falla así,
utb
Fciclosf SfS .)103.2(')( 310== σ
El exponente b se determina mediante σa = Se = σ’F ( 2 N e ) b, donde N e es la vida
de resistencia a la fatiga límite, se tiene,
0918.0)10.2log(
)124,215/815log().2log(
)/'log(6 −=−=−=
MPaMPaN
Sbe
eFσ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
177
Por lo tanto se calculó el factor f que varía con el Sut, y es,
863.0)10.2(470815)10.2(' 0918.033 === −
MPaMPa
Sf b
ut
Fσ
En forma empírica, el ajuste común de la curva S-N esta dado Sf = a Nb, donde N
es ciclos a la falla y las constantes a y b se definen así,
0918,0)124,215(
)470).(863,0(log31.log
31
766,764124,215
)470()863,0( 2222
−=⎟⎟⎠
⎞⎜⎜⎝
⎛−=⎟⎟
⎠
⎞⎜⎜⎝
⎛−=
===
MPaMPa
SSfb
MPaMPa
MPaSSfa
e
ut
e
ut
De esta forma con a y b se describe el material corregido para la superficie y el
tamaño sin concentración de esfuerzo:
( )( ) MPaMPaS
MPaMPaSNMPaSf
f
f
629,405)10.(766,764
144,215)10.(766,764.766,764
0918.0310
0918.0610
0918.0
3
6
==
==
=
−
−
−
Los ciclos de vida del eje son:
ciclosa
KNb
N ).10(171,1766,764
)721,4)(1( 240918,0/1/1
=⎟⎠
⎞⎜⎝
⎛=⎟⎠⎞
⎜⎝⎛=
−σ
Como la vida del eje supera los 106 ciclos se considera una vida infinita.
Rodamientos del eje de la polea loca. Como el eje es de 20 mm en los
rodamientos rígidos de bolas de SKF, se encontró uno con el diámetro interior de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
178
la misma medida. La designación escogida es la 6004 con un diámetro exterior D
= 42 mm y un ancho de cara B = 12 mm. Al igual que en el rodamiento del eje
motriz, el ancho de cara es apropiado para acomodar los extremos del eje. La
carga recibida en el primer rodamiento es radial, con un valor de 196,975 N y en el
otro es una carga radial de 211,586 N. Como el rodamiento del eje motriz recibe
una carga radial de 326,388 N y es mayor que las ejercidas en los rodamientos de
este eje, se deduce que se puede emplear la misma clase de rodamientos 6004-
2Z.
Soldadura de los soportes de los rodamientos del eje de la polea loca. Al
igual que los rodamientos empleados para éste eje, las cargas sobre los apoyos
son menores a la del eje motriz, por lo tanto la soldadura de las placas empleadas
como soportes, será de tipo filete al extremo superior e inferior de la placa con un
electrodo E6010. Las placas son de acero 1020 CD y tienen dimensiones de 60
mm x 60 mm con un espesor de 12,7 mm. La carga recibida en un soporte es de
196,975 N y en el otro es de 211,586 N. Como el soporte del rodamiento del eje
motriz recibe una carga 326,388 N el cálculo de la soldadura para éste, es
satisfactorio para los soportes del eje de la polea loca.
Tornillos soporte de rodamiento del eje de la polea loca. Se emplea un factor
de diseño ηd = 2,0 y tornillos M6x1 clase 5,8, que son la denominación más
pequeña de los fabricantes de tornillos Gutemberto S.A.. El soporte en forma de L
que sostiene una de las placas de los rodamientos del eje de la polea loca, está
sujeta de 4 tornillos a la base de la mesa de sujeción. El espesor de los materiales
de la unión es de 4,588 mm. Las tuercas empleadas para este tipo de tornillos
tienen una altura de 5,556 mm y las arandelas de 1,651 mm, por lo tanto con el
hilo necesario luego de apretar la tuerca (paso de 1, un hilo tiene 1mm), la longitud
mínima del tornillo es L = 4,588 mm+ 1,651 mm+ 5,556 mm+ 2 mm= 13,795 mm.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
179
Comercialmente la longitud más cercana es de 15 mm, por lo tanto esta es la
longitud real de los tornillos de la unión.
Figura 53. Cargas sobre la junta de la L a la base de la mesa.
Fuente. Elaborado por los autores.
La longitud de agarre en los agujeros es Lg =6,239 mm y la longitud de la rosca Lt
= 15mm. Como se puede ver en la figura 53 la unión se encuentra sujeta a carga
cortante, por lo tanto puede fallar por flexión del tornillo, por corte en el tornillo, por
tensión de los elementos y por aplastamiento de los elementos.
Flexión del elemento de unión. Un tornillo clase 5,8 tiene una resistencia de
prueba Sp = 380 MPa, una resistencia a la tensión Sut = 520 MPa y una resistencia
a la fluencia Sy = 420 MPa. La carga cortante en el apoyo es V = 196,975 N, y
como se tienen 4 tornillos la carga individual es de 49,2438 N. Comprondo se tiene
que,
F
V
P
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
180
MPaSI
cLVy
g 252*6,0.2
..=≤=σ
.755,452))106)(4/((2
)103)(10239,6.)(2438,49(.2
..43
33
kPamx
mxmxNI
cLV g === −
−−
πσ
El tornillo no falla por flexión.
Corte del elemento de unión. Para comprobar la falla por corte del tornillo se
tiene:
.1684,0..4
2 MPaSSdV
ysy ==≤=π
τ
.742,1)106.()2438,49.(4
..4
232 MPamxN
dV
=== −ππτ
El tornillo no falla por esfuerzo cortante.
Falla por tensión del elemento. Se analiza la falla por tensión de los elementos de
la unión, conociendo el ancho de la misma b = 10 mm, el número de tornillos a lo
largo de la unión Nr = 2 y el espesor del elemento más delgado tm = 1,59 mm, de
la siguiente manera:
MPaSytdNb
F
mr
145)..(
=<−
=σ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
181
.885,703)1059,1)).(106.(2.10100(
2438,49*2333 kPamxmxmx
N=
−= −−−σ
Observando los resultados, el elemento más delgado no falla por tensión.
Falla por aplastamiento del elemento. Los elementos de la unión pueden fallar por
aplastamiento y se calculó de la siguiente manera,
MPaStd
Fy
m
5,130*9,0.
=<=σ
.1618,5)1059,1)(106(
2438,4933 MPamxmx
N== −−σ
Observando el resultado se deduce que los elementos de la unión no se
encuentran expuestos a una falla por aplastamiento.
Precarga recomendada. La carga de prueba Fp se calculó con la resistencia de
prueba Sp = 380 MPa y el área de esfuerzo a tensión de la rosca At =20,1 mm2 así,
.7638)101,20(*.)380(* 26 NmxMPaASF tpp === −
con este valor se calculó la precarga recomendada para una junta de fácil
desensamblaje,
.5,5728)7638(75.0.75.0 NNFpFi ===
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
182
Torque de apriete. El torque de apriete se calcula con el coeficiente de torsión K,
la precarga recomendada y el diámetro del tornillo. El K depende del acabado o
estado superficial del tornillo (condición de suministro), en este caso K = 0,2, ya
que se emplearan tornillos normales de suministro (acabado negro).
mNmxNdFKT i .874,6.)106)(5,5728(2.0.. 3 === −
Como podemos ver en la figura 53 la unión se encuentra sujeta a tensión, por lo
tanto se analiza la rigidez de las piezas de la misma, para calcular los criterios de
falla de los tornillos y de la junta.
Rigidez del tornillo. Esta rigidez del tornillo dentro de la zona de sujeción consta
de dos partes, la parte del cuerpo sin rosca y la parte del cuerpo con rosca. El
área de esfuerzo a tensión es At = 20,1 mm2, el área del diámetro mayor del
sujetador es Ad = (π/4). d2= (π/4) (6 mm)2 = 4,71239 mm2, la longitud de la parte
roscada del agarre lt = 6,239 mm y la longitud de la parte sin rosca en agarre ld = 0
por lo tanto la rigidez del tornillo es:
)/(10034,451)239,6(
)140).(1,20()0)(1,20()239,6).(71239.4(
)140).(1,20).(71239.4(
6
2
22
22
mNxkmm
GPammmmmmmmGPammmmk
b
b
=
=+
=
Rigidez de los elementos. La rigidez de los elementos en la zona de sujeción, es
necesaria conocerla cuando se tiene una carga externa a tensión en la conexión.
Los elementos incluidos en el agarre del tornillo actúan como resortes de
compresión en serie, pero en este caso es el mismo material, por lo tanto la rigidez
total km del elemento es,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
183
( )( )( )( )
( )( )( )( )
)/)(10(2,2711
)106(5,0)106(5,2)10239,6(15,1)106(5,2)106(5,0)10239,6(15,1ln
)106).(207.(577,0
5,05,215,15,25,015,1ln
..577,0
6
333
333
3
mNk
mxmxmxmxmxmx
mxGPa
ddtddt
dEk
m
m
=
⎟⎟⎠
⎞⎜⎜⎝
⎛++
=
⎟⎟⎠
⎞⎜⎜⎝
⎛++
=
−−−
−−−
−ππ
Parámetro adimensional de rigidez. Este parámetro es la constante de unión, la
cual relaciona la rigidez del tornillo con la rigidez de la junta.
142632,0
/)10(2,2711/)10(034,451/)10(034,451
66
6
=
+=
+=
k
mb
bk
C
mNmNmN
kkkC
Criterio de falla para los tornillos. Se debe conocer la carga Pb ejercida sobre el
tornillo, la cual es igual al producto de la constante de la unión con la carga
aplicada. Por lo tanto Pb = Ck . P = (0,142632) (49,2438 N) = 7,0237 N, el factor de
seguridad en el tornillo es:
NN
NMPammCP
FSA
kb
ipts 31,1906
)142632,0(*)0237,7()5,5728()380(*)1,20(
** 2
=−
=−
=η
El factor de seguridad para que el tornillo no falle por flexión es satisfactorio.
Criterio de falla para la junta. Para este caso se debe conocer la carga Pm ejercida
sobre la junta. Esta es igual a: Pm = P - Pb, Pm = 42,2201 N. El factor de seguridad
en la junta es:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
184
( ) 254,158)142632.01(*)2201,42(
)5,5728(1*
=−
=−
=N
NCP
F
km
isη
El factor de seguridad para que los materiales de la junta, no falla por flexión.
La elección de los tornillos para el soporte en L es satisfactoria, por lo tanto, se
utilizaron 4 tornillos M6x1 de una longitud de 15mm para la unión del soporte en L
a la base del sistema de succión.
Análisis de piezas en Ansys Workbench. Los puntos más críticos en el
mecanismo de desplazamiento del módulo de visión artificial, fueron analizados en
Ansys Worbench, para conocer los esfuerzos máximos equivalentes de von-Mises,
los esfuerzos cortantes máximos y las deformaciones; teniendo en cuenta que los
factores de seguridad se cumplan de acuerdo a lo preestablecido en el diseño.
Estos análisis se encuentran a continuación.
Placa soporte Motor. El motor del módulo de visión va atornillado sobre una placa
de acero 1020 CD, que se sujeta por medio de una unión de tornillos a la
cobertura de la transmisión. La carga sobre la placa es la del peso del motor y los
apoyos de la placa son dos apoyos cilíndricos, como se puede ver el la figura 54.
Luego se procede a resolver la simulación, en la cual se obtuvo el máximo
esfuerzo equivalente de von Mises, equivalente a 12,46 MPa. Éste se encuentra
en los apoyos cilíndricos de los tornillos con un factor de seguridad igual a 15, por
lo tanto no va ha fallar por el criterio de von Mises ninguna de las piezas simuladas
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
185
(ver figura 55). El máximo esfuerzo cortante es igual a 6,599 MPa y se encuentra
en los apoyos cilíndricos de los tornillos con un factor de seguridad igual a 15, por
lo tanto no va ha fallar por esfuerzo cortante ninguna de las piezas simuladas (ver
figura 56). La máxima deformación de todos los elementos simulados es por
flexión en el extremo suelto del motor, la cual es igual a 43,18 μm, una deflexión
que no afecta el diseño (ver figura 57).
Figura 54. Definición de apoyos y cargas sobre la placa soporte del motor.
Fuente. Tomado por los autores en Ansys Workbench.
Figura 55. Soporte Motor (a) Esfuerzos Equivalentes de von Mises. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
186
Figura 56. Soporte Motor. (a)Esfuerzos Cortantes Máximos. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Figura 57. Soporte Motor. Deformación máxima de las piezas.
Fuente. Tomado por los autores en Ansys Workbench.
Soporte en L para rodamiento del eje de la polea loca. Se coloca un apoyo en
forma de L para sostener uno de los soportes de los rodamientos del eje de la
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
187
polea loca. Esta placa es de acero 1020 CD y se sujeta por medio de una unión de
tornillos a la base de la mesa de succión. Las cargas sobre la placa son las del
soporte del rodamiento, el cual tiene la reacción de fuerzas del eje y el peso de las
piezas que sostiene. Los apoyos de la placa son cuatro apoyos cilíndricos como
se puede ver el la figura 58. Luego de la simulación se tiene un máximo esfuerzo
equivalente de von Mises igual a 18,76 MPa, que se encuentra en los apoyos
cilíndricos de los tornillos mas próximos al vértice de la L, con un factor de
seguridad igual a 15, por lo tanto no va ha fallar según el criterio de von Mises
ninguna de las piezas simuladas (ver figura 59). El máximo esfuerzo cortante es
igual a 10,01 MPa, que se encuentra en los mismos apoyos; dado que el máximo
esfuerzo cortante es menor que el esfuerzo equivalente de von Mises su factor de
seguridad es mayor, por lo tanto no va ha fallar por esfuerzo cortante (ver figura
60). La máxima deformación de todos los elementos simulados es por flexión en el
extremo suelto de la L, la cual es igual a 0,5 mm, una deflexión que no afecta el
diseño (ver figura 61).
Figura 58. Definición de apoyos y cargas sobre el soporte en L.
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
188
Figura 59. Soporte en L. (a) Esfuerzos equivalentes de von Mises. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Figura 60.Soporte en L. Esfuerzos Cortantes Máximos.
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
189
Figura 61. Soporte en L. Deformación máxima de las piezas.
Fuente. Tomado por los autores en Ansys Workbench.
Rieles para el movimiento del módulo de visión artificial. El módulo de visión se
apoya en cuatro puntos sobre dos rieles laterales que se encuentran sujetos a la
base de la mesa de succión. Los rieles son en aluminio 6063-T5. La carga sobre
cada riel es la mitad del peso del módulo distribuido en dos cargas. Los apoyos en
los extremos de los rieles son soportes para asegurar que no haya flexión del riel
por el apoyo de alguien en esos extremos libres, como se puede ver el la figura
62.
Luego de la simulación se toma un factor de diseño igual a 2, y se tiene un
máximo esfuerzo equivalente de von-Mises igual a 8,571 MPa, que se encuentra
donde se apoya el módulo, con un factor de seguridad igual a 14,97, por lo tanto
no va ha fallar en el punto más critico del conjunto simulado (ver figura 63).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
190
El máximo esfuerzo cortante es igual a 4,843 MPa, que se encuentra en los
puntos de apoyo; dado que el máximo esfuerzo cortante es menor que el esfuerzo
equivalente de von Mises su factor de seguridad es mayor, por lo tanto no va ha
fallar por esfuerzo cortante ninguna de las piezas simuladas (ver figura 64).
La máxima deformación del conjunto es por flexión en el extremo del riel por
efectos de la gravedad, la cual es igual a 0,9787mm. una deflexión que no afecta
el diseño (ver figura 65).
Figura 62. Definición de cargas y apoyos en los rieles.
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
191
Figura 63. Rieles. (a) Esfuerzos Equivalentes de von-Mises. (b) Factor de
Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Figura 64. Rieles. Esfuerzos Cortantes Máximos.
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
192
Figura 65. Rieles. Deformación total máxima.
Fuente. Tomado por los autores en Ansys Workbench.
Protección del sistema de transmisión. En el sistema de transmisión con correas y
poleas de tiempo se colocó una protección para evitar accidentes, con laminas de
acero 1020 CD. La carga sobre la protección es la reacción que existe en los
soportes de los ejes. El apoyo de la protección se encuentra en la parte inferior de
la base de la mesa de succión, como se puede ver el la figura 66.
Luego de la simulación se tiene un máximo esfuerzo equivalente de von Mises
igual a 8,595 MPa, que se encuentra donde esta ubicado el motor ya que este se
apoya en la protección, con un factor de seguridad igual a 15, por lo tanto no va ha
fallar en el punto más critico del conjunto simulado (ver figura 67).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
193
El máximo esfuerzo cortante es igual a 4,691 MPa, que se encuentra donde esta
ubicado el motor, con un factor de seguridad igual a 15, por lo tanto no va ha fallar
por esfuerzos cortantes ninguna de las piezas simuladas(ver figura 68).
La máxima deformación del conjunto es por flexión en el extremo donde se
encuentra el motor, la cual es igual a 0,019 mm una deflexión que no afecta el
diseño (ver figura 69).
Figura 66. Definición de cargas y apoyos en la protección del sistema de
transmisión.
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
194
Figura 67. Protección sistema de transmisión. (a) Esfuerzos Equivalentes de von-
Mises. (b) Factor de Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Figura 68. Protección sistema de transmisión. (a)Esfuerzos Cortantes
Máximos.(b)Factor de Seguridad.
(a) (b)
Fuente. Tomado por los autores en Ansys Workbench.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
195
Figura 69. Protección sistema de transmisión. Deformación total máxima.
Fuente. Tomado por los autores en Ansys Workbench. 3.3 PROTOTIPO DEL SISTEMA DE VISIÓN ARTIFICIAL Como se mencionó con anterioridad la mesa de corte cuenta con un módulo de
visión artificial, el cual permite reconocer errores en el cuero, calcular el área total
de la piel y el área útil que se podrá cortar y además determinar que color tiene la
piel que hay sobre la mesa; esto se logra a partir del procesamiento de imágenes
y la implementación de la programación mediante el uso de redes neuronales
artificiales.
En este capítulo se describe como se desarrollo el prototipo del sistema de visión
artificial, en el cual se tiene una iluminación controlada para la captura de las
imágenes que posteriormente se procesarán. También se observará un claro
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
196
ejemplo del tratamiento que se le realiza a las imágenes para obtener la
información deseada.
A continuación se mostrará bajo que criterios el prototipo de visión fue construido y
cómo funciona. Se describen los elementos que componen dicho prototipo como
la cámara, sistema de iluminación y las técnicas de análisis de imagen
desarrolladas en el proceso.
3.3.1 Descripción de las muestras utilizadas en los experimentos. Todos los
experimentos se realizaron utilizando muestras de cuero proporcionadas por
curtiembres y empresas manufactureras de cuero, esto con el fin de manejar un
criterio que se encuentre dentro de los parámetros de selección de expertos en el
tema.
Entre estas muestras se cuenta con una carta de colores suministrada por
Districarnazas Luna S.A., compuesta por 81 tipos de cuero en buen estado. Cada
uno de estos cueros tiene una dimensión de 13 cm x 8 cm en los cuales se
aprecian la gama de cueros que maneja dicha empresa; esto con el fin de tener
una base de datos sobre texturas y colores, además de estas muestras hay
retazos de cuero suministrados por Volare Ltda. y Calzados lizardini S.A. en los
cuales, se encuentran los defectos más comunes, como lo son los agujeros, los
nuches, las garrapatas, los rayones y las marcas.
Disposición del sistema de visión artificial Para la realización de los
experimentos fue necesario construir una estructura que soporte el sistema de
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
197
iluminación y la cámara, para adquirir imágenes en las zonas visibles del espectro
electromagnético, el cual se puede observar en la figura 70.
Figura 70. Prototipo del sistema de visión artificial
Fuente. Tomada por los autores
Los elementos principales del sistema de visión son:
• Un sistema de iluminación.
• Una cámara de color.
3.3.2 SISTEMA DE ILUMINACIÓN. Las lámparas fluorescentes tienen un período
de vida útil de ocho a doce veces mayor que las lámparas incandescentes
convencionales y consumen, según el tipo, hasta un 85% menos energía que
éstas últimas, manteniendo la misma luminosidad. Para la aplicación, se necesita
información del color precisa y el tipo de luminosidad que ofrecen estas lámparas
se asemeja a la luz natural, lo que permite tomar imágenes con buena calidad.
Lámparas Fluorescentes
Cámara
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
198
El sistema de iluminación diseñado para este proyecto está compuesto por:
• Estructura de perfilaría en aluminio M 1734, descrita con anterioridad, la
cual soporta las lámparas y la cámara.
• 6 tubos fluorescentes, dos a cada lado del módulo y otras dos en la parte
superior, para la obtención de la imagen de color de la escena.
• Elementos difusores en cartón cartulina para aislar la parte interior del
módulo de la luz exterior.
Con esta configuración se consiguió iluminar uniformemente la zona de captura de
la imagen, resaltar los bordes del cuero, eliminar las sombras producidas por el
calibre de la piel y los brillos en la superficie de las mismas.
Estas características y distribución se lograron gracias a la investigación de
sistemas de iluminación aplicados a la visión artificial. La iluminación juega un
papel vital en la visión artificial, pues simplifica de manera considerable el análisis
y la posterior interpretación de la escena captada. Es un factor que suele afectar
de forma considerable a la complejidad de los algoritmos de visión. La iluminación
existente en el entorno no suele ser aceptable ya que se obtienen imágenes con
bajo contraste, sombras no deseadas y puede ser cambiada involuntariamente por
factores externos, por ello se diseño un sistema propio de iluminación, teniendo en
cuenta los distintos tipos de superficies y así seleccionar el sistema de iluminación
mas apropiado.67
67 BLASCO IVARS, José. Concepción de un sistema de visión artificial multiespectral para la detección e identificación de daños en cítricos. Valencia, España. Tesis doctoral (Universidad Politécnica de Valencia, Departamento de Expresión Gráfica en la Ingeniería). Abril de 2001. p. 53.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
199
En el desarrollo de este proyecto se encontró, que el cuero es un material difuso
ya que los rayos reflejados lo hacen en cualquier dirección debido a su textura.
Con esto, se procedió a seleccionar el sistema de iluminación que más se
acomodara a las necesidades del proyecto. Se encontró que el sistema de
iluminación difusa es el apropiado, ya que con este tipo de iluminación los haces
luminosos inciden sobre el objeto desde todas las direcciones proporcionando el
mínimo contraste de éste, debido a la ausencia de sombras. Es importante
mantener aislado el módulo de la luz externa, por eso se cubrieron las paredes del
prototipo con un material difusor, para este caso se utilizó cartón cartulina, que
impide el paso de luz y a la vez su cara interna de color blanco mate hace que los
haces de luz se dispersen de igual forma por toda la superficie de trabajo.
3.3.3 La adquisición de imágenes en el visible Para la captura de las imágenes
en principio se utilizó una cámara de color de alta resolución CD333R, la cuál
consta de 20 leds infrarrojos y un sensor de imagen de 1/4 Sharp de 380 líneas de
resolución, esta cámara presento dos problemas. El primero es que esta cámara
tiene un lente auto iris, que hacía que cada imagen que se tomaba tuviera un
contraste distinto, ya que el lente se ajustaba en cada captura que se realizaba.
Los valores de cada uno de los píxeles variaban de una foto a la otra, aunque
fuera una misma muestra de cuero.
El segundo problema que presentó dicha cámara es un problema llamado barrel
distorsión o distorsión de barril, que se produce por lentes diseñados con gran
ángulo de visión, que hacen que la fotografía de un cuadrado se vea con los lados
curvos, ligeramente salidos hacia afuera. El corregir este error es bastante
complejo desde el punto de la programación, ya que éste es un estudio nuevo que
habría que realizar. Se optó por cambiar la cámara y utilizar una Panasonic Lumix
de 6 mega píxeles con salida de video RGB, con un lente de 5 mm que reduce la
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
200
distorsión de barril a un punto donde se puede considerar despreciable. Debido a
que su configuración es programable se puede dejar constante y no se tiene el
error de auto iris, permitiendo que las características de la imagen no cambien de
una foto a otra.
La cámara se situó encima del sistema de iluminación a 60cm del área de trabajo,
y proporciona imágenes de 640x480 píxeles.
3.3.4 Captura de imágenes en el espectro visible. Para el sistema de
iluminación se descarto el empleo de lámparas incandescentes, debido su
distribución espectral, pues emiten una mayor energía en las zonas amarillas y
rojas del espectro, por lo que pueden enmascarar los colores reales del cuero.
Por sus prestaciones en cuanto al ahorro de energía y calidad de la emisión de luz
se escogieron lámparas fluorescentes, se trabajó con productos de la marca
SYLVANIA por su amplia trayectoria y gama de productos en el mercado, entre los
tubos que se encontraron aptos para la aplicación están los T12, T8 y T5. Ya que
cumplieron con las dimensiones requeridas; sin embrago su potencia, intensidad
lumínica y diámetro varían de una referencia a otra. A continuación se encuentra
la tabla 6 con las principales características de cada uno de estos modelos:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
201
Tabla 6 Lámparas fluorescentes. Tipo Potencia Temp. Casquillo Dimensiones Emisión
Denominación W Color °k L D Luminosa
Mm lm
T5
FHE 14W/830 14 3000 G5 549 16 1350
T12
F20w/D4000 20 4000 G13 604 38 1320
T8
F18w/133-ST 18 4300 G13 590 26 1150
Fuente. www.sylvania.com.ar/
De acuerdo a estos datos se escogieron lámparas T5, que tienen hasta un 25%
menos de consumo de energía que las lámparas T8; por otra parte las T5 a
diferencia de las T8 y T12 mantienen su intensidad lumínica a lo largo de toda su
vida, ya que las demás se van degenerando con el paso de las horas.68 Por otro
lado al tener un diámetro menor se reduce el espacio que ocupan en el módulo
que se construyó. De igual forma los tres modelos citados tienen un alto índice de
rendimiento de color, que favorece en la aplicación, ya que es necesario tener
plena certeza del color de cada uno de los cueros utilizados.
3.3.5 Sistema digitalizador de video. Para realizar la captura de las imágenes
se utilizó una tarjeta de adquisición de imágenes (marca Kworld, modelo TV7131
PCI TV card), instalada en un computador personal basado en un
microprocesador Intel Pentium IV a 3.06 GHz, con 1024 Mb de memoria RAM.
Todas las imágenes tienen un tamaño máximo de 640x480 píxeles. Las imágenes
son de tres planos de color, con una profundidad de ocho bits cada uno.
68 http://www.sylvania.com/
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
202
3.4 DESARROLLO DEl SOFTWARE DE VISIÓN ARTIFICIAL Todo el código fue escrito e implementado en Matlab. Este es un software que
proporciona librerías de funciones de procesamiento de imágenes de alto nivel de
abstracción, posee una gran potencia de cálculo en operaciones con matrices,
gran facilidad para obtener resultados gráficos y herramientas de desarrollo en
redes neuronales artificiales.
3.4.1 Preprocesamiento de la imagen. En el preprocesamiento de la imagen se
ajustan sus características para mejorar el análisis de la piel puesta sobre la mesa
de corte. En la figura 71 se muestra el esquema del algoritmo de
preprocesamiento desarrollado en este proyecto, que tiene como objetivo detectar
y calcular el área de la piel que esta ubicada en la mesa; con el fin de seleccionar
la parte de la imagen con que se va a trabajar, durante el proceso de identificación
de fallas y tonalidades de la piel. En el momento de capturar la imagen, es necesario limpiarla de objetos que no
pertenecen a la escena real, píxeles que son generados por la configuración de la
cámara de prueba. La imagen capturada consta de tres planos que configuran el
color que se muestra en pantalla y éstos son corregidos en los sectores
identificados como pérdida de información real.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
203
Figura 71. Esquema del algoritmo de preprocesamiento.
Fuente. Elaborado por los autores.
0. INICIO
1. Captura de la imagen sobre el módulo por medio del puerto PCI
2. Se lee la imagen y se corrigen las partes generadas por la cámara de
adquisición (avisos de configuración de la misma.).
3. Conversión de la imagen a escala de grises
2.1. Extracción de los planos RGB de la imagen
4. Umbralización
2.2. Corrección de sectores identificados
2.3. Unión de los planos RGB corregidos de la imagen
5. Detección de Contorno
7. Selección del área de trabajo
4.1. Cálculo del valor óptimo de umbral
4.2. Lectura imagen y escritura de la nueva.
6. Conteo de píxeles de imagen umbralizada. 8. Calculo del área
9. Sobreponer contorno a la imagen original
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
204
Para optimizar el tiempo de umbralización, se convierte la imagen de RGB (plano
de rojo, verde y azul) a escala de grises (plano de 256 niveles de grises), en el que
se reduce la información de los tres planos de la imagen a solo uno, que es
suficiente para el cálculo del valor óptimo de umbral entre el fondo y la piel.
La detección de la piel permite conocer su área y limita los análisis posteriores, ya
que los siguientes algoritmos deben centrar sus cálculos en la piel, sin tener en
cuenta el fondo.
Captura de imagen de entrada. Se debe ubicar la piel en el área de trabajo
proporcionada por el ángulo de visión de la cámara con que se está trabajando; la
iluminación, como se explicó anteriormente, es la apropiada para tomar las
imágenes en color y resaltar superficies planas. La captura de imágenes se realiza
directamente con Matlab, pero debido a que éste solo adquiere imágenes con
cámaras USB o con tarjetas de adquisición propias de la marca, se buscó un
medio que permitiera capturar imágenes mediante la tarjeta de televisión
anteriormente descrita.
En la página web de Mathworks69, se autoriza la implementación de vcapg2.dll70,
el cual permite que Matlab reconozca todos los periféricos de entrada de video
que tenga el PC. El vcapg2 es una nueva versión del programa de captura de
video de Matlab, que implementa las librerías hechas por Microsoft para
DirectShow.
69http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=2939 70 Creado por Kazuyuki Kobayashi, "MATLAB Utilization Book", Shuwa System Co, Ltd.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
205
Para inicializar correctamente vcapg2, es necesario tener instaladas las librerías
DirectX, y un dispositivo de captura de video como una cámara USB funcionando
correctamente, o en el caso de este proyecto la tarjeta de televisión TV7131 PCI
TV. El código del vcapg2 fue desarrollado y testeado con DirectX 8.1 y 9.0 y
Matlab 6.1/6.5.
El primer paso que se realiza en el preprocesamiento es iniciar la cámara, que se
encuentra conectada por el puerto PCI. La librería vcapg2.dll y permite capturar la
imagen en Matlab como se ve en la figura 72.
Figura 72. Visualización de la cámara en Matlab
Fuente. Tomada por los autores.
Información real en la escena. Las cámaras fotográficas digitales muestran en
su pantalla información sobre la configuración de la escena al tomar una
fotografía. En la mayoría de las cámaras esta información se puede omitir de la
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
206
pantalla, sin embargo, siempre queda algún elemento para poder referenciar la
posición de la fotografía con respecto a la imagen que se esta adquiriendo.
La forma de corregir la imagen sin afectarla, es extrayendo los planos que la
conforman (R=Red, G=Green, B=Blue). Se encuentra la posición de los píxeles
que contienen información no real, se buscan los píxeles vecinos que contienen
información real y se reemplaza la información de la no real por éstos. El proceso
se efectúa en cada una de las capas de la imagen y luego se vuelve a formar la
imagen en RGB, con el fin de evitar perder información de la imagen. En la figura
73 se observa la imagen en color y cada uno de sus planos.
Figura 73. Imagen a color y sus respectivas capas. (a) Imagen original; (b)
Extracción del plano rojo; (c) Extracción del plano verde; (d) Extracción del plano
rojo
(a) (b)
(c) (d)
Fuente. Tomada por los autores
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
207
Umbralización. El objetivo de la umbralización es separar la superficie del cuero,
del fondo de la imagen. La umbralización se basa en que los píxeles de un
determinado objeto tienen el mismo nivel de gris, pero esto no es cierto y por lo
tanto fue necesario encontrar un intervalo en el que todos los píxeles del objeto
que se esta analizando pertenecieran a este conjunto.
Al leer la matriz de la imagen (Figura 74) en escala de grises, se busca el valor de
umbral óptimo, este es el número en escala de grises con el que se va a hacer
una comparación píxel a píxel, y si el valor del píxel que se está analizando esta
por debajo de ese valor, su salida en la nueva imagen será 0 (negro), de lo
contrario su salida va a ser 1 (blanco).
Figura 74. (a) Imagen en escala de grises; (b) Representación gráfica RGB
(a) (b)
Fuente. Tomada por los autores
El valor de umbral óptimo, se determinó por el método de umbral de Otsu, en el
cual se recorre la imagen calculando la varianza de cada píxel, y se elige el valor
del píxel que tenga la mínima varianza.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
208
Figura 75. Imagen umbralizada
Fuente. Tomada por los autores
Cálculo del área del cuero. Para hallar el área total del cuero se debe saber
cuantos píxeles de la imagen pertenecen al cuero y cuantos al fondo blanco. Con
la imagen binarizada (Figura 75), se recorre la matriz y se cuentan los píxeles que
son cero (negro). Es necesario realizar un factor de conversión entre la escena
real y la imagen capturada. Este proceso se realiza de la siguiente manera:
Se midió el ancho real de la escena en milímetros y se determino el ancho de la
imagen en píxeles. En este caso el ancho real de la escena es de 197 mm (figura
76) en la imagen capturada es de 640 píxeles, por lo tanto el área de un píxel en la
escena real es: 2
⎟⎠⎞
⎜⎝⎛=
mlA (3-68)
Donde A es el área del píxel en la escena real.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
209
L es el ancho de la imagen en la escena real.
M es el ancho de la imagen en píxeles.
22
09474.0640
197 mmmmA =⎟⎠⎞
⎜⎝⎛=
Como ya se conoce el área de un píxel en la imagen, el área del cuero es el
número de píxeles negros en la imagen binarizada por esta área.
Este valor se fijó el valor en el algoritmo que va a realizar el conteo de los píxeles
negros en la imagen.
Figura 76. Pantalla en la que se ingresa el ancho de la imagen
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
210
Figura 77. Área del cuero en cm2
Fuente. Tomada por los autores.
Se observa en la figura 77 que el área que calculo el programa para este ejemplo
es de 96.3138 cm2. Se puede afirmar que el método del cálculo del área que se
esta utilizando funciona, ya que se realizaron pruebas con objetos en los que se
conocía el área y el programa la calculó con precisión milimétrica.
Detección de bordes. Una vez calculada el área y teniendo la imagen
binarizada, se procede a detectar los bordes del objeto que se analiza; esta
detección de bordes se realizo utilizando el comando edge de Matlab por el
método de canny; este es uno de los 6 métodos disponibles, los cuales son:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
211
• Sobel.
• Prewitt.
• Roberts.
• Log.
• Zerocross.
• Canny.
El algoritmo de Canny se escogió para detectar bordes, ya que este encuentra los
bordes en una imagen en todas las direcciones. El detector de bordes de Canny
se obtiene a partir de la optimización de una serie de condiciones que son:
• Error. Se deben detectar todos y solo los bordes.
• Localización. La distancia ente el píxel señalado como borde y el borde real
debe de ser tan pequeña como sea pueda.
• Respuesta. No debe identificar varios píxeles como bordes cuando solo
exista uno.
Estas tres condiciones pueden ser expresadas de forma matemática como:
( )
( )∫
∫
−
∞
∞−=
W
Wdxxfn
dxxfASNR
20
(3-69)
( )( )
21
2
2
tan⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
∫∫∞
∞−
∞
∞−
dxxf
dxxfciaDis π
(3-70)
( )( )∫−
=W
Wdxxfn
fAonlocalizaci
20
0 (3-71)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
212
El detector de bordes de Canny encuentra los cambios de contraste que se
necesitan en la imagen (figura 78), y su respuesta es una imagen binaria del
mismo tamaño de la original.
Figura 78. (a) Bordes en el cuero (Contorno principal). (b) Filtro Óptimo Detector
de Borde de Canny: g(x) normalizada continua y discreta para s = 1 (línea fina).
dg(x) (línea punteada) y dg[x] (línea gruesa) a partir de g[x].
(a) (b)
Fuente. Tomada por los autores.
Para asegurarse que el contorno hallado corresponde al cuero analizado, se
sobrepuso la imagen hallada (figura 78) en la imagen en escala de grises (figura
74) con un color que resalte como se ve a continuación en la figura 79.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
213
Figura 79. Contorno sobrepuesto a la imagen en escala de grises.
Fuente. Tomada por los autores.
Algoritmo de procesamiento de imágenes. Para el preprocesamiento de las
imágenes adquiridas en el sistema de visión artificial se desarrollo el siguiente
algoritmo:
1. Captura de la imagen
[ ]),(),(),(),( yxByxGyxRyxJ ++= (3-72)
2. Extracción de los planos de color
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
214
)0,0,0(),()0,0,0(),()0,0,0(),(
lyxBlyxG
lyxR
−=−=
−= (3-73)
3. Conversión de la imagen en RGB a escala de grises.
3),(),(),(),( yxByxGyxRyxI ++
= (3-74)
De la diagonal del cubo de color se obtiene su intensidad en escala de grises
4. Con ),( yxI , se calcula el umbral optimo según el método de Otsu.
Probabilidad de los niveles de grises
NifiP )()( = (3-75)
Donde
=i Niveles de grises
)(if = Número de píxeles con valor de nivel gris.
N = Número de píxeles que contienen la imagen.
)(iP = Probabilidad de ocurrencia del nivel gris i
Si t es el umbral, los píxeles son divididos en dos clases C1 y C2
∑
∑
+=
=
=
=
t
ti
t
i
iPtC
iPtC
12
11
)()(
)()( (3-76)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
215
Donde
l=valor máximo de nivel de gris
Se obtienen las medidas de las clases
∑
∑
+=
=
=
=
l
ti
t
i
tCiPitM
tCiPitM
1 22
1 11
)()()(
)()()(
(3-77)
Se obtienen las varianzas de los píxeles así:
∑
∑
+=
=
−=
−=
l
ti
t
i
tCiPtmi
tCiPtui
1 2
22
22
1 1
21
21
)()())((
)()())((
σ
σ (3-78)
Se calcula la varianza ponderada así:
222
211
2 )()( σσσ tCtCw += (3-79)
Se itera con todo los niveles de gris y se elige el umbral que tiene la mínima
varianza ponderada.
)( 2min0 wtM σ= (3-80)
5. Se umbraliza con valores de umbral U0
0),( =yxM
Sí y solo sí 0),( MyxI ≤
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
216
Sí no 1),( =yxU
6. Con U(x,y), hallamos el área total del cuero así:
e = Número de píxeles con valor 0
h = Ancho real de la escena [cm.]
Se calculo la medida de píxel
yhMpixel = (3-81)
Se calcula el área del píxel en la imagen
( )2MpixelApixel = (3-82)
Se calcula el área del cuero
eApixelAcuero *= (3-83) 7. Con la imagen binarizada U(x,y,) se halla el contorno total del cuero así:
),(*),().( yxGyxUyxJ = (3-84)
2
22
222
1),( σ
πσ
yx
eyxG+
−= (3-85)
4.1=σ , con relación apruebas realizadas
Para calcular cada píxel de la imagen ),( yxJ
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
217
Se calcula Jx y Jy
']001)[(xg
)(*)( xgxIJx =
∑=
−=x
kkyxgkxIJx
1])[(])[( (3-86)
Se calcula la magnitud de los bordes así:
Si
)1,(),()1,(),(),1(),(),1(),(
+>−>+>−>yxJyyxJyyyxJyyxJy
óyxJxyxJxyyxJxyxJx (3-87)
Entonces
),(),(),( 22 yxJyxJyxe yxx += (3-88)
Sí no
0),( =yxex
Se definen dos umbrales hl TyT
Sí hTyxe ≥),( , se considera como borde definitivo
Sí lTyxe ≤),( , se considera como fondo definitivo
Todos los píxeles con vecindad 3 x 3 para cada uno de los píxeles de borde
definitivo, se consideran borde definitivo, si lTyxe ≥),(
hl
hl
TTTT=<
3
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
218
3.4.2 Extracción de características. La alta competencia del desarrollo de una
piel bovina para el mercado marroquinero, de confección y automotriz, crea
variabilidad en las características que determinan la calidad de una piel, teniendo
en cuenta desde el tipo de ganado del que proviene hasta el tipo de proceso que
se le aplicó. La evaluación de este tipo de características, es desde un punto
subjetivo, difícil de igualar por sistemas automáticos de selección. En este sentido
el uso de Redes Neuronales Artificiales en un sistema de selección de
características es el ideal, dada su capacidad de aprendizaje y su versatilidad para
adaptarse a sistemas de reconocimiento y clasificación de respuesta, imposible
para otros clasificadores matemáticos.
Detección del color. La extracción de características o patrones de
reconocimiento para detectar el color de la piel ubicada sobre la mesa de corte,
consta de cada uno de los planos que componen la imagen a color. Se tomaron
diferentes ejemplos de cuero, y de cada uno de ellos se caracterizaron matrices
que contienen la información su de color (figura 80).
Figura 80. Representación de la matriz característica de entrenamiento para la
RNA de clasificación de color en cada cuero.
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
219
Para efectos de este proyecto se tomaron 10 tipos de cueros diferentes en
tonalidad y textura (tabla 7), a los cuales se les realizo el proceso de clasificación.
Datos de Entrenamiento. El costo computacional del entrenamiento de RNA no
permite en muchas ocasiones trabajar con toda la información que se puede
extraer del problema. Para este caso se tienen matrices de tres columnas por el
número de píxeles de cada imagen (640 x 480 = 307200 píxeles), entregando un
total de 921600 datos por muestra de cuero y en conclusión nueve millones de
datos de entrenamiento para la RNA de clasificación de color, el procesamiento de
estos datos es una tarea difícil de realizar desde el punto computacional.
Se redujo la cantidad de filas y columnas en la matriz característica de color, de
cada una de las pieles tomando valores en un área central de 100 x 30 píxeles
(columnas y filas). En donde se ubico la piel de tal forma que la información que se
capturara no tuviera errores que perjudicaran el conjunto de entrenamiento.
Tabla 7. Cueros de muestra, detección color.
Muestras Calibre Color Empresa Color
1 28 Negro/Café Luna
2 18 Café Volaré
3 10 Café Margarita Lizardini
4 13 Café Envejecido Volaré
5 10 Café Planchado Lizardini
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
220
6 10 Miel Manchado Lizardini
7 11 Negro Brillante Lizardini
8 8 Café Monaco Lizardini
9 7 Café Pasioti Lizardini
10 13 Gris Azulado El Reno
Fuente. Elaborado por los autores.
Con los datos de los patrones completos, se entrenó una red Perceptron Multicapa
(PMC), con 10 neuronas en la capa de entrada, 20 neuronas en dos capas ocultas
y 10 neuronas en la capa de salida. La capa de salida esta codificada (Tabla 8), de
tal manera que cada cuero tiene un resultado diferente. El sistema de
entrenamiento entregó una buena caída en la curva de error, pero cuando se
simulo con imágenes nuevas, la red no fue eficiente y su clasificacion fue erronea.
Tabla 8. Referencia de código de matrices de la red
Color Valor encriptado de salida Datos entrenamiento
Negro/Café 0 0 0 0 0 0 0 0 0 1 r g b
Café 0 0 0 0 0 0 0 0 1 0 r g b
Café Margarita 0 0 0 0 0 0 0 1 0 0 r g b Café Envejecido 0 0 0 0 0 0 1 0 0 0 r g b Café Planchado 0 0 0 0 0 1 0 0 0 0 r g b Miel Manchado 0 0 0 0 1 0 0 0 0 0 r g b
Negro Brillante 0 0 0 1 0 0 0 0 0 0 r g b
Café Mónaco 0 0 1 0 0 0 0 0 0 0 r g b
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
221
Café Pasioti 0 1 0 0 0 0 0 0 0 0 r g b
Gris Azulado 1 0 0 0 0 0 0 0 0 0 r g b Fuente. Elaborada por los autores.
El problema de tomar datos consecutivos de una imagen, es que el valor de
algunos píxeles de un patrón es similar a otros de un patrón totalmente diferente,
creando un conflicto dentro de la red que no le permite tomar decisiones
acertadas.
Esto se soluciono tomando un promedio de vecindad en el área central de varios
ejemplos de cada cuero en donde se ubico una cuadrícula. El primer valor tomado
para la cuadricula fue de 5x3 cuadros, cada cuadro conformado por de 5x5
píxeles. Se promediaron los píxeles contenidos en cada cuadro de la rejilla.
Entonces se obtuvieron 15 promedios por cada una de las capas de color,
teniendo matrices características de 3x15 datos. Para hacer los datos de
entrenamiento más confiables se tomaron 15 imágenes por muestra de cuero, y se
formaron matrices características de 3x225 datos, llegando a un total de datos de
entrenamiento de 6750, adquiridos de 56250 píxeles de 150 imágenes.
Cuando se entrenó la red, la mejor respuesta que se obtuvo fue con una topología
de 10 neuronas en la capa de entrada, 30 neuronas en 1 capa oculta y 10
neuronas en la capa de salida codificada (Tabla 8). La simulación de la red mejoró
su respuesta de clasificación, pero siguió siendo poco satisfactoria, por lo tanto el
número de píxeles por cuadro se aumento a 32 x 30 píxeles, teniendo como base
la información de 432000 píxeles en 30 imágenes, ya que se adquirieron 3
imágenes por muestra.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
222
En este caso no se tuvo valores iguales dentro de la matriz de entrenamiento de
cada cuero, y esto hizo que la red aprendiera los rangos de colores que estos
tienen. La mejor respuesta que se obtuvo fue con una topología de 10 neuronas
en la capa de entrada, 60 neuronas en una capa oculta y 10 en su capa de salida.
En la capa de salida se manejaron en datos de 0 hasta 1.
La eficiencia de la red mejoro, pero presentó falencia para algunos ejemplos de
cuero, en el que había decoloración. Cuando se simularon imágenes completas, el
resultado en validación fue del 65% de la eficiencia total; aunque se mejoro con
respecto a las anteriores, no son los porcentajes esperados.
Red neuronal artificial para clasificación de colores. La RNA para clasificación
de colores en el cuero consta de un conjunto de entrenamiento que se formó
tomando una cuadrícula de 25x15 cuadros. Cada cuadro está conformado por 5x5
píxeles, y a cada muestra de cuero se le tomaron 3 imágenes. Estos datos fueron
almacenados en una matriz de 25x375 datos en cada plano de color, al que se le
calculó el promedio de cada fila. Se obtuvo un vector por plano de color de 375
datos, y con este valor se formó una matriz de datos por imagen de 3x375 datos,
este proceso se repitió para cada imagen por muestra de color y se formó una
matriz característica de datos por cada color de 3x1125 (figura 81).
La matriz de entrenamiento (figura 82) de la RNA de clasificación por color consta
de 30x1125 datos que contienen la información de color de cada cuero como se
explicó anteriormente.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
223
Figura 81. Proceso de conformación de la matriz característica por muestra de
cuero.
Fuente. Elaborada por los autores.
Figura 82. Proceso conformación matriz de entrenamiento total para RNA de
clasificación de colores.
Fuente. Elaborado por los autores.
Con la matriz de entrenamiento que contiene la información de cada una de las
muestras de color, se creó una RNA que clasifica los cueros de acuerdo a su
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
224
color. El tipo de red que se utilizó es una red Perceptron multicapa (Figura 83) con
algoritmo de aprendizaje de retropropagación del error (Backpropagation).
Figura 83. Topología red neuronal artificial.
Fuente. Elaborada por los autores, software Phytia Neural Networks.
El modelo neuronal que se utilizó para generar la salida fue tansig (Tan -
sigmoidal), en los modelos que se presentaron anteriormente se utilizo el modelo
neuronal logsig (Log - sigmoidal); la diferencia es que el modelo neuronal tansig
(Figura 84; (a) permite salidas desde menos uno a uno (-1 a 1) y el modelo
neuronal logsig (b)) permite salidas de cero a uno (0 a 1), esto amplia el rango de
decisión en la salida que se va a generar.
Figura 84. Funciones de transferencia modelo neuronal; (a) Logsig; (b) Tansig
(a) (b)
Fuente. Help Matlab, transfer function.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
225
Como cambió la función de transferencia para generar las salidas de la red
neuronal, se codificó la salida (Tabla 9), con valores en un rango de -1 a 1.
La red se ejecutó con función de transferencia tansig, (explicado anteriormente), y
la función de ejecución que se utilizo para el entrenamiento fue TRAINLM, este es
un algoritmo de optimización numérica estándar en él que se actualiza los pesos y
los valores parciales de acuerdo con el algoritmo de optimización de Levenberg
Manquardt, y los parámetros que se le dieron a la red fueron: el número de ciclos
de entrenamiento (Param epoch = 500), el valor de error deseado (Param goal =
0,001) y el factor de aprendizaje (Param lr = 0,0001).
Tabla 9. Salida codificada para la RNA de clasificación por color.
Color Valor encriptado de salida
Datos entrenamiento
Negro/Café -1 -1 -1 -1 -1 -1 -1 -1 -1 1 r g b Café -1 -1 -1 -1 -1 -1 -1 -1 1 -1 r g b Café Margarita -1 -1 -1 -1 -1 -1 -1 1 -1 -1 r g b Café Envejecido -1 -1 -1 -1 -1 -1 1 -1 -1 -1 r g b Café Planchado -1 -1 -1 -1 -1 1 -1 -1 -1 -1 r g b Miel Manchado -1 -1 -1 -1 1 -1 -1 -1 -1 -1 r g b Negro Brillante -1 -1 -1 1 -1 -1 -1 -1 -1 -1 r g b Café Mónaco -1 -1 1 -1 -1 -1 -1 -1 -1 -1 r g b Café Pasioti -1 1 -1 -1 -1 -1 -1 -1 -1 -1 r g b Gris Azulado 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 r g b
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
226
Entrenada la red con estos parámetros, se obtuvo su topología buscando los
mejores resultados que presentó cuando se simuló con muestras de cueros
preestablecidas en el conjunto de entrenamiento. Los resultados de prueba de la
RNA fueron satisfactorios.
Entrenamiento supervisado con validación cruzada. No se tiene certeza que
la RNA este generalizando su aprendizaje, por lo tanto, el conjunto de aprendizaje
se separo en dos subconjuntos; el primer conjunto es el de entrenamiento de la
red, conformado por el 80% del conjunto de entrenamiento inicial. Y el segundo
conjunto es el de validación, conformado por el 20% del conjunto de
entrenamiento inicial. (figura 85 )
Figura 85. Conformación del conjunto de validación
Fuente. Elaborada por los autores.
La validación cruzada fue aplicada al entrenamiento de la RNA. Este
procedimiento consiste, en que el entrenamiento de la red se detiene en un
número predeterminado de épocas, simulando la red entrenada hasta ese punto y
evaluando el error del conjunto validación y el error del conjunto de entrenamiento.
El error de entrenamiento tiende a bajar a medida que se va entrenando la red, y
Matriz de entrada
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
227
se pensaría que esto es bueno, pero no siempre es así. En el momento de
comparar el error de entrenamiento con el error de validación, se observa que en
algunas épocas del entrenamiento el error de validación tiende a subir, este efecto
se produce cuando la red está memorizando los datos de entrenamiento (figura
86), perdiendo su capacidad de generalización, ya que cuando se le presenta un
conjunto de datos que ella no ha visto, su capacidad de predicción es reducida y la
red presenta una respuesta errónea.
Para tomar la red de generalización fue necesario actualizar la red en cada una de
las épocas, tomando el error de validación de esa época y el error de validación de
la época pasada, evaluando si la red obtuvo un menor error o su error aumento. Si
el error de validación en la época en que se está evaluando es menor al error de
validación en la época pasada se guarda la red en ese punto, si no es así, la red
se actualiza hasta la época anterior.
Figura 86. Sobre aprendizaje en entrenamiento red neuronal.
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
228
La topología de la RNA de clasificación de colores que se obtuvo después de
aplicar el proceso de validación cruzada, fue de 30 neuronas en la capa de
entrada, dos capas ocultas con 22 neuronas en cada una y 10 neuronas en la
capa de salida.
Aplicando validación cruzada a la red neuronal, se terminó el proceso de
desarrollo de la red neuronal artificial para clasificación de colores en el cuero.
Como la salida de la red es codificada se diseño un algoritmo que tome esa salida
y la convierta en una imagen que se pueda apreciar.
Algoritmo clasificación de tonalidades en el cuero. Para clasificarlas
imágenes adquiridas en el sistema de visión artificial se desarrollo el siguiente
algoritmo:
1. Conformación de la matriz de simulación para la RNA de clasificación de
tonalidades.
[ ]
),()3,(),()2,(),()1,(
),(),,(),,(),(
yxBxMyxGxMyxRxM
yxByxGyxRyxC
color
color
color
===
=
(3-89)
Donde C(x,y)= imagen adquirida.
M color = matriz de simulación de la RNA.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
229
2. La RNA entrenada simula la información de la matriz de color.
3. Con Mcolor_sim(m,n) se detecta el color calculando la moda,
{ }{ }kMmáx mínsimcolor ,...,2,1,o sí I = M _minmind ∈= (3-90)
Dentro de los rangos [ ] [ ][ ] [ ]1,,,1,
1,,,1,
**
++
−−
−−−−
=− nmnmnmnm
nmnmnmnm
oooooooo
pcp (3-91)
4. El vector Md es un código asignando una tonalidad, que se define según la
posición donde se encuentre el 1. Para éste calculo, se tiene,
( ){ }
)(,,...,2,1
1
,1
,1
,1,1
ncolorBentoncesknBSí
MfindB
n
n
ndn
=
=
==
(3-92)
Detección de errores. En la detección de errores se tiene una matriz de
entrenamiento que contiene caracterización de errores a partir de ejemplos
presentados a una RNA. Estos ejemplos tienen un procesamiento de
M color RNA color M color_sim
N. Entrada N. Salida
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
230
características de cuatro fases, compuesto por: toma de ejemplos de errores,
filtrado de ejemplos en banco de filtros estadísticos, conformación de vecindad
tipo 8 por píxel de salida y conformación de la matriz de entrenamiento de la RNA
de calcificación de errores.
Datos de entrenamiento. A partir de las pieles suministradas por las curtiembres
y fábricas visitadas, fueron seleccionadas muestras de errores que se tenían en
diferentes cueros. Estos errores fueron en primera instancia preclasificados y
procesados con un banco de filtros de Gabor (figura 87), para resaltar el error.
Estos filtros son utilizados para el análisis texturas, y en el caso del cuero en
particular, el error es una variación en la textura original, por lo tanto los filtros de
Gabor a diferentes ángulos y frecuencias, resaltan el error.
En la tabla 10, se observan las frecuencias y ángulos que se utilizaron para el
montaje del banco de filtros de Gabor. En la figura 87 se ven representados los
filtros que se aplicaron de acuerdo a las frecuencias y ángulos mostrados en
dicha tabla.
Tabla 10. Frecuencias y ángulos utilizados en el banco de filtros de Gabor. Frecuencia
(Hz)
Ángulo
(rad)
8 2,1593
16 1,3741
32 2,1593
32 1,3741
64 1,3741
64 2,1593
128 1,3741
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
231
128 2,1593
Fuente. Elaborado por los autores.
Figura 87. Banco de filtros de Gabor, a frecuencias y ángulos tabla 10.
Fuente. Elaborada por los autores.
Con los filtros clasificados a las frecuencias y ángulos que revelaron los mejores
resultados (figura 87), se implemento una RNA para clasificar los errores en el
cuero, se codifico la salida de la red neuronal artificial (tabla 11) dándole a los
errores, al fondo y al cuero en buen estado un código diferente para cada caso. La
RNA de clasificación de errores en el cuero por filtros de Gabor, tiene el siguiente
proceso de conformación de su matriz de entrenamiento (figura 88). A partir de la
imagen de entrada, se extrae el patrón de ejemplo que contiene información de
error en el cuero, piel de buena calidad y el fondo de la imagen. Se extrae cada
una de las capas de color en la imagen y se trabaja sobre cada una de estas, ya
que los errores en el cuero presentan cambio de coloración. Cada una de las
capas es procesada por un banco de filtros de Gabor, con frecuencias y ángulos
previamente seleccionados y la información que arroja este banco de filtros es
almacenada en la matriz de entrenamiento de la RNA.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
232
Figura 88. Proceso de conformación matriz de entrenamiento de la RNA
reconocimiento de errores con filtros de Gabor.
Fuente. Elaborada por los autores.
Tabla 11. Codificación de la salida de la RNA por banco de filtros de Gabor.
Estado en la imagen Codificación de salida
Buen estado de la piel -1 -1 1
Error en la piel -1 1 -1
Fondo 1 -1 -1 Fuente. Elaborado por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
233
Se procedió a diseñar la RNA, con la matriz de entrenamiento conformada,se
implemento una RNA tipo feedforward con algoritmo Backpropagation y funciones
de transferencia tipo Tansig. Pero los resultados que se obtuvieron no fueron los
deseados, ya que la RNA si resaltaba el error, pero también muchos de los
píxeles de la imagen que pertenecían a cuero de buena calidad.
En la imagen, el grupo que no pertenecía a los errores, era clasificado como error,
esto se presento por que a diferentes frecuencias cada filtro resalta erosiones, que
varían la información y en el momento que la red clasifica el error, muchos píxeles
tienen información dentro del rango de información del error, por lo que se
considera una falsa alarma en la detección del mismo. La respuesta de la RNA de
clasificación de errores por banco de filtros de Gabor se presenta en la figura 89.
Figura 89. Simulación RNA clasificación errores a partir de filtros de Gabor; (a)
Imagen original; (b) Salida red neuronal (• Piel sana, • Error, •(Blanco) fondo).
(a) (b)
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
234
Red neuronal artificial de clasificación de errores en el cuero. Al observar las
falencias que tenía la RNA de clasificación de errores con filtros de Gabor, se
propuso armar la RNA de una manera diferente. Se cambió el proceso de
conformación de la matriz de entrenamiento, se cambió la forma de codificar la
salida de la red y también se cambio el banco de filtros que va actuar sobre el
conjunto de entrenamiento. El proceso se explica a continuación
Matriz de entrenamiento. La conformación de datos se hizo a partir de una
selección de ejemplos en las diferentes muestras de cuero, en donde se
presentaban distintos tipos de errores. De cada tipo de errores a clasificar se
extrajeron imágenes de sectores en los que había parte de piel de buena calidad y
parte de error en la piel, esto con el fin de darle a la red equilibrio en el tipo de
datos de entrenamiento. Cada imagen de ejemplo se procesó por un banco de
filtros estadísticos que amplían la información por píxel de cada imagen.
El banco de filtros está compuesto por un filtro de media, que suaviza la imagen, le
da a todos píxeles igual peso. Esto se utilizó con el fin que la red tuviera una
estandarización en los datos a evaluar. El segundo filtro que compone el banco, es
un filtro de mediana, este tiene como objetivo reducir el empañamiento de los
bordes. Este filtro remplaza el píxel analizado en la imagen por la mediana de
brillo con respecto a los píxeles vecinos más cercanos. El tercer filtro que se
implementó fue el filtro de Desviación estándar que deshecha píxeles que no
tengan relación con la imagen. El cuarto y último filtro que compone el banco, es el
filtro de varianza, este filtro le da a la red información sobre la dispersión que tiene
el píxel analizado en la imagen.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
235
Luego de filtrar cada ejemplo en el banco de filtros estadísticos se enmascarar
cada uno de los píxeles analizados por cada ejemplo de error. Este proceso
consiste en tomar de cada píxel de la imagen sus 8 vecinos. Teniendo esta
información se va almacenando en una matriz. Esta matriz esta compuesta por 36
datos de entrenamiento y uno de salida, ya que son 9 píxeles por filtro y como son
4 filtros los que componen el banco, esto da 36 datos.
Así se compone la matriz de entrenamiento por cada ejemplo que se tiene de error
en el cuero ver (figura 90).
El proceso de conformación de la matriz de entrenamiento por error, se repite para
cada uno de los ejemplos que hemos seleccionado por error, y con éste grupo de
matrices se compone la matriz de entrenamiento que va a ser procesada por la
RNA de clasificación de errores en el cuero (figura 91).
Figura 90. Proceso de caracterización de la matriz de entrenamiento por error en
el cuero.
Fuente. Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
236
Figura 91. Proceso de conformación matriz de entrenamiento de la RNA de
clasificación de errores en el cuero.
Fuente. Elaborado por los autores.
La salida de la RNA se codifico de una manera distinta, a las codificaciones de las
redes explicadas anteriormente. Para este caso en particular se realizó una
caracterización de la salida manualmente, seleccionando el error que se
encontraba en el ejemplo analizado. Para darle a la red un ejemplo completo de lo
que se quiere obtener como salida (figura 92). Estos datos de la salida de cada
uno de los ejemplos, fueron almacenados en un vector del mismo número de filas
que la matriz de entrenamiento, y cada dato de salida corresponde a una columna
en la matriz de entrenamiento.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
237
Figura 92. Entradas de errores y objetivos de la RNA de clasificación de errores.
Fuente. Elaborada por los autores.
Con la matriz de entrenamiento ya conformada y con la salida de la RNA
establecida. Se implemento la RNA tipo feedforward, con algoritmo de
retropropagación del error, las salidas con función de transferencia tipo logsig
(salidas desde cero a uno), capas ocultas con función de transferencia tipo tansig.
Los parámetros que se le dieron a la RNA de clasificación de errores en el cuero
fueron: parámetro de aprendizaje (Param.lr = 0.0001), parámetro de épocas
(Param epoch = 400), parámetro de gol (Param goal = 0.0001).
Los mejores resultados se obtuvieron con una arquitectura de: número de
neuronas en la entrada = 36, número de neuronas por capa oculta = 17, número
de capas ocultas = 2, Numero de neuronas en la salida = 1.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
238
La curva de validación tuvo un error mínimo de 0,321, su comportamiento fue
constante ya que su error de entrenamiento al igual que su error de validación,
disminuyen al pasar el número de épocas de entrenamiento (figura 93).
Figura 93. Curva de validación de la RNA de clasificación de errores en el cuero.
Fuente. Elaborada por los autores.
Se aplicó validación cruzada a la RNA de clasificación de errores para poder ver el
poder de generalización de la misma. Este se convierte en un problema imposible
y es necesario aplicar un algoritmo más para obtener una salida limpia en la
detección de errores realizada por la red neuronal artificial.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
239
Las simulaciones que se le realizaron a la RNA, arrojaron resultados satisfactorios,
se ve representado el trabajo que realiza el banco de filtros estadístico, ya que le
da buena información a la red de cada uno de los píxeles que compone un error.
En la figura 94, se aprecian algunas simulaciones que se realizaron a la RNA de
clasificación de errores en el cuero.
Figura 94. Simulaciones en la RNA de clasificación de errores en el cuero.
Fuente. Elaborado por los autores.
Algoritmo de detección de imperfecciones. Para encontrar las imperfecciones
en el cuero se desarrollo el siguiente algoritmo:
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
240
1. Conformación de la matriz de simulación para la RNA de detección de
imperfecciones. De la ecuación (3-74) se tiene I(x,y).
2. Banco de filtros estadísticos.
• Filtro Media
∑∑= =
−−=
=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
x
i
y
jmedia
media
iyixhjiIyxF
yxIyxhyxF
yxk
1 1),(.),(),(
),(*),(),(9/19/19/19/19/19/19/19/19/1
),(
(3-93)
• Filtro Mediana
[ ]
∑∑= =
+
+++−+
+−
+−−−−
=
=≤≤≤≤≤≤≤≤=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
=
x
i
y
jmedianamediana
nmediana
yxyxyx
yxyxyx
yxyxyx
jipf
fpfffffffffyxp
ffffff
fffyxh
1 1
21
876543210
1,1,11,1
1,,1,
1,1,11,1
),(
),(
),(
(3-94)
• Filtro Varianza
∑∑= =
−=x
i
y
jianza jipiF
1
2
1
2var ),(.)( μ (3-95)
P se tiene de la ecuación (3-75).
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
241
• Filtro Desviación Estándar
( ) ( )n
yy
n
xxyxF
x
jj
x
ii
EstándarD
∑∑==
−−= 1
2
1
2
. *),( (3-96)
3. Máscara de vecindad
De la ecuación 3-93 se tiene Fmedia, se le aplica una máscara 3x3, para
tener en cuenta sus píxeles vecinos.
∑∑= =
=x
i
y
jmediafm jiFpog
1 1),(),( (3-97)
de la ecuación 3-94 tenemos Fmediana
∑∑= =
=x
i
y
jmedianafa jiFpog
1 1),(),( (3-98)
de la ecuación 3-95 tenemos Fvarianza
∑∑= =
=x
i
y
jianzafv jiFpog
1 1var ),(),( (3-99)
de la ecuación 3-96 tenemos FD. Estándar
∑∑= =
=x
i
y
jEstándarDfde jiFpog
1 1. ),(),( (3-100)
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
242
4. Convolución de máscaras de vecindad, para conformar la matriz de
simulación de errores, se tienen gFm, gFa, gFv, gFde.
( )∑∑= =
+++=o
i
p
jFdeFvFaFmerrores jigjigjigjigkhM
1 1)27,(*)18,(*)9,(*),(),(
(3-101)
5. Detección de errores con la RNA de imperfecciones.
Con la matriz de errores simulada, se forma la imagen de los errores así,
( )∑∑= =
=x
i
y
jsimerroreserrores jiMyxI
1 1_ ),(),( (3-102)
Con I errores (x,y), se etiquetan las regiones que tienen píxeles negros de
acuerdo a su vecindad.
[ ]erroreserrores IlabelL = (3-103)
( )erroreserrores LmáxN = (3-104)
6. Calcular el área de los errores.
De la ecuación # se tiene I errores (x,y). Se cuentan los píxeles negros en la
imagen (nerrores). De la ecuación # se tiene el Apíxel, entonces
M color RNA color M color_sim
N. Entrada N. Salida
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
243
errorespíxelerrores nAA *= (3-105)
3.4.3 Control de avance del Módulo de visión artificial. El software de visión
artificial, está enlazado con el módulo de visión artificial, por el trayecto que éste
debe realizar para capturar las imágenes en toda la piel, por lo tanto, se realizó un
control de avance del módulo, sincronizando el tiempo de avance con la captura
de imágenes.
El software envía una señal continua por el puerto LPT1 del PC por las salidas 6,7
y 8 al motor de avance del módulo de visión, controlado por un inversor de giro y
éste gira en sentido horario, permitiendo avanzar al módulo desde el comienzo de
la mesa de corte, hasta el final de la misma. Este proceso tarda 10 seg. En esta
posición se realiza la primera captura de imágenes de las cámaras instaladas en
el módulo de visión. Estas imágenes son almacenadas en matrices para el
posterior procesamiento.
Cuando el módulo de visión termina su trayecto de avance, el software envía una
señal continua por el puerto LPT1 del PC por la salida 4 y 5 y la señal 6 y 7 se
apagan, para la inversión de giro del motor. Ahora de regreso el módulo de visión
cada 2,5 seg, captura las imágenes, ya que el campo de visión de cada cámara
(figura 95) es de 68,2 cm vertical y para cubrir la totalidad de la mesa de corte es
necesario capturar imágenes en 4 posiciones diferentes.
El avance es controlado por un bucle en el que se sincroniza el tiempo con el reloj
del computador, este tiempo es un vector que contiene [Año Mes Día Hora
Minutos Segundos], se hace una comparación entre el tiempo en el que comienza
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
244
el módulo de Visión su desplazamiento con el tiempo que esta transcurriendo y
cada acción se realiza en pleno sincronismo con el tiempo del programa.
Figura 95. Campo de visión de cada cámara del módulo de visión; cotas en cm.
Fuente. Elaborada por los autores.
El algoritmo del control del motor de avance se representa en la figura 96. Los
tiempos y movimientos que realiza el módulo de visión artificial, en la etapa de
recolección de las imágenes de la piel en la mesa de corte se puede observar en
la figura 97.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
245
Figura 96. Algoritmo del control del motor de avance del módulo de visión artificial.
Fuente. Elaborado por los autores, software Smart Draw 2007.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
246
Figura 97. Proceso de captura de imágenes, tiempos y etapas.
Fuente. Elaborado por los autores.
El puerto LPT1 entrega salidas en un rango de 0v a 5v, por lo que se diseño un
circuito de potencia para acoplar las salidas de este puerto a el motor trifásico de
avance del modulo de visón artificial. Para lograr la inversión de giro de un motor
basta con tener dos contactores en paralelo, uno enviara las 3 fases en un orden y
el otro intercambia dos de estas fases manteniendo la tercera igual para los dos
casos como se muestra en la figura 98. Este control lo realiza el algoritmo
mencionado anteriormente. La señal del puerto es recibida por 5 opto
acopladores, que son los encargados de enviar la señal a los triacs que permiten
el paso de tensión de cada una de las líneas de corriente alterna. Los opto
acopladores no solo envían la señal a los triacs si no que también evitan daños al
puerto ya que funcionan como aisladores de alto voltaje.
t = 10 s t = 2,5 s
t = 2,5 s
t = 2,5 s t = 2,5 s
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
247
Figura 98. Circuito de potencia para el motor trifásico de avance del módulo de
visión artificial.
Fuente. Elaborado por los autores SEE Electrecal
3.4.4 Control sistema de succión mesa de corte. El sistema de succión
constituye una parte esencial de la máquina, este sistema garantiza que la piel no
se va a mover cuando se realiza la captura de imágenes, ni en el momento del
corte láser del cuero. Por este motivo, se realizo el control de la bomba de vacío
desde el software de visión artificial, garantizando sincronismo en los tiempos de
ejecución de las tareas realizadas.
En el momento que inicia el proceso de posicionar el módulo de visión artificial
para la recopilación de imágenes de la piel sobre la mesa de succión, es necesario
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
248
que se encienda la bomba de vacío para que la piel se fije a la mesa de corte, y no
se realice la captura de imágenes de una forma incorrecta.
El software envía una señal continua a la etapa de potencia de la bomba de vacío
durante la recopilación de imágenes del módulo de visión artificial. La señal de
control se envía por la salidas 1, 2 y 3 del puerto LPT1. Después 20 seg el
módulo esta en su posición inicial y se apaga la señal de control de la bomba de
vacío, (Figura 99).
Figura 99. Algoritmo de control bomba de vacío
Fuente. Elaborada por los autores, software Smat Draw 2007.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
249
La bomba de vacío funciona con un motor trifásico a el cual se le diseñó un
circuito de acople de potencia, que enlaza las señales de salida del puerto LPT1
con cada una de las fases de este motor. El circuito se puede observar en la
figura 100.
Figura 100. Circuito de potencia para el motor trifásico de la bomba de vacío.
Fuente. Elaborado por los autores SEE Electrecal
3.4.5 Desarrollo de software “Visión artificial cuero V1.0”. Con los algoritmos
de preprocesamiento de imágenes, clasificación de colores por RNA, clasificación
de errores por RNA, control del motor de avance del módulo de visión artificial y
control de la bomba de vacío del sistema de sujeción de la piel a la mesa de corte,
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
250
explicados anteriormente se procedió a ensamblar un programa en el GUI71 de
Matlab.
Cada uno de los algoritmos que se explicaron anteriormente fueron
implementados en Matlab y creados como funciones para poderlos llamar desde
un programa principal. Se diseñó una ventana principal (figura 101) que contiene
la información sobre el proceso que se está realizando y las imágenes de mayor
relevancia en el programa, además de esto, se diseño una tabla de resultados que
presenta el análisis que se le hace a cada cuero.
Figura 101. Esquema de la ventana principal del Software de visión artificial en el
cuero.
Fuente. Elaborado por los autores.
71 El ambiente de desarrollo de Interfaz de Usuario en Matlab
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
251
Cuando se ejecuta el programa se abre la ventana principal del mismo, en donde
hay que hacer clic en el botón iniciar proceso, para que comience el algoritmo total
a funcionar (figura 102). En el momento en que inicia el proceso (figura 103) se
llama la función de control del sistema de succión y del motor de avance del
módulo de visión artificial, la ventana informa que se inicio el proceso y que el
motor de avance del módulo de visión artificial al igual que la succión están
encendidos, esta información se da a partir de los indicadores leds que se
encienden en la figura en la bomba de vacío y motor en la ventana principal (figura
104)
Figura 102. Algoritmo total del software de visión artificial en el cuero.
Fuente. Elaborada por los autores, software Smart Draw 2007.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
252
Figura 103. Ventana principal del software de visión artificial; zoom indicadores de
motor de avance del módulo y bomba de sistema de sujeción.
Fuente. Elaborada por los autores. Figura 104. Ventana principal del software de visión; posicionando módulo de visión
Fuente. Elaborado por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
253
Figura 105. Ventana principal software de visión; Procesando imágenes.
Fuente. Elaborado por los autores.
En el momento en que se comienza a procesar las imágenes (figura 105), como
se explico anteriormente, se trabaja con los algoritmos de preprocesamiento de la
imagen, que nos arrojan resultados del cálculo del área y la detección del contorno
del cuero.
Posteriormente la RNA de clasificación de color inicia el proceso de conformación
de la matriz de simulación del cuero adquiriendo la información de color que tiene
la imagen y realizando la simulación. Entrega como resultado el color que tiene el
cuero que se esta analizando. El análisis del color, se realiza decodificando la
salida que arroja la imagen píxel por píxel, y por medio de la moda de la matriz
que se tiene como resultado se analiza a cual de los colores pertenece el cuero.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
254
Por último el algoritmo realiza el proceso de conformación de la matriz de
simulación de la RNA de clasificación de errores en el cuero. La imagen
preprocesada pasa por el banco de filtros estadísticos, que extraen características
píxel a píxel del cuero. Luego cada imagen filtrada es entra en el proceso para
enmascarar cada píxel de la imagen del cuero. Este proceso añade la información
de los 8 píxeles vecinos del píxel analizado.
Una vez terminado el proceso de conformación de la matriz de simulación de la
RNA de clasificación de errores en el cuero, se carga la RNA entrenada
previamente y se simula para obtener los errores que se presentan en el cuero.
Cada una de estas imágenes de resultantes es presentada por el Software de
visión artificial. En la ventana principal se encuentra un Pop menú (figura 106)
para navegar por las imágenes de resultado que se están presentando. En el Pop
menú se encuentran la imagen de entrada, la imagen del área (figura 107 (a)), la
imagen del color, la imagen del contorno general de la piel (b), la imagen de los
errores (c) y la imagen final que contiene el contorno general (d) y el contorno de
los errores (e).
Figura 106. Pop Menú ventana principal
Fuente: Elaborada por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
255
Figura 107. Entorno del software de visión artificial; (a) Imagen área; (b) Imagen
contorno; (c) Imagen Errores; (d) Imagen contorno errores; (e) Imagen final.
(a) (b)
(c) (d)
(e)
Fuente. Elaborado por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
256
Adicional a estas imágenes se tiene un cuadro de resultados (figura 108), que
contiene la información del área total del cuero (en centímetros y decímetros
cuadrados), el color del cuero, el número de errores que se encontraron en el
cuero, el área de los errores (en centímetros y decímetros cuadrados), el área útil
del cuero (en centímetros y porcentaje) y la calidad del cuero según el porcentaje
de pérdida que se encuentre.
Figura 108. Cuadro de resultados.
Fuente: Elaborada por los autores.
El proceso de detección finaliza cuando la última imagen del contorno de la piel y
el contorno de los errores es guardada en formato mapa de bits (.bmp) para su
posprocesamiento.
3.5 Posprocesamiento de la imagen generada por el software de visión artificial. En las máquinas de corte láser se utiliza material con formas
geométricas definidas como cuadrados y rectángulos, de esta forma es sencillo
ubicar las piezas que se desean cortar en el CAD de las máquinas, pero como se
a visto en el desarrollo del documento, las pieles tienen una forma irregular, lo cual
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
257
complica la distribución de las piezas a cortar. Por esto, una vez que el software
de visión artificial ha generado la imagen de contorno de la piel y sus errores en
formato de mapa de bits, es necesario convertir esta imagen a un formato
compatible con el CAD de la máquina de corte láser. Para este caso se seleccionó
el formato drawing interchange format (.dxf). Para convertir el formato bmp a
fomato dxf, se utilizó el software Win Topo, el cual vectoriza la imagen.
La vectorización de imágenes es un proceso simple, donde se lleva un archivo de
imagen (.bmp) a vectores, es decir, se sustituye una sucesión de píxeles por una
serie de vectores guiados por nodos. Una vez los píxeles se convierten en
vectores (figura 109), la imagen se puede guardar a .dxf formato que se pude abrir
en el CAD de la máquina láser.
Figura 109. Imagen vectorizada
Fuente: Elaborada por lo autores en el software Win Topo
De esta forma se obtiene una plantilla donde se muestran los errores de la piel, la
limita el espacio donde se ubicarán las piezas que se van a cortar. Con esto se
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
258
logra una mejor distribución de las piezas sobre el área total del cuero y se evita
cortar piezas en donde haya errores en la piel asegurando una mejor calidad del
producto final.
3.6 Validación del proceso de inspección y corte. 3.6.1 Validación del software de visión artificial. Para demostrar que el
reconocimiento de las imperfecciones en el cuero mediante la visión artificial es
posible, y tiene un alto grado de acierto, es necesario comparar los resultados
obtenidos por el software desarrollado frente a los obtenidos por un experto en el
corte del cuero. Se realizaron una serie de pruebas, donde se tenían distintas
pieles con errores, previamente identificados por el experto72.
La industria del cuero en general, establece que en el proceso de inspección y
posterior corte, se pierde un 30 % de materia prima. El software desarrollado
brinda información del porcentaje de pérdida que se tiene en el cuero, a causa de
los errores que éste presenta y se obtiene un dato preciso de la verdadera
productividad que se puede llegar a tener.
Se tomaron 10 diferentes muestras de cuero donde se encontraban
imperfecciones como rayones, marcas hechas por nuches y garrapatas, manchas
y peladuras. En la tabla 12 se observa el resultado del análisis de las
imperfecciones realizado por el software y el experto.
El experto encontró y numeró la cantidad de errores contenidos en la muestra, y el
software sacó las áreas inútiles de cada uno de los cueros. El software calcula un 72 CURTIEMBRES EL RENO S.A.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
259
porcentaje de error preciso de la información que adquiere, mientras el experto
hace una aproximación del error existente en la piel.
Tabla 12. Clasificación de errores, experto vs. software.
N º de Prueba
Detección experto
Detección software V.A.C
1.0
Error detectado V.A.C (%)
Aciertos en la
detección (%)
1
9.2536 %
85 %
2
2.8083 %
92 %
3
3.9513 %
94 %
4
3.6924 %
100 %
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
260
5
5.8812 %
100 %
6
7.0450 %
93 %
7
2.12918 %
100 %
8
11.4657 %
89 %
9
27.8460 %
87 %
10
2.3769 %
100 %
Promedio de Eficacia 94%
Fuente. Elaborado por los autores.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
261
En los casos en que el resultado de la prueba no fue del 100% de aciertos, se
observó que por difuminación, en algunos sectores del error se perdía información
de los mismos, mostrando un resultado incompleto con relación a los detectados
por el experto. En otros casos se encontró que por factores externos, como ruidos
y sombras, se mostraron en los resultados errores no existentes. El error
detectado por el software fue evaluado por el experto73, el cual determino el
porcentaje de acierto que tuvo éste.
3.6.2 Prueba de corte láser sobre el prototipo de la mesa. Después del
diseño de la mesa de sujeción de cuero para el corte con máquina láser, se
elaboró un prototipo (figura 110), que tiene la rejilla en aluminio y cuenta con
sistema de sujeción de cuero por vacío; con el fin de evaluar a escala el diseño
descrito en este documento. Se realizó una prueba en la que se ubicó el prototipo sobre una máquina de corte
de la empresa Tec-Láser S.A. como se muestra a continuación:
Figura 110. Corte láser con base la rejilla de Aluminio y sujeción por vacío
Fuente. Tomado por los autores. 73 Wilson Buitrago, jefe de producción, Curtiembres El Reno.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
262
Se emplearon tres muestras de cuero, con dimensiones de 25 cm x 33 cm
elaborando cortes a 2 velocidades y 6 potencias. Se cortaron 7 geometrías
distintas, diseñadas para observar la calidad en los acabados y las medidas
exactas en los cortes realizados (ver figura 111). Para el sistema de succión se
empleó una aspiradora, que cumplió las funciones de bomba de vacío.
Figura 111. Plano de corte para el CNC.
Fuente. Tec - Laser S.A.
En el anexo M se encuentra la tabla donde se observa detalladamente las
características de cada una de las muestras y los parámetros utilizados en la
maquina láser. Con base en los resultados se puede afirmar que el corte del cuero
a velocidades por encima de los 9 m/min y potencias entre los 100 W y 280 W son
buenos conservando los parámetros de calidad que exigen las curtiembres y las
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
263
empresas manufactureras del cuero74. En la figura 112 se observa el cuero ya
cortado.
Figura 112. Pruebas de corte láser con base la rejilla
(a)
(b)
74 Aprobado por Curtiembres El Reno Ltda. Bogotá, Colombia.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
264
(c)
Fuente: Tomado por los autores.
Una vez que se ha demostrado que la inspección y el corte son satisfactorios se
realizó una cotización de los materiales seleccionados en este diseño, esta se
encuentra detallada en la tabla del anexo N.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
265
4. CONCLUSIONES.
La automatización de procesos industriales, es el paso necesario para que la
industria nacional aumente su participación en los mercados internacionales. La
investigación y desarrollo de nuevos procesos, debe ser el pilar más fuerte de
nuestra industria, para estar en continua evolución y así evitar que el acelerado
crecimiento que se observa en países suramericanos opaque nuestros logros.
La Ingeniería Mecatrónica permitió por medio de la sinergia de sus áreas,
encontrar la solución al problema planteado en este proyecto, gracias a la
implementación de técnicas de inteligencia artificial, como lo son la visión artificial
y las redes neuronales artificiales; las cuales demostraron que es posible realizar
la inspección de materias primas, como la es el cuero, además diseñar una mesa
en la cual se pudiera cortar éste por medio del rayo láser.
En este proyecto de grado se desarrollaron las técnicas necesarias para lograr un
sistema de visión artificial y análisis de imagen capaz de determinar el área, la
tonalidad y las imperfecciones en el cuero bovino. El sistema estudia 12 imágenes
de cada cuero para obtener las medidas con precisión.
Construir un prototipo del módulo de visión artificial permitió adquirir imágenes,
con iluminación controlada, se puede afirmar que el preprocesamiento de éstas se
hace más sencillo, ya que la información que se obtiene es fiel a la realidad, y de
esta forma se redujo el error en el posprocesamiento.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
266
Con la implementación de las redes neuronales, se logró un clasificador de
tonalidades en el cuero, que brinda una excelente respuesta, ya que este alcanzó
una eficacia del 100% en las pruebas realizadas; además permitió simplificar la
detección de imperfecciones en el cuero, debido a que establece un primer
parámetro de selección.
Mediante la investigación exhaustiva que se realizó de las técnicas de detección
existentes, se desarrolló un algoritmo que incorpora el procesamiento digital de
imágenes y las redes neuronales artificiales, creando una herramienta con la que
se obtuvo el 94 % de aciertos, en la detección de imperfectos en el cuero bovino.
Los resultados del desarrollo de un sistema entrelazado para la extracción de
características del cuero bovino, demuestran que la automatización en la
detección de áreas útiles reduce el tiempo de inspección y entrega de datos,
haciéndolos más exactos para un mejor control de calidad. Además, este proceso
proporciona una perspectiva diferente a la que maneja el hombre en la mesa de
trabajo, facilitando la distribución de piezas sin importar sus dimensiones.
Con el adecuado diseño mecánico se construyó un prototipo de la mesa que
permitió realizar el corte del cuero utilizando el rayo láser, y se demostró por su
velocidad y precisión que cumple con los estándares de calidad, ya que da un
excelente acabado, factor muy importante para las empresas de confección.
La implementación de sistemas de visión artificial y sistemas de corte de alta
velocidad en la industria manufacturera de cuero colombiana, facilitará la
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
267
fabricación de productos con alta calidad y versatilidad. El diseño del sistema
desarrollado en este proyecto de grado es una alternativa que incluye estas
características.
Dentro de los trabajos futuros, se desarrollará un algoritmo que permita la
optimización en la distribución de piezas sobre el área útil. Ya que en ésta lo que
se busca es reducir al máximo la pérdida de materia prima. Este algoritmo es un
complemento, que asegura el aumento de productividad del proceso.
Con la colaboración de Tec – Laser S.A, y el patrocinio de una entidad sin ánimo
de lucro, como el fondo emprender; se pretende realizar la construcción de está
mesa, para crear una empresa especializada en el corte de cuero.
Diseño y Simulación de una Mesa con Sistema de Visión Artificial, para laDetección de Imperfecciones y Posterior Corte con Rayo Láser, del Cuero Bovino
BIBLIOGRAFÍA
AL ASHI, Refaat Yousef. Introduction to graphical user interface (gui) Matlab
6.5. Branch, 35 p. UAE University, College of Engineering, Octubre de 1999.
AITEX, Instituto Tecnológico Textil. Algunos comentarios sobre generalización
en backpropagation. 113 p, Ministerio de Ciencia y tecnología. Octubre de
2002.
ALEIXOS BORRÁS, Nuria. Desarrollo de técnicas de visión artificial, utilizando
procesadores digitales de señal. Aplicación a la detección de defectos en frutas
en tiempo real. Valencia, España. 145 p. Tesis doctoral (Universidad
Politécnica de Valencia, Departamento de Expresión Gráfica en la Ingeniería).
1999.
BLASCO IVARS, José. Concepción de un sistema de visión artificial
multiespectral para la detección e identificación de daños en cítricos. Valencia,
España. 227 p. Tesis doctoral (Universidad Politécnica de Valencia,
Departamento de Expresión Gráfica en la Ingeniería). Abril de 2001.
CHACÓN MURGUÍA, Mario Ignacio. Clasificación de defectos en Madera
utilizando Redes Neuronales Artificiales. En: Computación y Sistemas. Vol. 9,
Nº 1 (Marzo 2005), p. ISSN 1405-5546.
COLMENARES, Gerardo. Algunos comentarios sobre generalización en
backpropagation. 5 p, Marzo 2005.
268
CERUTTI, Julia. Estudios sectoriales. Componente Industria del calzado.
Secretaría de Política Económica, Ministerio de Economía de la Nación
Argentina. 2003.
DE LA ESCALERA HUESO, Arturo. Visión por Computador, Fundamentos y
métodos. Prentice Hall. 2001. 274 p.
DE PISÓN ASCACIBAR, Javier Martínez. Estudio y aplicación de técnicas de
reconocimiento automático mediante visión artificial para el control de calidad
en la fabricación de botones. Memoria. Abril 2004.
ESQUEDA ELIZONDO, José Jaime. Matlab e Interfaces Gráficas: CONATEC
2002: Universidad Autónoma de Baja California, Unidad Tijuana, Noviembre de
2002, 139 p.
GALLEGO AGUILAR, Ana Rosa. Modelos visuales en el análisis de la calidad
de imagen. MADRID, 2006, 181 h. Proyecto fin de carrera (Ingeniero de
Telecomunicación). Universidad Politécnica de Madrid. Escuela Técnica
Superior de Ingenieros de Telecomunicación.
ISASI VIÑUELA, Pedro y GALVÁN LEÓN, Inés M. Redes de Neuronas
Artificiales, Un Enfoque Práctico. Pearson, Prentice Hall. 2004. 229 p.
KOVESI, Peter. MATLAB and Octave Functions for Computer Vision and Image
Processing. Crawley, 2007. School of Computer Science & Software
Engineering.
269
LÓPEZ, Fernando. Surface Grading Using Soft Colour-Texture Descriptors.
Universidad Polit´ecnica de Valencia, Valencia, Spain. Abril 2005.
MAK, K. L. Detecting Defects in Textile Fabrics with Optimal Gabor Filters. En: International Journal of Computer Science. Vol. 1, Nº 4, Abril 2006. ISSN 1306-
4428.
MAZO Q., Manuel; BOQUETE V., Luciano y BAREA N. Rafael. Visión
Artificial. Universidad de Alcalá, Departamento de Electrónica. 1996. 256 p.
MERY, D.; Pedreschi, F.: Segmentation in food images, in "Advances in Image
and Video Segmentation", ed. Y.-J. Zhang, Chapter 16, pp. 430-448. Idea
Group Inc., Hershey, USA, 2006. ISBN: 1-59140-753-2.
MERY, Domingo. Visión por Computador, Santiago de Chile, Departamento de
Ciencia de la Computación, Universidad Católica de Chile,146 p.
MINCOMEX. Perfil de la Cadena: Cuero y sus manufacturas, y Calzado. 27 p.
MINISTERIO DE DESARROLLO. Los retos de la cadena de cuero, sus
manufacturas y el calzado en el siglo XXI, Diciembre de 2001.
Para efectivizar producciones. Robotización en: En revista Serna. No. 55.,
Junio-Julio de 2000.
270
PERFETTI, Luis. Sistema de capacitación de clasificadores de cueros curtidos
(s4c). Buenos Aires, 2005. Tesis de Magíster (Ingeniería de Software).
Universidad Politécnica de Madrid.
PROEXPORT, Colombia. Cuero, calzado e industria marroquinera. 2004. PROEXPORT, Colombia. Inteligencia de Mercados. Estadísticas de las
Exportaciones Colombianas, Enero de 2006.
PROEXPORT, Colombia; ANDI, Cámara Sectorial del Cuero. Manual de
Buenas Prácticas para la Producción y Obtención de la Piel de Ganado Bovino.
2006.
REIG PÉREZ, Miguel Jorge et al. Robótica en Producción I. Visión Artificial.
Universidad Politécnica de Valencia. 1999. 114 p.
SALAZAR, Augusto. Extracción y clasificación de posturas labiales en niños
entre 5 y 10 años de la ciudad de Manizales. En: Revista de la Facultad de
minas. Vol. 73, Nº 150. Noviembre de 2006.
SHIGLEY, Joseph E.; MISCHKE, Charles R.. Diseño en ingeniería macánica.
Sexta edición. McGraw Hill. 2002. 1257 p.
SILVA, R.; MERY, D. State-of-the-Art of Weld Seam Inspection Using X-ray
Testing: Part I – Image Processing. March 2007.
271
SILVA, R.; MERY, D. State-of-the-Art of Weld Seam Inspection Using X-ray
Testing: Part II – Pattern Recognition. March 2007.
SKF. Manual de Selección de rodamientos SKF.
SOBRAL, João Luís. Leather Inspection based on Wavelets. En: Springer –
Verlag Berlin Heidelberg. LNCS 3523, pp.682 – 688. Enero 2005.
TERISSI, Lucas D. Sistema de Reconocimiento de Iris. En: Revista Argentina
de Trabajos Estudiantiles. Vol. I, Nº 2. Marzo 2006.
UNIVERSIDAD NACIONAL DE QUILMES. Ingeniería en Automatización y
control industrial. Catedra: Visión Artificial. Octubre de 2005.
PHYSICS ONLINE. Seguridad en el trabajo con láseres.
http://www.lasersailing.com/ [Agosto de 2006]
UNIVERSIDAD DE AVERDEEN. Potencias y velocidades de corte láser para
distintos materiales. http://vcs.abdn.ac.uk/ENGINEERING/lasers/lasers.html
[Agosto de 2006].
WIKIPEDIA. Vacuum pump. http://en.wikipedia.org/wiki/Vacuum_pump [Mayo
de 2007].
NORD SYSTEMDRIVER. Products. http://www2.nord.com/cms/en/home.jsp
[Abril de 2007].
272
SYLVANIA. Productos. www.sylvania.com.ar/ [Febrero de 2007].
KAZUYUKI KOBAYASHI. Implementación del vcapg2.dll.
http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=29
39 [Marzo de 2007].
Software utilizados,
MATHWORKS. Matlab versión 7.1, 2006.
UGS. Solid Edge versión 17, 2005.
FLEXlm. Ansys Workbench versión 10.0, 2005.
SOFTSOFT. WinTopo versión 2.52, 2004.
SMART DRAW. Smart Draw, 2007.
273
ANEXO A
Tabla. Muestreo de las dimensiones de las pieles
Nº muestra Largo (cm) Desviación Estándar Ancho(cm)
Desviación Estándar
1 240 5 231 42 246 1 231 43 243 2 235 04 246 1 233 25 249 4 231 46 245 0 235 07 244 1 234 28 248 3 233 39 249 4 240 4
10 245 0 235 111 244 1 232 312 249 4 238 313 243 2 233 214 248 3 230 515 247 2 240 516 249 4 235 117 241 4 236 118 249 4 235 019 246 1 240 420 240 5 232 321 242 3 237 122 241 4 231 423 249 4 234 124 248 3 231 425 248 3 233 226 248 3 235 027 247 2 230 528 246 1 232 329 244 1 234 130 242 3 231 431 243 2 234 132 245 0 231 533 244 1 240 534 247 2 237 235 243 2 236 136 240 5 236 137 248 3 238 338 246 1 240 439 241 4 234 140 245 0 238 341 248 3 234 142 245 0 234 1
43 248 3 239 444 245 0 233 245 247 2 238 346 250 5 240 547 244 1 238 248 246 1 239 349 245 0 237 150 248 3 233 351 245 0 232 352 247 2 234 153 247 2 236 154 248 3 234 155 240 5 238 256 240 5 230 557 245 0 237 258 243 2 238 259 240 5 240 460 248 3 234 161 241 4 231 562 243 2 234 263 243 2 237 164 248 3 237 265 240 5 231 466 245 0 239 467 246 1 235 068 244 1 239 469 242 3 233 270 249 4 237 271 250 5 234 272 249 4 239 473 244 1 231 574 247 2 233 375 245 0 236 176 242 3 237 177 243 2 237 278 240 5 239 479 240 5 236 180 250 5 237 281 248 3 236 182 248 3 232 483 249 4 233 384 241 4 238 385 241 4 234 186 246 1 237 187 240 5 233 288 241 4 240 4
89 241 4 236 090 248 3 240 491 241 4 235 092 247 2 239 393 241 4 232 394 246 1 232 395 245 0 239 496 245 0 237 297 243 2 240 498 241 4 235 199 243 2 237 2
100 245 0 237 1 Fuente. Elaborada por los autores
ANEXO B Tabla. Pruebas de corte sobre MDF
PROTOCOLO DE PRUEBAS CORTE CUERO CON LASER Parámetros
Observaciones Fecha Cod. Muestra Máquina Potencia Vel. Corte Soporte Resultado 06/03/2007 1 Bylas 630 W 2500 mm/min MDF 1
06/03/2007 2 Bylas 630 W 2500 mm/min MDF 1 La muestra presenta pequeñas
quemaduras en los bordes 06/03/2007 3 Bylas 490 W 1500 mm/min MDF 2 La muestra presenta pequeñas quemaduras en los bordes 06/03/2007 4 Bylas 630 W 2500 mm/min MDF 2
06/03/2007 5 Bylas 490 W 1500 mm/min MDF 1 Se perdió la geometría del corte ya
que el palpador de la maquina corrió la muestra de su ubicación 06/03/2007 6 Bylas 490 W 1500 mm/min MDF 5
06/03/2007 7 Bylas 490 W 1500 mm/min MDF 1
06/03/2007 8 Bylas NA NA NA NA
No se realizo corte ya que el palpador de la maquina corrió la muestra de su ubicación
Se perdió la geometría del corte ya que el palpador de la maquina corrió la muestra de su ubicación
06/03/2007 9 Bylas 490 W 1500 mm/min MDF 5
06/03/2007 10 Bylas 630 W 2500 mm/min MDF 1 Muestras Calibre Color Empresa Resultados Descripción
1 28 Negro/Café Luna 1 Corte Excelente. 2 18 Café Volaré 2 Corte Aceptable
3 10 Café Margarita Lizardini 3 Quemado 4 13 Café Envejecido Volaré 4 No Corte
5 10 Café Planchado Lizardini 5 Otros 6 10 Miel Manchado Lizardini
7 11 Negro Brillante Lizardini 8 8 Café Mónaco Lizardini 9 7 Café Pasioti Lizardini 10 13 Gris Azulado El Reno
ANEXO C Tabla. Pruebas de corte sobre Malla de acero
PROTOCOLO DE PRUEBAS CORTE CUERO CON LASER Parámetros
Fecha Figura Cod.
Muestra Máquina Potencia Vel. Corte Timpo corte Soporte Resultado Obsevaciones
13/03/2007 c 10 Bylas 630 W 3500 mm/min 7.50 seg IMT 20 cafetera 3
13/03/2007 c 10 Bylas 630 W 4500 mm/min 7.22 seg IMT 20 cafetera 3
13/03/2007 c 10 Bylas 630 W 5500 mm/min 6,72 seg IMT 20 cafetera 3
13/03/2007 c 10 Bylas 630 W 6500 mm/min 6,56 seg IMT 20 cafetera 3
13/03/2007 d 10 Bylas 350 W 7500 mm/min 5,41 seg IMT 20 cafetera 3
13/03/2007 d 10 Bylas 350 W 8500 mm/min 5,09 seg IMT 20 cafetera 3
13/03/2007 d 10 Bylas 350 W 9500 mm/min 4,70 seg IMT 20 cafetera 3
13/03/2007 d 10 Bylas 350 W 10500 mm/min 5,05 seg
IMT 20 cafetera 3
13/03/2007 e 10 Bylas 630 W 3500 mm/min 7.50 seg IMT 20
PESADA 3
13/03/2007 e 10 Bylas 630 W 4500 mm/min 7.22 seg IMT 20
PESADA 3
13/03/2007 e 10 Bylas 630 W 5500 mm/min 6,72 seg IMT 20
PESADA 3
13/03/2007 e 10 Bylas 630 W 6500 mm/min 6,56 seg IMT 20
PESADA 3
13/03/2007 f 10 Bylas 350 W 7500 mm/min 5,41 seg IMT 20
PESADA 3
13/03/2007 f 10 Bylas 350 W 8500 mm/min 5,09 seg IMT 20
PESADA 3
13/03/2007 f 10 Bylas 350 W 9500 mm/min 4,70 seg IMT 20
PESADA 3 El palpador desplazo el material y daño el corte
13/03/2007 f 10 Bylas 350 W 8500 mm/min 5,09 seg IMT 20
PESADA 3 Se redujo la velocidad para evitar el desplazamiento del material
Muestras Calibre Color Empresa Resultados Descripción 1 28 Negro/Café Luna 1 Corte Exce.
2 18 Café Volaré 2 Corte Aceptable
3 10 Café Margarita Lizardini 3 Quemado
4 13 Café Envejecido Volaré 4 No Corte
5 10 Café Planchado Lizardini 5 Otros
6 10 Miel Manchado Lizardini 7 11 Negro Brillante Lizardini 8 8 Café Monaco Lizardini 9 7 Café Pasioti Lizardini 10 13 Gris Azulado El Reno Fuente. Elaborada por los autores
ANEXO D
Tabla. Pruebas de corte sobre Malla de aluminio
PROTOCOLO DE PRUEBAS CORTE CUERO CON LASER Parámetros
Fecha Figura Cod. Muestra Máquina Potencia Vel. Corte Tiempo corte Soporte Resultado Observaciones
21/03/2007 a 10 Bylas 350 W 10500 mm/min 5,05 seg Rejilla Al 30x100 2 El palpador cabe en la rejilla y choca
21/03/2007 a 10 Bylas 140 W 11500 mm/min 5,40 seg Lamina Al
1/16¨ 3 El palpador desplaza el material
21/03/2007 b 10 Bylas 350 W 10500 mm/min 5,05 seg Malla Al 20
cal 16 2 Taladrado muy prolongado
21/03/2007 c 10 Bylas 350 W 11500 mm/min 5,40 seg Malla Al 20
cal 16 2 Taladrado muy prolongado
21/03/2007 d 10 Bylas 350 W 10500 mm/min 5,05 seg Malla Al 12
cal 0,70 2
21/03/2007 e 10 Bylas 350 W 11500 mm/min 5,40 seg Malla Al 12
cal 0,70 2
Muestras Calibre Color Empresa Resultados Descripción 1 28 Negro/Café Luna 1 Corte Excelente 2 18 Café Volaré 2 Corte Aceptable 3 10 Café Margarita Lizardini 3 Quemado 4 13 Café Envejecido Volaré 4 No Corte 5 10 Café Planchado Lizardini 5 Otros 6 10 Miel Manchado Lizardini 7 11 Negro Brillante Lizardini 8 8 Café Mónaco Lizardini 9 7 Café Pasioti Lizardini
10 13 Gris Azulado El Reno
Fuente. Elaborada por los autores
ANEXO E
Ficha técnica de la bomba de vació
Fuente. Sterling Fluid Systems (Colombia)S.A.
ANEXO F
Ficha técnica, cámara para visión artificial
Fuente. www.vector-international.be/C-Cam/Cindex.html
ANEXO G Características de la canal tipo marco
Fuente. Catalogo de PRODUCTOS EXTRUIDOS de ALUMINA S.A.
ANEXO H Características del rodamiento 6300-2Z
Fuente. www.skf.com/portal/skf_es/
ANEXO I
INFORMACIÓN TÉCNICA SOBRE LA LAMINA ACRILICA
El acrílico es un plástico termo-formable TEMPERATURA DE MOLDEO : 160 C a 180 C (sobre superficie de temperatura uniforme) GRAVEDAD ESPECIFICA 1.19 INDICE DE REFRACCION (Color cristal ) 1.49
TRANSMISIÓN DE LA LUZ (Color cristal ) paralela 2%
TOTAL 93%
MODULO DE ELASTICIDAD (Tensión) de 350 a 450 10 PSI RESISTENCIA TENCIÓN de 8.000 a 11.000 PSI RESISTENCIA A LA FLEXION de 12.000 a 17.00 PSI RESISTENCIA A LA COMPRESIÓN de 11.000 a 19.000 PSI RESISTENCIA AL CORTE 9.000 PSI FLAMIBILIDADA 33mm/min lenta combustión ABSORCIÓN DE AGUA (wtgain 24 h 0.2 a 0.4% Es excelente su resistencia a la mayoría de productos químicos incluyendo soluciones de álcalis y ácidos inorgánicos como : amoniaco, ácido sulfúrico, y los hidrocarburos cono exano ,octano y naftas .
PRECAUCIONES: Es atacado por los siguientes químicos Hidrocarburos clorinados : como cloruro de metileno y tetracloruro de carbono Solvente aromáticos : como torpenjo, Benceno, Tolueno Tretamantina y alcoholes etílico y metílico Ácidos Orgánicos como :Acetileno, Fenoles, Thiner, acetina y Eteres
NOTA IMPORTANTE ACRÍLICOS ALFA garantiza que las láminas acrílicas de las que se manofacturan los productos terminados cumplen todas las normas nacionales como (ICONTEC 1282 y las aplicables al acrílico ) o internacionales como (la ASTM)
No somos responsables del uso que el cliente de a las láminas o artículos, ni a las circunstancias especiales de su incorporación a otros productos o de la instalación de los Mismos. El cliente debe decidir su aplicabilidad a su necesidad específica. TOLERANCIA Espesor de las láminas: Lisa : Normal +/-10% o +/-0.3mm. lo que sea mayor Textura : Se mide la parte más gruesa Espesor nominal en productos: Aplicable a láminas antes del moldeo Colores: el tono general ese mantiene pero hay variaciones dependiendo de los colores. Dimensiones : En lámina: Todos cumplen la dimensión normal En Productos: En espesor +/- 15% dependiendo de moldeo En dimensiones +/- 5% ACRÍLICOS ALFA en calidad de fabricantes de lámina acrílica, domos y elementos Acrílicos en referencias para USO EXTERIOR, garantiza la estabilidad del material para condiciones climáticas normales en resistencia a la intemperie y agentes atmosféricos, por un periodo de cinco ( 5) años. Esta garantía se aplica siempre y cuando el acrílico esté correctamente instalado , con sus respectivos espacios para el coeficiente de dilatación .Igualmente el calibre de lámina para el elemento acrílico debe ser proporcional al tamaño del mismo, Por último recordamos que el acrílico NO es un elemento estructural por lo que se requiere tenga los apoyos estructurales necesarios. La limpieza del acrílico debe hacerse con abundante baño de agua y utilizar jabón blando aplicado con un paño suave o espuma .secar con un paño ligeramente húmedo sin frotar .No utilice thinner, acetonas, líquidos limpiavidrios , ni telas ásperas.. Las láminas acrílicas son elaboradas a partir de monómero METIL METACRILATO VIRGEN 100% puro NO RECICLADO con absorción de rayos ultravioleta lo cual asegura la estabilidad del material a la intemperie. Fuente. ACRÍLICOS ALFA LTDA.
ANEXO J Especificaciones técnicas del aluminio 6063-T5
TRANSCRIPCION CERTIFICADO DE CALIDAD DE REYNOLDS PARA REF. 1734 DE 23/FEB/07 ALUMINIO REYNOLDS SANTO DOMINGO S.A 890101604-4 GESTION DE CALIDAD RESULTADO DE ENSAYOS QUIMICOS Y MECANICOS CLIENTE: MUNDIAL DE ALUMINIOS S.A. MATERIAL: PERFILES ALEACION: 6063 TEMPLE: T5R ORIGEN DE FABRICACION: VEC006956 VEC006970 I. PROPIEDADES MECANICAS ODF REFERENCIA LOTE COLADA DUREZA No DEL ARTICULO No No WEBSTER VEC006956 P.S.1734 6063 T5R 610201005287 638 12 Especificación de dureza para serie: 6063 T5R: 9 - 12 II. COMPOSICION QUIMICA VERIFICACION DE LA COMPOSICION QUIMICA: 6063 Especificación de composición química
% SI % FE % CU % Mn % Mg % Cr % Ti % Zn 0.20-0.60 0.35* 0.10* 0.10* 0.45-0.90 0.10* 0.10* 0.10*
* Valores máximos a menos que se indique lo contrario III. DIMENSIONES Se realizó un plan de muestreo "simple inspección normal" con un nivel de inspección 1 y un nivel aceptable de calidad de 2.5: para material empacado.
Fuente. Mundial de Aluminios SA
ANEXO K INFORMACIÓN TÉCNICA SOBRE El MOTOR SK 1SI 31 IEC 63 L/4
Fuente. Variadores S.A
ANEXO L
Tablas del Manual de selección Transmisiones por Correas Dentadas de Tiempo Y Sincrónicas de INTERMEC Ltda.
Tabla 1. Factores de servicio básicos para máquinas
Fuente. Manual de selección Transmisiones por Correas Dentadas de Tiempo Y Sincrónicas de INTERMEC Ltda.
Tabla 2. Selección del paso para transmisión de tiempo
Fuente. Manual de selección Transmisiones por Correas Dentadas de Tiempo Y Sincrónicas de INTERMEC Ltda.
ANEXO M
Tabla de resultados de corte para simulación.
PROTOCOLO DE PRUEBAS CORTE CUERO CON LASER Parámetros
Fecha Prueba Figura Cod.
Muestra Máquina Potencia Vel. Corte Tiempo Corte Resultado Soporte Obsevaciones
25/04/2007#.a
10 Balliu 240 W 10000
mm/min 1 Rejilla Al
25/04/2007
1 #.a
10 Balliu 217 W 10000
mm/min
40 s.
1 Rejilla Al
25/04/2007#.b
10 Balliu 116 W 9000
mm/min 1 Rejilla Al
Algunas partes quedaron con juntas entre 2mm. y 5mm.
25/04/2007
2
#.b 10 Balliu 95 W
9000 mm/min
45 s.
1 Rejilla Al
Algunas partes quedaron con juntas entre 2mm. y 5mm.
25/04/2007#.c
10 Balliu 160 W 9000
mm/min 1 Rejilla Al
25/04/2007
3 #.c
10 Balliu 150 W 9000
mm/min
45 s.
1 Rejilla Al
Resultados Descripción Muestras Calibre Color Empresa
1 Corte Exce. 10 13 Gris Azulado El Reno
2 Quemado
3 No Corte 4 Otros
ANEXO N
COTIZACIÓN DE MATERIALES CANT. DESCRIPCION EMPRESA VLR. UNIT. iva VLR. TOTAL
4 Rodamiento SKF 6300 - 2Z Lugo Hermanos $8.200 $1.312 $38.048
3 Rodamiento SKF 6004 - 2Z Lugo Hermanos $7.700 $1.232 $26.796
14,4 Lamina Lisa de Aluminio de 1,5mm.(m2) Tecnolum $44.472 $7.116 $742.867
6,6 Lamina Lisa de Aluminio de 3mm.(m2) Tecnolum $92.119 $14.739 $705.260
2 Riel U 071(6m.) Alumarket $28.534 $4.566 $66.200
1 Canal Simple U 087(6m.) Alumarket $31.983 $5.117 $37.100
16 Perfil 1734 en Aluminio(m) Mundial de Aluminios $5.120 $819 $95.027
17 Soldadura Al-Al E(m) Ferrieutectic $25.862 $4.138 $510.000
16 Lamparas T5 Iluminación y Materiales electricos $9.284 $1.486 $172.320
1 Bomba de vacio LEMA 25 Stearling Fluid Systems $4.158.000 $665.280 $4.823.280
1 Motorreductor SK 1 SI 31 IEC 63 L / 4 Variadores S. A. $426.000 $68.160 $494.160
16,6 Lamina Acrilica Blanca Mate 3mm.(m2) Acrilicos Alfa Ltda. $110.000 $17.600 $2.118.160
2 Poleas Intermec 25H075 Lugo Hermanos $81.897 $13.103 $190.000
2 Bujin Intermec SP 20-22 x 47 Lugo Hermanos $51.724 $8.276 $120.000
7 Correa 3180H075 (m) Lugo Hermanos $40.000 $6.400 $324.800
1 Lamina 1020 CD 3mm. (m2) Ferreteria La Campana $45.302 $7.248 $52.550
1 Barra 1020 CD 25mm (m) Ferreteria La Campana 7100 $1.136 $8.236
3 Cámaras C-Cam BCI4-6600 C-Cam Technologies $2.940.000 $470.400 $10.231.200
10 Cable #16 AWG (m) Electrodo BF. $571 $91 $6.624
8 Tornillo M6x20 Sumatec S. A. $77 $12 $715
4 Tornillo M6 x 30 Sumatec S. A. $93 $15 $432
37 Tornillo M6 x 15 Sumatec S. A. $69 $11 $2.961
6 Tornillo M3.5x 13 Tres Eses Ltda. $61 $10 $425
2 Tornillo M3.5x 25 Tres Eses Ltda. $66 $11 $153
49 Arandela M6 Zn Sumatec S. A. $20 $3 $1.137
8 Arandela M3.5 Tres Eses Ltda. $20 $3 $186
49 Tuerca M6 Sumatec S. A. $38 $6 $2.160
8 Tuerca M3.5 Tres Eses Ltda. $30 $5 $278
total $20.771.073
ANEXO O
Plano No. Título
01. Mesa con Sistema de Visión Artificial.
01.01. Módulo de Visión Artificial
01.01.01. Arco y Soporte Frontal.
01.01.02. Soporte Lateral
01.01.03. Lámina Acrílica Superior
01.01.04. Lámina Acrílica Frontal
01.01.05. Lámina Acrílica Diagonal
01.01.06. Lámina Acrílica Lateral
01.01.07. Soporte para la Cámara Canal Sencilla U085
01.01.08. Protección para la Cámara
01.01.09. Soporte en Sección T
01.02. Mesa de Corte
01.02.01. Base Sistema de Succión
01.02.02. Rejilla para Corte
01.02.02.01. Platina Portante
01.02.02.02. Platina Amarre
01.02.03. Riel U-071 Perforado
01.02.04. Riel U-071
01.02.05. Soporte Motor
01.02.06. Soporte en L para Soporte Rodamiento
01.02.07. Protección de Sistema de Transmisión
01.02.08. Eje Polea Transmisora
01.02.09. Eje Polea Loca
MCC-LVA 001
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
Númerode
elemento
Número deDocumento
Título Cantidad
19* Lampara T5 16
18* Tornillo M6x15 28
17* Tornillo M6*20 8
16* Arandela para TornilloM6x15
36
15* 01.01.09. Soporte en Sección T 4
14* Tornillo M3.5*13 6
13* Tuerca M3.5 6
12* Camara BCI-6600 3
11* 4
10* Tuerca para TornilloM6x15
36
9* Arandela M3.5 6
8* 01.01.08. Protección para laCámara
3
7* 01.01.07. Soporte para la CámaraCanal Sencilla U085
3
6* 01.01.06. Lámina Acrílica Lateral 2
5* 01.01.05. Lámina Acrílica Diagonal 2
4* 01.01.04. Lámina Acrílica Frontal 2
3* 01.01.03. Lámina Acrílica Superior 1
2* 01.01.02. Soporte lateral 2
1* 01.01.01. Arco y Soporte Frontal 2
22
31
42
52
62
73
83
96
154
1916
12
123
y M6x20
y M6x20
1036
178
1636
1828
146
136
114
Rodamiento SKF 6300-2Z
01.01
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
2582,65
400
1894,9
684,5
7
907,47 39,98 12,7
39,98
5 O M6
88,07 858,58
3 O M6
150°
ADETALLE A
25,4
25,4
25,4
1,59
E-4043 3,175
Arco y soporte frontal
Aluminio 6063-T5 2
1 : 10
1,385kg
10,69
4 O M6
9,4
12,7
0.1.01.01
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
900
Soporte lateral
Alumino 6063-T5 2 0,189kg
1 : 5
87,2912,7 4 X O 6,35
12,71
25,4
25,41,59
01.01.02
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
188089
0
81,36 858,73
3 X O 40
6 X O M6
7,63
6 X O M3.5
38,39
Lamina acrilica superior
1Acrilico
1 : 10
3,973
Nota: Lamina acrilica de espesor 3mm
01.01.03
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
1893,06
681,49
2576,29
39,07 907,47
400
989,6
8
5 X O M6
358,4
4 Nota: El acrilico tiene unespesar de 3mm.
lamina acrilica frontal
Acrilico 2
1 : 20
5,589kg
01.01.04
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
890
680
9,51
11,26
7,65
Lamina acrilica diagonal
Acrilico 2 1,440kg
1 : 10
4 O M6
Nota: El acrilico tiene unespesar de 3mm.
01.01.05
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
890
400
2011,
12
82,31 74,59
7,7
6 X O M6
Lamina acrilica lateral
Acrilico 2 0,847kg
1 : 5
Nota: El acrilico tiene unespesar de 3mm.
01.01.06
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
900
O40
450
53
2 X O M62 X O M3.5 38,39
26,45
12,77
Soporte para la camara
Aluminio 6063-T5 3
1 : 5
0,318kg
30
53
1,2
01.01.07
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
17
62,41
44,6
50,6
90,49
37
25,3
22,3
2 O M3.5
8,5
25,3
5,54
O10
42,54
Protección para la cámara
3Acero 1020
1 : 2
0,64kg
01.01.08
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
25,4
O10
100
12,67
100
25,4
2 X O M6
E-60101,59
12,7
Soporte y barra redonda
acero 1020 4
1 : 1
0,125kg
18,81
10 O g6
01.01.09
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
109
156
11
91
51
182
201
171
21
31
NA0
61
71
83
119
142
164
129
136
41
Número deelemento
Número deDocumento
Título Cantidad
21* 01.02.09. Eje polea loca 1
20 01.02.08. Eje polea transmisora 1
19* Bujin S tipo AF 2
18 Polea 25H075 2
17 01.02.07. Protección Sistema deTransmisión
1
16 Tornillo M6x30 4
15 Arandela para Tornillos M6x25 yM6x30
6
14 Tornillo M6x25 2
13 Tuerca para Tornillos M6x25 yM6x30
6
12 Tuerca para Tornillo M6x15 9
11 Tornillo M6x15 9
10 Arandela para Tornillo M6x15 9
9 Correa 3178H075 1
8 01.02.06. Soporte rodamiento 3
7 01.02.06. Soporte en L para SoporteRodamiento
1
6 01.02.05. Soporte motor 1
5 Motor SK 1SD31 AXZ-63L 1
4* 01.02.04. Riel U-071 1
3 01.02.03. Riel U-071 perforado 1
2 01.02.02. Rejilla para corte 1
1 01.02.01. Base Sistema de Succión 1
22 Rodamiento SKF 6004-2Z 3
Mesa de corte
1 144,27kg
1 : 5 01.02.
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
1833,82
1075,57
2626
,71
285,8
8
2531,85
506,99
1612
,53
791,2
8
105,4
1,59
4 O M6
34,29
30
5 O M6
E-40433,175
33,13
225,1
422
004x
550(
=)
550
Base sistema de succión
Aluminio 6063-T5 1
1 : 20
73,71kg
01.02.01
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
A
DETALLE A
B DETALLE B30
30
1,59
2528,67
2623
,55
Refilla para corte laser
Aluminio 6063-T5 1
1 : 20
45,132kg
25,4
01.02.02
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
A
DETALLE A
2623,55
25,4
12,7
12,71,59
Platina portante para rejilla de corte0,279kgAlumino 6063-T5 80
1 : 10 01.02.02.01
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
2528,67
25,4
A
DETALLE A
12,7
30
12,7
1,59
Platina amarre para rejilla de corte0,269kgAlumino 6063-T5 83
1 : 10 01.02.02.02
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
100
3960
38,1
2 O 20
40
A
DETALLE A
18
1,2
Riel U-071 perforado
1Alumino 6063-T5
1 : 20
1,018kg
Nota: Las caracteristicas del perfilse encuentran en el ANEXO G
01.02.03
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
ADETALLE A
38,1
18
4000
Riel U-071
1Alumino 6063-T5
1 : 20
1,059kg
Nota: Las caracteristicas del perfilse encuentran en el ANEXO G
01.02.04
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
80
70
40
100
13,38
13,5712,05
54,01
1020
10,65
Soporte del motor
Acero 1020 1
1 : 1
0,705kg
2 O M64 O M5
01.02.05
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
O42
6013
253
3
12,7
60
20
20
E-60101,59
60
60
15
4 O M6
R 3
30
Apoyo en L para soporte rodamiento
Acero 1020 1
1 : 2
0,657kg
01.02.06
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
3986,8
488,33550
12,7
53
A
DETALLE A
60
60
113
O42
E-4043 3,175E-40433,175
5 X O M6
B
DETALLE B
15,01
C
DETALLE C
2 X O M3.5
15
20
10
Proteccion sistema de transmision y soporte rodamiento
Acero 1020 1
1 : 20
17,08kg
22004x550 (= )
01.02.07
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
87 55,05
14 O g6 20 O g6
Acero 1020 1
Eje polea transmisora
0,241kg
A
ACORTE A-A
30,15
15
1 : 1 01.02.08
1,78
5
UNIVERSIDAD DE SAN BUENAVENTURA
Titulo:Tolerancias+-0.5mm +-1º
Material: Peso:Cantidad:
Revisado por:
Autores: Diego Arredondo, Pedro Bustamante, Juan Giraldo
Fecha:01/05/07 Escala: Plano:
MCC-LVA 001
Ing. Ricardo Rios
51
O20
20 O g6
2 : 1
Acero 1020 1
Eje polea loca
0,127kg
01.02.09
Top Related