Herramienta de generación automática de defectos en modelos CAD

Autores/as

  • J. Daniel Navarro-González Universitat de València
  • Héctor Bastida-Miguel Universitat Politècnica de València
  • Laura Garrido-Rey Universitat de València
  • Josep Tornero Universitat Politècnica de València
  • Vicent Girbés-Juan Universitat de València https://orcid.org/0000-0001-5009-9262

DOI:

https://doi.org/10.17979/ja-cea.2025.46.12241

Palabras clave:

Gemelos digitales, Trabajo en entornos reales y Virtuales, Garantía de calidad y mantenimiento, Herramientas interactivas, Manipuladores robóticos, modelado y simulación

Resumen

La inspección y reparación automatizada de defectos en carrocerías es un reto relevante en la automatización del sector de la automoción, especialmente en tareas de tratamiento superficial como el lijado o el pulido. Dado que los ensayos físicos en tareas de tratamiento superficial implican procesos destructivos y costosos, se propone el uso de entornos virtuales para validar nuevos algoritmos de planificación de trayectorias y control de fuerza. Este trabajo presenta una herramienta para la generación semiautónoma y parametrizada de defectos sobre modelos CAD, que se integrará en un sistema de inspección y reparación basado en ROS y Gazebo. El sistema utiliza el gemelo digital de un robot KUKA LBR iiwa con sensores de fuerza/par, montado sobre una plataforma móvil, e incorpora modelos virtuales de herramientas y consumibles. La herramienta permite generar tanto micro-defectos como macro-defectos (golpes y abolladuras) de distintas formas. Esto facilita el desarrollo y validación de algoritmos de reparación en simulación, acelerando el diseño de soluciones industriales.

Referencias

Bogue, R., 2013. Robotic vision boosts automotive industry quality and productivity. Industrial Robot, Vol. 40 No. 5, pp. 415-419. doi.org/10.1108/IR-04-2013-342

Chatzilygeroudis, K., Mayr, M., Fichera, B., & Billard, A. (2019). iiwa_ros: A ROS Stack for KUKA's IIWA robots using the Fast Research Interface. GitHub. http://github.com/epfl-lasa/iiwa_ros

Iranshahi, K., Brun, J., Arnold, T., Sergi, T., Ulf Müller, C., 2025. Digital twins: Recent advances and future directions in engineering fields. Intelligent Systems with Applications, Volume 26. doi.org/10.1016/j.iswa.2025.200516.

Mohsen, S., Behrooz, A., Roza, D., 2023. Digital twin for smart manufacturing, A review. Sustainable Manufacturing and Service Economics, Volume 2. doi.org/10.1016/j.smse.2023.100017.

Morales Matamoros, O., Takeo Nava, J.G., Moreno Escobar, J.J., y Ceballos Chávez, B.A. 2025. Inteligencia Artificial para Defectos de Calidad en la Industria Automotriz: Una Revisión Sistémica. Sensors, 25 (5), 1288. doi.org/10.3390/s25051288.

Shahria, MT, Sunny, MSH, Zarif, MII, Ghommam, J., Ahamed, SI y Rahman, MH, 2022. Una revisión exhaustiva de las aplicaciones robóticas basadas en visión: Estado actual, componentes, enfoques, obstáculos y posibles soluciones. Robótica, 11 (6), 139. doi.org/10.3390/robotics11060139

Descargas

Publicado

01-09-2025

Número

Sección

Modelado, Simulación y Optimización