Automatización Robótica de un Proceso de Etiquetado para Control de Calidad

Transcripción

1 1 Automatización Robótica de un Proceso de Etiquetado para Control de Calidad Valencia, G.A, S. M. Campo, L. Angel, Pontificia Bolivariana University M. O. Oliveira, IEEE Member, R. W. Orellana Paucar, Osinergmin Abstract This project is designed and implemented an industrial application for quality control of the label in metal containers. The application integrates an industrial robot Gryphon, a vision system and a transportation system with band. It performs the position control algorithm for robot using walli3 software. The vision system consists of a color camera and image processing to identify defects in metal containers label using the OpenCV libraries. The application developed has great performance and will make known to the region industry the potential of the industrial robotic as an alternative in the automation of its process. Keywords Automatization, Quality Control, Gryphon Robot, Industrial Process. L I. INTRODUCCIÓN os países desarrollados llevan a cabo sus procesos industriales de forma automatizada, obteniendo una mejoría en el tratamiento y desempeño de las actividades que cada empresa maneja contribuyendo con la optimización industrial y tecnológica de cada proceso. Uno de los procesos que las industrias practican constantemente es la revisión de sus productos de una forma cuidadosa (control de calidad) para así poder ofrecer a los consumidores finales un producto obtenido en las mejores condiciones posibles. Generalmente los sistemas de control de calidad implementados industrialmente toman imágenes de los productos a analizar, las cuales son tratadas por medio de técnicas de procesamiento de imágenes para identificar defectos externos en el producto, determinando si este es aceptado o no en el control de calidad. Sumado al procesamiento de imágenes, estos procesos de automatización son también llevados a cabo por medio de Valencia, G.A, S. M. Campo y L. Angel egresados de la Universidad Pontificia Bolivariana, Colombia. (Gabriel.valencia@ufrgs.br, sergio.martinez@ufrgs.br, Luis.silva@upbbga.edu.co). M. O. Oliveira, trabaja en el Centro de Estudios de Energía para el Desarrollo CEED, Universidad Nacional de Misiones, Argentina (oliveira@fio.unam.edu.ar). R. W. Orellana Paucar trabaja en el Organismo Supervisor de la Inversión en Energía y Minería (Osinergmin), Lima, Perú ( rorellana@gfe.supervisores.gob.pe). robots, los cuales toman los objetos defectuosos o rechazados en el proceso de control y los trasportan a otro lugar donde se serán tratados nuevamente o retirados. En los últimos años, en mejora de las piezas o productos a conformidad con respecto a las especificaciones del mismo, fabricados por una determinada industria, el énfasis se centra en la labor de inspección y en el establecimiento de tolerancia de los productos. Se induce a creer que la calidad depende del proceso de inspección y no del de producción o ejecución, donde se implementan Departamentos de Control de Calidad que verifican por muestra o la calidad de las piezas o productos fabricados. La robótica como equipo especializado en el control de calidad en las industrias automatizadas, se lleva a cabo en la recepción de materiales y, al final, en el control de productos acabados. Entre los pocos proyectos de automatización del control de calidad en esta región, se encuentra, el sistema de visión para la identificación de las etapas de maduración de la piña [1] y la aplicación para el reconocimiento de las naranjas maduras en el árbol [2]. Por otra parte, a nivel internacional se usan sistemas de visión para realizar las labores de control de calidad del cierre de latas para conservar pescados y mariscos [3], y para el procesamiento y empacado adecuado de salchichas el cual implementa dos sub-sistemas, uno para la selección de salchichas con el tamaño adecuado y otro para verificar que el producto este correctamente empacado y sellado [4]. En este articulo, inicialmente de un sistema de control de calidad del etiquetado en envases metálicos, seguido de la construcción y programación de cada instrumento que utiliza este sistema. Luego se detallan las pruebas realizadas para comprobar su funcionamiento y los resultados obtenidos. II. PROCESO INDUSTRIAL DE ETIQUETADO El proceso de automatización industrial sobre el cual se implementará el sistema de control robótico fue proyectado según las siguientes fases: Transporte: utiliza una cinta transportadora que moviliza los productos (latas) de un lugar a otro. Controlador de Señales: módulo para el control del

2 2 flujo de señales del proceso. Sistema de visión: cámara y detector de presencia que realizaran el procesamiento de imágenes del producto. Manipulación: utilización de un robot industrial para tomar las latas y transportarlas según la clasificación. Interfaz hombre-máquina: sistema supervisório para control visual del proceso. La Figura 1 muestra el funcionamiento y enlace del sistema de automatización. El sistema es alimentado por envases metálicos mediante un dispensador ubicado en un extremo de la banda trasportadora, el cual cumple la función de retener y dar paso a los productos que se van a analizar. Los envases metálicos son trasportados hasta la zona de visión de la cámara donde son detenidos para tomar la imagen correspondiente y realizar su análisis con el software de procesamiento de imágenes. Figura 2. Diagrama de flujo del proceso de automatización. III. DESCRIPCIÓN DE PRINCIPALES BLOQUES DE CONTROL Figura 1. Proceso de automatización. Una vez analizado el envase, el algoritmo de procesamiento de imágenes envía una señal al controlador del robot indicándole que secuencia debe seguir para manipular el producto aceptado o rechazado y enviarlo a su correspondiente lugar. Este sistema de control de calidad funciona bajo un algoritmo secuencial, como se observa en la figura 2, de tal manera que se logre un flujo de información ordenada y evitar posibles errores. El sistema es encendido desde el panel de control para iniciar sus ajustes y configuraciones necesarias. Después, el algoritmo pregunta si el sensor de presencia del producto está activo, si lo está, toma la fotografía del producto y se realiza el procesamiento de imágenes para determinar si este lleva o no la etiqueta. Una vez encontrado el resultado, se envía la señal correspondiente al controlador del robot para que este tome el producto y lo transporte al lugar indicado. Al terminar, el robot vuelve a su posición inicial y se repite el proceso. A. Controlador de Señales Este bloque es controla el flujo de información de los diferentes dispositivos electrónicos que conforman la automatización del sistema de control de calidad. El controlador de señales recibe la información proveniente del panel de control y la convierte en señales de activación de la banda trasportadora, el dispensador y el robot; a su vez lleva al panel de control el estado del proceso. Las señales que entran a este dispositivo son la comunicación serial, la información enviada desde el controlador del robot y el pulso emitido por el sensor que detecta el objeto para analizar. Las señales que salen son la transmisión de información serial, el comportamiento de las compuertas del dispensador, las señales de activación del robot y la activación de la banda transportadora. El controlador de señales utiliza un micro controlador pic16f628a de microchip, el cual tiene un gran rendimiento y velocidad al manejar una memoria de acceso aleatoria (RAM) de 224 bytes y memoria de lectura (EEPROM) de 128 bytes bajo una velocidad de hasta 200 nano segundos por ciclo utilizando un oscilador de 20Mhz. Sumado a esto, facilita la comunicación tipo serial al integrar un módulo para dicho trabajo y tener un conjunto reducido de instrucciones [6]. B. Sistema de visión y algoritmo de procesamiento de imágines El procesamiento de imágenes que integra el sistema de control de calidad, está programado en lenguaje C, utilizando las librerías de procesamiento de imágenes fabricadas por Intel, OPENCV [7]. El sistema de visión cuenta con una cámara a color de 1.3 mega pixeles, que toma la fotografía del producto la cual es procesada implementado el algoritmo que se muestra en la Figura 3.

3 3 del color, lo cual resalta la imagen cuando tiene etiqueta, dando una diferencia notable respecto a la imagen sin etiqueta. Utilizando la imagen del plano de saturación, se encuentran el histograma de dicha imagen, de tal forma que se pueda analizar la distribución estadística de cada uno de los pixeles de la imagen. Como se muestra en la Figura 5-A los pixeles del envase con etiqueta están distribuidos más hacia la derecha, indicando que tiene niveles de grises más claros los cuales son generados por el color de la etiqueta. El histograma del envase sin etiqueta está más hacia la izquierda, Figura 5-B. Figura 5. Histograma del producto aprobado (A) y rechazado (B). Figura 3. Diagrama de flujo procesamiento imagen. Este procesamiento de imágenes debe indicar la diferencia que tienen los productos que se van a analizar; en este caso se busca si un envase metálico tiene o no la etiqueta, Figura 4-a. Para mejorar la imagen obtenida, se utiliza un filtro tipo mediana (para borrar el efecto de borrosidad) y un filtro tipo gaussiano (para esparcir los pixeles en regiones no definidas) [8]. Una vez aplicado estos dos filtros, disminuye la claridad de la imagen pero reduce el ruido electromagnético que presenta algunos pixeles. A esta nueva imagen se le realiza el cambio de espacio de color RGB, a su forma no lineal HSV para eliminar las alteraciones que pueda presentar por los cambios de iluminación. En el modelo HSV el sistema es más robusto ante estos cambios, puesto que el plano de brillo (V) es el que recibe la interferencia por la iluminación y los planos de matiz (H) y saturación (S), muestran los estados e intensidades del color (Figura 4-b, 4-c, 4-d y 4-e) [9]. C. Umbralización de la imagen Para realizar la umbralización de la imagen, se plantea utilizar el método de Otsu, el cual busca que la dispersión de niveles de grises que genera la etiqueta y la parte no deseada sea la más pequeña y que a su vez estén lo más separadas [10]. El proceso de umbralización está dividido en dos clases, los cuales se llamaran C para la clase que valores 0 - Y, y D para los demás valores (Y+1) - M; en donde Y es el posible valor umbral y M el número máximo de la escala de niveles de grises (nivel más blanco). Para aplicar el método primero se debe encontrar la probabilidad (ecuación 2) que tiene cada nivel de gris de encontrarse en la imagen, por lo tanto: donde p i es la probabilidad que tiene un nivel de gris, g i es el número de pixeles que tiene un nivel de gris y n el número total de pixeles de la imagen. Por lo tanto la probabilidad de cada nivel de gris se distribuye entre la clase, por lo cual: Una vez conocida la distribución de la probabilidad de cada nivel de gris, se halla la media que tiene cada clase: Figura 4. Imágenes obtenidas por el sistema de visión. Al realizar las pruebas necesarias se encuentra que la imagen de saturación (Figura 4-e) es la más adecuada para procesar, debido a que muestra el cambio de intensidad Utilizando los valores encontrados anteriormente, se puede hallar la intensidad media y la varianza de toda la imagen por medio de las siguientes ecuaciones:

4 4 Utilizando el umbral Otsu, se binariza la imagen en ese punto, Figura 4-f. Para definir si el producto tiene o no la etiqueta, se realiza un conteo de pixeles blancos y negros, debido a que la imagen binarizada del envase sin etiqueta contiene en su gran mayoría pixeles oscuros a diferencia del resultado cuando la tiene. Conocida la respuesta del procesamiento de imágenes, el programa envía por el puerto de comunicación en qué condiciones está el envase, para que el sistema realice la siguiente acción, la cual consiste en la manipulación del producto utilizando el robot Gryphon. manualmente el robot a una posición determinada y la pendant que es utilizando el control remoto del robot, dirigir cada articulación al lugar indicado [12]. La Figura 7 muestra el diagrama de flujo del control del brazo robótico. D. Sistema de manipulación El proceso de manipulación del producto, se realiza con el robot industrial GRYPHON , Figura 6, el cual es de clase antropomórfica y maneja las siguientes especificaciones: 5 grados de libertad más pinza. Eje 1 (torso): 270, eje 2 (hombro): 165, eje 3 (codo): 300, eje 4 (movimiento muñeca lado izquierdo): 290, eje 5 (movimiento muñeca lado derecho): 290, movimiento vertical de muñeca: 170, rotación de la muñeca: 290. Capacidad de carga de 1 Kg. Figura 7. Diagrama de flujo de control del brazo robótico. Figura 6. Brazo robótico: 1) torso, 2) hombro, 3) codo, 4) muñeca, 5) pinza. Este sistema robótico cuenta con una caja de control la cual posee un sistema retroalimentado para el control de los encoders que posee cada grado de libertad del robot y cuenta con 8 salidas digitales, 8 entradas digitales y 2 análogas con la conversión a 12 bits, para así tener la posibilidad de acoplar elementos o sistemas con señales de entrada o salida para realizar el proceso, todo controlado desde la misma caja de control del Gryphon [11]. El programa utilizado para este tipo de robot es el WALLI3, el cual se tienen que hacer dos tipos de configuraciones, el posicionamiento del robot o las coordenadas que el brazo robótico recorrerá y la programación del algoritmo que este seguirá. Para programar las coordenadas del robot existen 3 tipos diferentes de programación, la keyboard la cual desde el mismo entorno de programación se asigna las coordenadas; La lead my nose que es dirigiendo E. Interface Hombre-Máquina El sistema de control de calidad tiene un interfaz de usuario con la cual se controla y visualiza el proceso realizado. Para programar este panel de control se utilizó el entorno grafico que brinda Labview (Figura 8). Como se observa en esta figura, el panel de control está dividido en 5 secciones: A- Sección de control: contiene los botones que realizan la activación o desactivación del sistema de control de calidad. B- Sección de conteo: Realiza el conteo de la cantidad de envases procesados. C- Sección de comunicación: Está conformada por un indicador que da alarma si se perdió el enlace de comunicación entre el panel de control y el controlador de señales. D- Sección de indicadores: Cuenta con los distintitos indicadores de estado del proceso, entre los que se encuentra Robot en movimiento, Banda transportadora en marcha, Envase disponible para análisis, Procesamiento de imágenes y resultado de este, Error en la toma del envase y comportamiento de la compuerta del dispensador.

5 5 E- Imagen del producto: En esta sección se muestra la fotografía tomada al producto Figura 9. Sistema de control de calidad. Figura 8. Panel de control: A) Control, B) Conteo, C) Comunicación, D) Indicadores, E) Imagen del Producto. IV. RESULTADOS OBTENIDOS Las pruebas realizadas al sistema de control de calidad (Figura 9), se realizaron durante 4 horas en el laboratorio de robótica de la universidad pontificia bolivariana. Durante los cuales el dispensador de la banda transportadora abrió sus puertas cada vez que el sistema se lo indico, distribuyendo de productos la banda transportadora, dando como resultado que el sistema trabaje continuamente cada tres envases. Los envases metálicos se movilizan sobre la banda transportadora, son detenidos en el lugar adecuado para realizar el análisis del producto, por medio del sensor que incorpora este sistema enviando una señal al sistema de control de señales, el cual tiene como función principal la comunicación por medio del puerto RS-232, puesto que transforma los altos o bajos emitidos por el sensor y el controlador del robot, y envía la información correspondiente a los computadores del sistema, y viceversa, recibe la información del panel de control y la convierte en una señal de activación del robot. Durante el tiempo de prueba se observo cada fase en la que se encontraba el proceso de control de calidad de una forma rápida y precisa, junto a ello, el procesamiento de imágenes arrojo su resultado en el menor tiempo posible y en su totalidad exitoso, ya que su algoritmo siempre da como resultado lo esperado y nunca tuvo inconvenientes con el análisis del producto. El comportamiento y funcionalidad que presto el Robot Gryphon es el adecuado para el proceso, puesto que su estructura mecánica y controlador prestan las funciones necesarias, ya que este toma, transporta y deposita el envase en su lugar correspondiente sin ningún inconveniente o percance. V. CONCLUSIONES Se estructuro el proceso secuencial de transporte, análisis y posicionamiento de un producto mediante la integración de la banda transportadora, el sistema de visión y el robot Gryphon; logrando movilizar un envase metálico inicialmente desde el dispensador instalado sobre la banda hasta el punto en el que es detectado por el sensor óptico, lugar en el cual se realiza la toma de la imagen para ser procesada y analizada por el sistema de visión, que a su vez le indica al controlador del robot la aprobación o el rechazo de dicho producto, con el fin que el robot lo tome de su posición y lo ubique en el dispensario de productos con etiqueta o en el de productos sin etiqueta dependiendo de su característica; finalizando así la secuencia de transporte, posteriormente el robot regresa a su posición inicial y la banda es activada para iniciar un nuevo proceso. Como principal observación que se tuvo en el proceso, fue la velocidad del robot, puesto que es de tipo serie y ejercía el movimiento de las articulaciones una a la vez; sin embargo el proceso no es afectado, puesto que esto es una variable independiente del sistema programado, solo que restringe la cantidad de envases procesados por hora ya que en promedio fue de 90 productos. Las técnicas de Modelo de Aseguramiento de la Calidad se proponen evitar las causas de los problemas de calidad durante la fabricación o prestación de un servicio. Se basa en los estudios de Capacidad y en los Diseños de Procesos. La calidad no se controla, se produce. Hay que obtener la calidad al mismo tiempo que se fabrica el producto o se presta el servicio. La Garantía de Calidad supone el control en línea de los procesos elementales de producción, además de las pruebas o controles finales. Las tolerancias son estándares a superar, no objetivos a lograr. Se trata de mejorar los procesos y prevenir la aparición de problemas de fabricación o de producción del servicio. El control más importante es el Control de Calidad en curso de producción.

6 6 VI. REFERENCIAS [1] [1] LIZCANO, Sergio. Identificación de las etapas de maduración de la piña perolera empleando técnicas de visión artificial. En Introducción, Pag. 16. [2] BERMUDEZ, Henderson, BAEZ, Juan. Aplicación de técnicas de visión artificial para el reconocimiento de naranjas maduras en el árbol. En Introducción, Pag. 13. [3] JASVISIO VISION ARTIFICIAL, Aplicaciones de la visión artificial en el sector de la alimentación. En: Control de calidad del cierre de latas. [En línea] Disponible en: < [4] JASVISIO VISION ARTIFICIAL, Aplicaciones de la visión artificial en el sector de la alimentación. En: Fabricación de salchichas. [En línea] Disponible en: < [5] KAUMAN S.A; Productos banda trasportadora. Cálculos de potencia. En: cálculos de la potencia de accionamiento. [En línea] Disponible en:< [6] MICROCHIP, data sheet pic16f62a/628a/648a: microchip, [7] BRADSKI, Gary, KAEHLER, Adrian. Learning OpenCV. En More OpenCV Documentation, Pag. 11. [8] SECCION DE INFORMATICA GRAFICA Y TELEDETECCION, Tema 6. Técnicas de filtrado, Universidad de Murcia. Murcia: [9] PAJARES, Gonzalo. Visión por computador: imagines digitales y aplicaciones. Alfaomega, [10] ALBA, Jose, CID, Jesus, MORA, Inmaculada. Método de análisis de imágenes. En Extracción de características, Umbralización. Universidad de Vigo. España [11] DIAZ, José. Brazo Robot Antropomórfico Didáctico de Precisión Gryphon c/5 Ejes, mano, software y programador remoto Feedback C. En: Equipamiento Educativo y Audiovisual. Disponible en: < [12] AH KING, Robert, MOONTIEN, Saravanen. Interfacing the Gryphon robot with the world wide web, modes of robot programming. University of Mauritius Luis Angel Silva Ingeniero Electrónico de la Universidad Pontificia Bolivariana. Especialista en Control de Procesos Industriales de la Universidad de los Andes. Realizó su doctorado en Robótica y Visión por Computador en la Universidad Politécnica de Madrid. Sus áreas de actuación son: Diseño y desarrollo de prototipos robóticos, Reconocimiento de patrones, Dinámica y control de manipuladores y Control visual de robots. Mario Orlando Oliveira (M 2008) nació en Capioví, Mnes, Argentina en Mayo de Obtuvo el título de Ingeniero Electromecánico por la Universidad Nacional de Misiones (UNaM), Argentina en 2005 y la Maestria en Sistemas Eléctricos de Potencia por la Universidad Federal do Rio Grande do Sul (UFRGS), Brasil en Actualmente es investigador del Centro de Estudios de Energía para el Desarrollo (CEED) y profesor colaborador en la UNaM. Sus áreas de interés incluyen protección de máquinas eléctricas, modelación de sistemas de potencia y detección de fallas en sistemas eléctricos. Ronald Wilfredo Orellana Paucar nació en Ica, Perú en Mayo de Obtuvo el título de Ingeniero Electricista por la Universidad Nacional San Luis Gonzaga, Perú en 2007 y realizó estudios de postgrado en la Universidad Federal do Rio Grande do Sul, Porto Alegre, Brasil. Actualmente viene laborando en la Gerencia de Fiscalización Eléctrica del Organismo Supervisor de la Inversión en Energía y Minas (Osinergmin), Perú. Sus áreas de interés incluyen protección y confiabilidad de sistemas eléctricos de potencia. VII. BIOGRAFIAS Gabriel Andres Valencia nació en Bucaramanga ciudad de Santander-Colombia, Octubre 2, Tiene titulo de ingeniero electrónico dela Universidad Pontificia Bolivariana de Bucaramanga (UPB). Actualmente es estudiante del programa de maestría en ingeniería eléctrica de la universidad Federal do Rio Grande do Sul (UFRGS) e investigador del centro del laboratorio de sistemas eléctricos de potencia (LASEP). Sergio Martínez Campo, es Ingeniero Electrónico por la Universidad Pontificia Bolivariana, Bucaramanga - Colombia en Actualmente es estudiante de Maestría en Sistemas Eléctricos de Potencia en la Universidad Federal de Rio Grande del Sur, Porto Alegre Brasil y pertenece al Grupo de Modelagem e Análise de Sistemas de Potencia GMASP. Su área de interés comprende localización de faltas basado en impedancia aparente.