Ceit – Asistencia al personal trabajador en el proceso de ensamblaje en aeronáutica
Ceit
Sector: Industria
Business Case
Debido a los cambios sociales (por ejemplo, el envejecimiento) y tecnológicos, muchos trabajadores industriales necesitan o pueden beneficiarse de tecnologías de automatización asistida como la IA, la robótica colaborativa y la RX. Sin embargo, la transformación de actividades exclusivamente manuales en otras asistidas es compleja, costosa y propensa a errores. ¿Cómo podemos hacer uso de la RX para enriquecer la tarea automatizada con la colaboración de un humano sabiendo las limitaciones de cada uno (IA y humano)?
Objetivos
El objetivo es realizar los procesos de ensamblaje con cero errores. Estas tareas pueden ser muy complejas, como el caso de la aeronáutica, donde puede hay muchos componentes y herramientas sueltas en el área de trabajo. Identificando cada pieza y herramienta, monitorizando el proceso de ensamblaje y asistiendo al operario se puede alcanzar este objetivo.
Use case
Para este caso de uso se plantea la integración dos sistemas de asistencia: – Un sistema que identifica las herramientas y piezas necesarias para la tarea del ensamblaje a partir de imágenes. – Una herramienta que asiste al operario en procesos complejos (ejem. identificación y ensamblaje cables) empleando la tecnología de la realidad aumentada.
Infraestructura
Hw: gafas de realidad aumentada. Sw propio de computer vision, realidad aumentada y deep learning.
Tecnologías utilizadas
Aprendizaje Automático o Profundo Reconocimiento/procesamiento de imágenes
Datos utilizados
– Dataset de paso-a-paso de procesos de ensamblaje – Dataset de imágenes de estado de los conectores de cable (distintas perspectivas) – Videos del entorno de trabajo
Recursos utilizados
Personal investigador multidisciplinar con conocimientos en IA, computer science, etc.
Dificultades y aprendizaje
La principal dificultad fue trabajar en un entorno no estructurado, no controlado y dinámico. Alcanzar un alto grado de robustez en los algoritmos de visión basados en inteligencia artificial en estas condiciones resultó un desafío considerable. Además, la incorporación del factor humano añadió una variabilidad significativa que fue compleja de manejar. Como aprendizaje, se destacó la importancia de realizar pruebas iterativas en entornos de trabajo reales y de mantener una colaboración estrecha entre los desarrolladores y los operarios para ajustar las soluciones a las exigencias del entorno laboral.
KPIs (impacto en el negocio y métricas del modelo)
El sector aeronáutico debe adoptar tecnologías innovadoras para lograr más eficiencia y calidad en la producción y eliminar el riesgo de fallos debidos a operaciones manuales. Tecnologías emergentes como las redes neuronales artificiales en IA, la realidad mixta y aumentada, y la robótica colaborativa que ya figuran en otras industrias pueden ayudar al sector aeronáutico a innovar las operaciones de ensamblaje y control de calidad y mejorar la productividad. El proyecto AssAssiNN, financiado por la UE, desarrolla una robusta célula de montaje multifuncional capaz de soportar operaciones manuales como la instalación de sistemas y equipos típicos del fuselaje. La solución aumenta la integración estructural, reduce el coste global y el peso estructural, aumenta los materiales multifuncionales, restringe el impacto ambiental y prolonga la vida útil de las aeronaves.
Financiación
EU funded (H2020) AssAssiNN Project Grant Agreement No. 886977 (Clean Sky 2 joint undertaking)
Colaboradores
Leonardo, HB Technologies, SUPSI
