Pin It

Christian Abt de Heitec

Los sistemas de escaneo Heitec y el software de análisis CT de Hexagon ofrecen a los principales fabricantes de automóviles alemanes información valiosa sobre la fabricación de carcasas de motores de vehículos eléctricos

La línea de ensamble móvil ha demostrado su valor a lo largo de los más de 100 años transcurridos desde que Henry Ford introdujo el avance industrial de tiempos y movimientos en su fábrica de automóviles de Michigan en 1913. La incorporación de robots (por GM en 1962) junto con el recurso humano ha aumentado la eficiencia.

Pero el éxito de la línea de ensamble está inexorablemente ligado a la calidad de los componentes que le suministran desde la producción.

Por lo tanto, a medida que la complejidad de los vehículos modernos aumenta, particularmente en el caso de los eléctricos (EV), el valor de los controles de calidad previos al ensamble en etapas clave durante la producción activa se ha vuelto cada vez más evidente. Además de varios métodos de escaneo de superficies, algunos de los principales fabricantes de automóviles están utilizando la tomografía computarizada (TC) para inspeccionar componentes para asegurarse de que son aptos para enviarlos a la línea de montaje.

La tomografía computarizada es costosa. Pero también lo es descubrir que los componentes están defectuosos después de que un vehículo sale de la línea de fabricación. Los ahorros logrados en tiempo y recursos cuando se inspecciona la calidad de las piezas automotrices antes de instalarlas en un vehículo pueden ser importantes.

Eso es lo que ha concluido BMW, el fabricante alemán de automóviles de lujo, razón por la cual están aplicando escaneo por tomografía computarizada en las carcasas de los motores de cada uno de sus vehículos eléctricos avanzados del modelo iX.

A diferencia de los otros vehículos eléctricos de la compañía, el iX se basa en una plataforma independiente. Pero utiliza la misma unidad motriz (motor, inversor, transmisión) conocida como HEAT (Highly-Integrated Electric Drive Train) que se emplea en los otros modelos de BMW. Es claramente una prioridad para el fabricante de automóviles garantizar la consistencia y la calidad de este tren motriz.

Un ingeniero de Heitec monitorea un sistema robótico de tomografía computarizada y análisis mientras inspecciona un componente fabricado

Un ingeniero de Heitec monitorea un sistema robótico de tomografía computarizada y análisis mientras inspecciona un componente fabricado

Robots, escáneres y software

En sus instalaciones de Landshut, Alemania, BMW utiliza una combinación de robótica en línea, escaneo y detección de tomografías computarizadas, software de análisis y visualización, para inspeccionar la carcasa de su motor eléctrico HEAT durante la producción activa. Todo el sistema fue instalado e integrado en su línea de producción por Heitec, un integrador y proveedor global de soluciones de ingeniería para una amplia gama de industrias.

La instalación de Heitec ofrece un proceso de flujo continuo en el que un robot toma una carcasa de aluminio de la línea de producción, la deposita en una plataforma que la alimenta a un escáner de tomografía computarizada en línea HeiDetect, luego se desplaza al otro lado del escáner para recuperar un componente ya escaneado y moverlo de regreso a la línea. Cada escaneo se realiza en 50 segundos. 


 
Después del escaneo, el software de Heitec genera rápidamente un modelo digital de cada carcasa a partir de los datos de TC, luego transfiere el modelo al software VGinLINE de Hexagon para una segmentación y análisis rápidos. Visibles en pantalla por los ingenieros, las alertas gráficas y en color se generan para señalar cualquier porosidad, grietas, inconsistencias geométricas u otros defectos de producción o materiales que se desvíen de los requerimientos de métricas de BMW y que puedan afectar la calidad.

Entrega de información precisa sobre la producción

"Hacer todo esto en el tiempo de ciclo de la línea de producción es el reto", señala Christian Abt cofundador de Heitec. "Tienes que acelerar todo para mantenerte dentro de ese tiempo, o incluso varios segundos menos que eso". Lograr este tipo de automatización industrial afinada se ha convertido en una segunda naturaleza para Heitec, que ha estado instalando sistemas de fábrica cada vez más "inteligentes" en todo el mundo durante más de 26 años.

"Antes de ese momento, la mayoría de las tomografías computarizadas se usaban en el laboratorio", añade. "Vimos la oportunidad de llevar estas máquinas a la producción en el mundo real, apoyando a los empleados en la fábrica con nuestra tecnología de rayos X, robots y nuestro conocimiento de la automatización".

Sin embargo, la incorporación de CT a la línea de producción ha traído sus propios retos únicos.

"Las empresas que fabrican productos cuando acuden a nosotros en busca de tomografía computarizada en línea suelen haber evaluado todas las demás posibilidades, pero no han encontrado ninguna otra solución que les del nivel de garantía de calidad que buscan", dice Abt. "Exigen respuestas que funcionen para ellos".

Heitec personaliza cada instalación para el cliente industrial específico, configura los robots y los escáneres de tomografía computarizada, y luego debe entregar los resultados de inspección rápida prometidos.

Ejemplo de análisis de datos de tomografía computarizada de una pieza de automóvil

Ejemplo de análisis de datos de tomografía computarizada de una pieza de automóvil

El secreto está en el escaneo y en el software

¿La solución a la escasez de tiempo? Empleando tomografías computarizadas industriales de menor resolución que necesitan mucho menos tiempo para capturar una imagen, además del software integrado en el escáner de Heitec, diseñado para procesar esta información "menos pesada" y reconstruir los datos de volumen del componente en un modelo digital 3D. Luego, estos datos se cargan en un software de análisis y visualización que consulta el modelo digital, emplea algoritmos y aprendizaje profundo, para identificar, interpretar y reportar de manera confiable posibles problemas de calidad a pesar de las imágenes con ruido, dentro de un período de tiempo mucho más corto.

"Para el tipo de software de procesamiento de datos que proporcionaría los resultados de metrología que nuestros clientes estaban pidiendo, encontramos VGSTUDIO MAX y VGinLINE de Hexagon", dice Abt. "Habíamos evolucionado desde el software desarrollado para la investigación hasta la situación en la que la industria pedía herramientas digitales estándar y calificadas. Todo el mundo conocía el software VG como el estándar en el software de tomografía computacional.

"VGinLINE es un paquete de software listo para usar que nos permite integrar nuestros propios módulos y funciones. Simplemente damos un volumen y VGinLINE comienza a analizarlo. Este proceso también es fácil de procesar en más de una computadora para acelerar las cosas en caso de que el tiempo para analizar los datos sea un poco más largo que el tiempo para escanear la pieza".

El software VGinLINE permite la ejecución automática de tareas de inspección en un entorno de producción no destructivo. Los resultados se pueden conectar a los sistemas existentes para un control de calidad autónomo

El software VGinLINE permite la ejecución automática de tareas de inspección en un entorno de producción no destructivo. Los resultados se pueden conectar a los sistemas existentes para un control de calidad autónomo

El software de análisis y visualización de datos VG CT ha experimentado varios años de desarrollo, hoy incluye en su oferta de prestaciones automatización de procesos, aprendizaje profundo y automático. Daniela Handl, gerente general de productos VG de Hexagon, comenta: "Las enormes cantidades de datos de diseño e ingeniería que pueden ser capturados por un escáner CT necesitan un enfoque holístico para ser más valioso. La entrega rápida de resultados es fundamental para los ingenieros que buscan información en tiempo real sobre la calidad de la línea de producción, además de cómo las variaciones de los parámetros de fabricación podrían estar afectando los resultados".

La clave para determinar qué datos son relevantes en el escaneo de un componente es el proceso de segmentación, es decir, la extracción de regiones de interés (ROI) de los datos de imágenes 3D. Las discontinuidades en los valores de gris de vóxeles suelen indicar bordes que definen una región. Al dividir un escaneo en regiones discretas, el software puede catalogar más rápidamente las características de los vóxeles en cada segmento. Por lo tanto, la segmentación permite el procesamiento de solo las partes importantes de un conjunto de datos, lo que lleva mucho menos tiempo.

El software VGinLINE permite la ejecución automática de tareas de inspección en un entorno de producción no destructivo. Los resultados se pueden conectar a los sistemas existentes para un control de calidad autónomo

El software VGinLINE permite la ejecución automática de tareas de inspección en un entorno de producción no destructivo. Los resultados se pueden conectar a los sistemas existentes para un control de calidad autónomo

Personalización de soluciones propietarias con aprendizaje automático

Pero ¿cómo se determina qué segmentos son los importantes? Especialmente porque, en una tomografía computarizada de menor resolución obtenida en una línea de producción, los cortes de imagen menos nítidos pueden ser más difíciles de entender. Aquí es donde entra en escena el aprendizaje profundo y el automático, formas de inteligencia artificial (IA): mediante el uso de algoritmos entrenables, la IA se puede aprovechar para procesar y tomar decisiones basadas en datos de tomografía computarizada ruidosos con la misma precisión que en datos de alta resolución.

"Entrenable" es la palabra clave aquí. Los algoritmos comparan lo que ven con una base de datos existente de todos los defectos identificables conocidos que se han personalizado según las geometrías de los productos de cada fabricante (que es donde entra en juego el "entrenamiento"). Los algoritmos "aprenden" a identificar defectos de fabricación específicos interpretando lo que muestran los vóxeles menos nítidos.

Con el tiempo, el aprendizaje profundo mejora lo que hace; al comparar lo que ve con los datos de productos del mundo real por los que se conoce la solución, aprende a reconocer patrones, características y a señalar las desviaciones de la norma. De esta manera, puede ofrecer imágenes muy precisas de lo que está sucediendo al momento en una línea de producción en particular, lo que respalda la toma de decisiones seguras sobre si aceptar o rechazar una pieza. Esto, a su vez, informa sobre los cambios en las variables de producción, cuyos efectos pueden capturarse, cotejarse y examinarse estadísticamente. Las baterías de los vehículos eléctricos son otra área en la que se puede utilizar el aprendizaje automático de esta manera.

BMW está explorando ahora cómo optimizar este tipo de metodología de IA, al igual que los fabricantes con visión de futuro en otras industrias. Trabajando en estrecha colaboración con proveedores como Heitec y Hexagon, estas empresas están creando y seleccionando sus propios datos internos con los que pueden entrenar sistemas propios por aprendizaje profundo.

"Es comprensible que el entrenamiento de un sistema de aprendizaje profundo con los datos patentados de uno lleve algún tiempo", dice Handl. "Pero vale la pena al ahorrar tiempo y recursos muy valiosos en la línea de producción". La información procesable sobre lo que está sucediendo en la propia fábrica está contribuyendo a una mayor evolución de la fabricación inteligente, lo que permite a las empresas de muchos sectores identificar formas de mejorar la calidad y hacer que sus productos sean más competitivos.

El software avanzado de análisis de TC permite la segmentación de datos 3D basada en el valor del gris, la forma o el aprendizaje automático. Estas regiones de interés (ROI) definidas se pueden utilizar para realizar análisis adicionales

El software avanzado de análisis de TC permite la segmentación de datos 3D basada en el valor del gris, la forma o el aprendizaje automático. Estas regiones de interés (ROI) definidas se pueden utilizar para realizar análisis adicionales

¿Cómo funciona la inspección de calidad por tomografía computarizada en la línea de producción?

Durante las pruebas de calidad con tomografía computarizada (TC) en línea, una fuente de rayos X emite radiación que penetra en los objetos y se atenúa según el material y la geometría de la pieza de trabajo que se va a probar. Un detector conectado en el lado opuesto de la fuente crea una imagen de sombra de la pieza de trabajo a partir de la radiación restante. Los diferentes tonos grises de las imágenes de sombra representan las diferencias en la naturaleza de la muestra de prueba. A continuación, el software de control genera un modelo 3D del objeto a partir de las pilas de imágenes de rayos X 2D. Por último, el software de análisis y visualización se utiliza para ver y analizar el modelo digital desde una variedad de perspectivas específicas para detectar posibles fallos o para certificar una calidad aceptable.  

 

Fuente: Hexagon