Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Irving Armando Cruz Albarrán es_ES
dc.contributor Luis Alberto Morales Hernández es_ES
dc.contributor Gerardo Israel Pérez Soto es_ES
dc.contributor Emmanuel Reséndiz Ochoa es_ES
dc.contributor Martin Valtierra Rodríguez es_ES
dc.creator Alfonso Alejo Ramírez es_ES
dc.date.accessioned 2024-06-24T21:22:47Z
dc.date.available 2024-06-24T21:22:47Z
dc.date.issued 2024-07-05
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/10842
dc.description En 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 resultados es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (86 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autónoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Visión artificial es_ES
dc.subject Red neuronal es_ES
dc.subject LDA es_ES
dc.subject Soldadura por resistencia eléctrica (RSW) es_ES
dc.subject Inteligencia artificial es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Clasificación de errores en rebabas de soldadura por punto de una celda de manufactura robotizada aplicando inteligencia artificial es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador https://orcid.org/0000-0001-9821-5998 es_ES
dc.contributor.identificador https://orcid.org/0000-0002-5962-6599 es_ES
dc.contributor.role Director es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.degree.name Maestría en Ciencias Mecatrónica es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 317996 es_ES
dc.folio IGMAC-317996 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-317996 ...
Tamaño: 2.809Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem