Evaluación comparativa en ambiente de control de calidad entre un brazo robótico utilizado para medición frente a un instrumento manual

Comparative evaluation in quality control environment between a robotic arm used for measurement versus a manual instrument

Contenido principal del artículo

Jonathan Vladimir Gómez-Montoya
Cristhian Iván Riaño-Jaimes
Bladimir Azdrubal Ramón -Valencia
Francisco Raúl Arencibia-Pardo
Cesar Augusto Peña-Cortés
Resumen

A través del tiempo, los instrumentos de medición han tenido un papel importante en los procesos de control de calidad en la industria manufacturera, por esta razón; el presente artículo retrata el trabajo de investigación realizado donde se determinan mediante la aplicación del Control Estadístico de Calidad y el Estudio de Tiempos; las ventajas y desventajas de un brazo robótico utilizado para realizar mediciones frente a un instrumento portátil diseñado para el mismo fin, como lo es el Calibre Vernier; también se determina si los procesos se encuentran bajo control y a su vez, las posibles variables asignables que afectan positiva y negativamente las dos operaciones; para ello, se establece inicialmente un entorno experimental donde se tiene en cuenta el proceso de fabricación aditiva de una pieza geométrica tridimensional, la cual una vez fabricada se somete a un control de calidad donde se utilizan las dos herramientas para medir las diferentes caras seleccionadas; a continuación y habiendo recogido los diferentes datos de cada uno de los instrumentos, se establecen parámetros de fiabilidad y se realizan los respectivos análisis y estudios estadísticos para determinar las ventajas y desventajas que tiene un proceso sobre el otro, consideraciones a tener en cuenta y sugerencias.

Palabras clave

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

Cristhian Iván Riaño-Jaimes, Universidad de Pamplona, Pamplona, Colombia

Doctor en sistemas mecatrónicos

Magister en controles industriales

Especialista en automatización industrial

Francisco Raúl Arencibia-Pardo, Universidad de Pamplona, Pamplona, Colombia

Doctor en Proyectos

Magister en ingeniería industrial

Par evaluador Minciencias

Investigador asociado

Referencias

M. Piron, J. Wu, A. Fedele, y A. Manzardo, “Industry 4.0 and life cycle assessment: Evaluation of the technology applications as an asset for the life cycle inventory”, Sci Total Environ, vol. 916, p. 170263, mar. 2024, doi: 10.1016/j.scitotenv.2024.170263.

M. Malik, V. K. Gahlawat, R. Mor, K. Rahul, B. P. Singh, y S. Agnihotri, “Chapter 14 - Industry 4.0 technologies in postharvest operations: current trends and implications”, en Postharvest Management of Fresh Produce, B. P. Singh, S. Agnihotri, G. Singh, y V. K. Gupta, Eds., Academic Press, 2023, pp. 347-368. doi: 10.1016/B978-0-323-91132-0.00012-5.

D. A. Senna et al., “Industry 4.0 as a strategy to contribute to the water supply universalization in developing countries”, Journal of Environmental Chemical Engineering, vol. 11, n.o 6, p. 111198, dic. 2023, doi: 10.1016/j.jece.2023.111198.

A. Martini et al., “Robot-assisted Radical Cystectomy with Orthotopic Neobladder Reconstruction: Techniques and Functional Outcomes in Males”, European Urology, vol. 84, pp. 484-490, abr. 2023, doi: 10.1016/j.eururo.2023.04.009.

S. Demirtas, T. Cankurt, y E. Samur, “An adjustable robotic tool for nut running operations”, Procedia CIRP, vol. 107, pp. 191-195, ene. 2022, doi: 10.1016/j.procir.2022.04.032.

D. S. Paraforos, M. Reutemann, G. Sharipov, R. Werner, y H. W. Griepentrog, “Total station data assessment using an industrial robotic arm for dynamic 3D in-field positioning with sub-centimetre accuracy”, Computers and Electronics in Agriculture, vol. 136, pp. 166-175, abr. 2017, doi: 10.1016/j.compag.2017.03.009.

D. Hu, V. J. L. Gan, T. Wang, y L. Ma, “Multi-agent robotic system (MARS) for UAV-UGV path planning and automatic sensory data collection in cluttered environments”, Building and Environment, vol. 221, p. 109349, ago. 2022, doi: 10.1016/j.buildenv.2022.109349.

C. Bai, P. Dallasega, G. Orzes, y J. Sarkis, “Industry 4.0 technologies assessment: A sustainability perspective”, International Journal of Production Economics, vol. 229, p. 107776, nov. 2020, doi: 10.1016/j.ijpe.2020.107776.

R. Hamzeh, L. Thomas, J. Polzer, X. W. Xu, y H. Heinzel, “A Sensor Based Monitoring System for Real-Time Quality Control: Semi-Automatic Arc Welding Case Study”, Procedia Manufacturing, vol. 51, pp. 201-206, ene. 2020, doi: 10.1016/j.promfg.2020.10.029.

W. P. Syam, R. Leach, K. Rybalcenko, A. Gaio, y J. Crabtree, “In-process measurement of the surface quality for a novel finishing process for polymer additive manufacturing”, Procedia CIRP, vol. 75, pp. 108-113, ene. 2018, doi: 10.1016/j.procir.2018.04.088.

M. Grazia Guerra y F. Lavecchia, “Measurement of additively manufactured freeform artefacts: The influence of surface texture on measurements carried out with optical techniques”, Measurement, vol. 209, p. 112540, mar. 2023, doi: 10.1016/j.measurement.2023.112540.

C. Latsou, M. Farsi, y J. A. Erkoyuncu, “Digital twin-enabled automated anomaly detection and bottleneck identification in complex manufacturing systems using a multi-agent approach”, Journal of Manufacturing Systems, vol. 67, pp. 242-264, abr. 2023, doi: 10.1016/j.jmsy.2023.02.008.

Z. Ali et al., “Design and development of a low-cost 5-DOF robotic arm for lightweight material handling and sorting applications: A case study for small manufacturing industries of Pakistan”, Results in Engineering, vol. 19, p. 101315, sep. 2023, doi: 10.1016/j.rineng.2023.101315.

F. Yang y J. E. Hein, “Training a robotic arm to estimate the weight of a suspended object”, Device, vol. 1, n.o 1, p. 100011, jul. 2023, doi: 10.1016/j.device.2023.100011.

Y.-T. Tsai et al., “Utilization of a reinforcement learning algorithm for the accurate alignment of a robotic arm in a complete soft fabric shoe tongues automation process”, Journal of Manufacturing Systems, vol. 56, pp. 501-513, jul. 2020, doi: 10.1016/j.jmsy.2020.07.001.

J. Chamberlin, Y. Zhong, y Y. Wang, “Robots for Pharmaceutical Production: A Benchtop Robotic Automation Approach for Manufacturing Prefilled Syringes”, IFAC-PapersOnLine, vol. 55, n.o 37, pp. 469-474, ene. 2022, doi: 10.1016/j.ifacol.2022.11.227.

D. Li, R. Wei, Y. Du, X. Guan, y M. Zhou, “Measurement methods of geometrical parameters and amount of corrosion of steel bar”, Construction and Building Materials, vol. 154, pp. 921-927, nov. 2017, doi: 10.1016/j.conbuildmat.2017.08.018.

T. Saiboh et al., “Visual detection of formalin in food samples by using a microfluidic thread-based analytical device”, Microchemical Journal, vol. 190, p. 108685, jul. 2023, doi: 10.1016/j.microc.2023.108685.

G. J. da Silva, A. C. Borges, M. C. Moreira, y A. P. Rosa, “Statistical process control in assessing water quality in the Doce river basin after the collapse of the Fundão dam (Mariana, Brazil)”, Journal of Environmental Management, vol. 317, p. 115402, sep. 2022, doi: 10.1016/j.jenvman.2022.115402.

D. Sarkar, “Advanced materials management for Indian construction industry by application of statistical process control tools”, Materials Today: Proceedings, vol. 62, pp. 6934-6939, ene. 2022, doi: 10.1016/j.matpr.2021.12.082.

L.-T. Zhao, T. Yang, R. Yan, y H.-B. Zhao, “Anomaly detection of the blast furnace smelting process using an improved multivariate statistical process control model”, Process Safety and Environmental Protection, vol. 166, pp. 617-627, oct. 2022, doi: 10.1016/j.psep.2022.08.035.

S. Huang y W. Zhang, “A fast calculation method of rolling times in the GNSS real-time compaction quality supervisory system”, Advances in Engineering Software, vol. 128, pp. 20-33, feb. 2019, doi: 10.1016/j.advengsoft.2018.11.008.

Y. Liu, J. Cheng, C. Zou, L. Lu, y H. Jing, “Ignition delay times of ethane under O2/CO2 atmosphere at different pressures by shock tube and simulation methods”, Combustion and Flame, vol. 204, pp. 380-390, jun. 2019, doi: 10.1016/j.combustflame.2019.03.031.

Sistema OJS - Metabiblioteca |