Gemelo Digital para control de calidad proactivo en sistemas de visión industrial
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13716Palabras clave:
Sistemas inteligentes de fabricación, Supervisión de procesos, sistemas multiagente aplicados a sistemas industriales , aseguramiento de la calidad y mantenimientoResumen
Este trabajo presenta un Gemelo Digital que incorpora capacidades de control de calidad proactivo en sistemas de visión industrial aplicados a fabricación de componentes de automoción. La propuesta combina un sistema de inspección industrial existente con una plataforma multiagente desarrollada mediante SPADE y modelos basados en aprendizaje profundo para la identificación automática de defectos superficiales. El Gemelo Digital permite sincronizar la información generada por el sistema físico de inspección con una representación digital orientada al análisis de defectos y trazabilidad del proceso productivo. Para la identificación automática se emplean modelos basados en la arquitectura YOLO entrenados utilizando imágenes obtenidas del entorno industrial. Asimismo, se plantea un mecanismo de análisis de trazabilidad capaz de relacionar determinados defectos con distintas etapas del proceso de fabricación. La arquitectura propuesta ha sido definida y validada funcionalmente sobre un entorno industrial de inspección de lentes de faros, proporcionando una base para futuras estrategias de supervisión y control de calidad proactivo en fabricación.
Referencias
Frick, J., Grudowski, P., 6 2023. Quality 5.0: A paradigm shift towards proactive quality control in industry 5.0. International Journal of Business Administration 14, 51. DOI: 10.5430/ijba.v14n2p51.
International Organization for Standardization, 2021. ISO 23247-1:2021 Automation systems and integration – Digital twin framework for manufacturing–Part 1: Overview and general principles. URL: https://www.iso.org/standard/75066.html
Leberruyer, N., Bruch, J., Ahlskog, M., Afshar, S., 5 2023. Toward zero defect manufacturing with the support of artificial intelligence—insights from an industrial application. Computers in Industry 147. DOI: 10.1016/j.compind.2023.103877
Lou, H. H., Huang, Y. L., 2003. Hierarchical decision making for proactive quality control: System development for defect reduction in automotive coating operations. Engineering Applications of Artificial Intelligence 16, 237–250. DOI: 10.1016/S0952-1976(03)00060-5
Martínez, S., Ortega, J., García, J., García, A., Estévez, E., 2013. An industrial vision system for surface quality inspection of transparent parts. International Journal of Advanced Manufacturing Technology 68. DOI: 10.1007/s00170-013-4904-2
Martínez, S. S., Ortega, J. G., García, J. G., García, A. S., 2012. A machine visión system for defect characterization on transparent parts with non-plane surfaces. Machine Vision and Applications 23. DOI: 10.1007/s00138-010-0281-0
Psarommatis, F., May, G., Dreyfus, P. A., Kiritsis, D., 2020. Zero defect manufacturing: state-of-the-art review, shortcomings and future directions in research. International Journal of Production Research 58, 1–17. DOI: 10.1080/00207543.2019.1605228
Redmon, J., Divvala, S., Girshick, R., Farhadi, A., 5 2016. You only look once: Unified, real-time object detection. arXiv preprint arXiv:1506.02640. URL: http://arxiv.org/abs/1506.02640
Saadallah, A., Abdulaaty, O., B¨uscher, J., Panusch, T., Morik, K., Deuse, J., 2022. Early quality prediction using deep learning on time series sensor data. In: Procedia CIRP. Vol. 107. Elsevier B.V., pp. 611–616. DOI: 10.1016/j.procir.2022.05.034
Shahin, M., Chen, F. F., Bouzary, H., Krishnaiyer, K., 3 2020. Integration of lean practices and industry 4.0 technologies: smart manufacturing for nextgeneration enterprises. International Journal of Advanced Manufacturing Technology 107, 2927–2936. DOI: 10.1007/s00170-020-05124-0
Tzampazaki, M., Zografos, C., Vrochidou, E., Papakostas, G. A., 2 2024. Machine vision—moving from industry 4.0 to industry 5.0. Applied Sciences (Switzerland) 14. DOI: 10.3390/app14041471
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Sergio Illana Rico, Silvia Satorres Martínez, Elisabet Estévez Estévez, Alejandro Sánchez García, Diego M. Martínez Gila, Javier Gámez García
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
