Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/10842
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorIrving Armando Cruz Albarránes_ES
dc.contributorLuis Alberto Morales Hernándezes_ES
dc.contributorGerardo Israel Pérez Sotoes_ES
dc.contributorEmmanuel Reséndiz Ochoaes_ES
dc.contributorMartin Valtierra Rodríguezes_ES
dc.creatorAlfonso Alejo Ramírezes_ES
dc.date.accessioned2024-06-24T21:22:47Z-
dc.date.available2024-06-24T21:22:47Z-
dc.date.issued2024-07-05-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/10842-
dc.descriptionEn México el proceso de la soldadura por punto (RSW) desempeña un papel fundamental en la fabricación de carrocerías y componentes automotrices. Grandes compañías automotrices, tanto nacionales como internacionales, tienen plantas de producción en México que emplean la soldadura por punto en sus procesos de fabricación, por lo tanto, la detección temprana de rebabas en la soldadura por punto es importante para corregir el problema, de acuerdo con la norma ISO 18278-2:2017 (porcentaje permitido de los defectos RSW), se estima el 1% de defectos permitidos en el chasis del automóvil, la inspección visual y, en algunos casos, pruebas destructivas o no destructivas pueden utilizarse para identificar las rebabas y tomar las medidas necesarias para eliminarlas. Debido a la producción en masa de vehículos automotores en México, se plantea una metodología capaz de identificar el tipo de defecto de la soldadura por punto por resistencia eléctrica (RSW) utilizando técnicas de visión artificial, aprendizaje automático, reconocimiento de patrones y análisis discriminante lineal (LDA). Esta metodología desarrollada consta de 6 pasos: 1) seleccionar imágenes digitales existentes en una base de datos que contienen puntos RSW, se utilizan técnicas de procesamiento de imágenes para identificar estos puntos. 2) Identificar las clases obtenidas a través de las similitudes entre imágenes utilizando un umbral óptimo para cada clase. 3) Realizar un aumento de datos para obtener una variabilidad en el número de muestras. 4) Aplicar la técnica LDA que permite separar las clases obtenidas. 5) Utilizar un modelo de aprendizaje para identificar la clasificación de estas clases. Y finalmente el último paso obtener una interfaz gráfica de usuario (GUI), donde se apliquen los pasos anteriores, el cual permitirá validar la metodología a partir del porcentaje de clasificación en las pruebas para identificar los puntos RSW. En las pruebas realizadas en la GUI para identificar imágenes RSW se obtuvo un porcentaje del 99.0% de clasificación, con este porcentaje alto de clasificación se concluye que la metodología propuesta es eficiente para detectar defectos en imágenes RSW, sin embargo, para generalizar la metodología es necesario aumentar el número de clases con la finalidad de comparar resultadoses_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (86 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectVisión artificiales_ES
dc.subjectRed neuronales_ES
dc.subjectLDAes_ES
dc.subjectSoldadura por resistencia eléctrica (RSW)es_ES
dc.subjectInteligencia artificiales_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleClasificación de errores en rebabas de soldadura por punto de una celda de manufactura robotizada aplicando inteligencia artificiales_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificadorhttps://orcid.org/0000-0001-9821-5998es_ES
dc.contributor.identificadorhttps://orcid.org/0000-0002-5962-6599es_ES
dc.contributor.roleDirectores_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.degree.nameMaestría en Ciencias Mecatrónicaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator317996es_ES
dc.folioIGMAC-317996es_ES
Aparece en: Maestría en Ciencias (Mecatrónica)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
IGMAC-317996 (PDF-A).pdf2.88 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.