Diseño inicial de rutas para robots colaborativos para el proceso de pintura de automóviles mediante Técnicas de inteligencia artificial
DOI:
https://doi.org/10.30973/progmat/2024.16.3/5Palabras clave:
IoT, Automatización, Aplicaciones de la IA, Robots colaborativos, Diseño de rutasResumen
En este trabajo se pretende proponer una metodología que permita el mejorar el proceso de pintura de automóviles, mediante técnicas de inteligencia artificial. Primero se plantea el generar un base de datos con diferentes automóviles, desglosados por piezas. En segunda parte, de acuerdo con el proceso de pintado de cada automóvil y el tipo proceso de pintura que requiera se designarán puntos de interés. Posteriormente, se diseñó las rutas o caminos factibles para cada robot y finalmente se diseñará una ruta que permita satisfacer todos los puntos y evitar las colisiones mediante técnicas de inteligencia Artificial.
Citas
Galin R, Meshcheryakov R. Automation and robotics in the context of Industry 4.0: the shift to collaborative robots, IOP Conference Series: Materials Science and Engineering, 2019, 32073. https://doi.org/10.1088/1757-899X/537/3/032073.
Zbiss K, Kacem A, Santillo M, Mohammadi A. Automatic Collision-Free Trajectory Generation for Collaborative Robotic Car-Painting, IEEE Access. 2022, 10, 9950–9959. https://doi.org/10.1109/ACCESS.2022.3144631.
Feucht P, Zirzlaff T, Leisin O, Berns K, Neu-Str y H. Online-process diagnosis exemplarily shown at a car painting plant, 2000.
Biegelbauer G, Pichler A, Vincze M, Nielsen CL, Andersen HJ, Häusler K. The inverse approach of flexpaint [robotic spray painting], IEEE Robotics & Automation Magazine, 2005, 12(3), 24–34. https://doi.org/10.1109/MRA.2005.1511866.
Merchán-Cruz EA, Morris AS. Fuzzy-GA-based trajectory planner for robot manipulators sharing a common workspace, IEEE Transactions on Robotics, 2006, 22(4), 613–624. https://doi.org/10.1109/TRO.2006.878789.
Solnon C, Dat Cung V, Nguyen A, Artigues C, y others, The car sequencing problem: Overview of state-of-the-art methods and industrial case-study of the ROADEF’2005 challenge problem, European Journal of Operational Research, 2008, 191(3), 912–927. https://doi.org/10.1016/j.ejor.2007.04.033.
Chen H, Shengy W. Transformative CAD based industrial robot program generation, Robotics and Computer-Integrated Manufacturing, 2011, 27(5), 942-948. https://doi.org/10.1016/j.rcim.2011.03.006.
Gasparetto A, Vidoni R, Pillan D, Saccavini E. Automatic path and trajectory planning for robotic spray painting, en ROBOTIK 2012; 7th German Conf. on Robotics, 2012, 1–6.
Moe S, Gravdahl JT, Pettersen KY, Set-based control for autonomous spray painting, IEEE Transactions on Automation Science and Engineering, 2018, 15(4), 1785–1796. https://doi.org/10.1109/TASE.2018.2801382.
Trigatti G, Boscariol P, Scalera L, Pillan D, Gasparetto A. A new path-constrained trajectory planning strategy for spray painting robots-rev. 1, The International Journal of Advanced Manufacturing Technology. 2018, 98, 2287–2296. https://doi.org/10.1007/s00170-018-2382-2.
Syahputra MF, Maiyasya A, Purnamawati S, Abdullah D, Albra W, Heikal M, Abdurrahman A, Khaddafi M.Car painting process scheduling with harmony search algorithm, en IOP Conference Series: Materials Science and Engineering, 2018, 12044. https://doi.org/10.1088/1757-899X/308/1/012044.
Zhang H, Wang Y, Zheng J, Yu J. Path planning of industrial robot based on improved RRT algorithm in complex environments. IEEE Access, 2018, 6, 53296–53306. https://doi.org/10.1109/ACCESS.2018.2871222.
Feng Z, Hu G, Sun Y, Soon J. An overview of collaborative robotic manipulation in multi-robot systems, Annual Reviews in Control. 2020, 49, 113–127. https://doi.org/10.1016/j.arcontrol.2020.02.002.
Liu H. Creating cooperative robots with intelligence capabilities, Industrial Robot: An International Journal, 2008, 35(1). https://doi.org/10.1108/ir.2008.04935aaa.002.
Purisaca PAA, Control De Robots móviles autónomos En formación Usando El Esquema lider-Seguidor. Lima: Pontificia Universidad Catolica del Peru, 2021, 81 p.
Parrello BD, Kabat WC, Wos L. Job-shop scheduling using automated reasoning: A case study of the car-sequencing problem, Journal of Automated Reasoning, 1986, 2, 1–42. https://doi.org/10.1007/BF00246021.
Laporte G, Semet F. Classical heuristics for the capacitated VRP, The vehicle routing problem, SIAM, 2002, 109–128. https://doi.org/10.1137/1.9780898718515.ch5.
Ortiz-Aguilar L, Yeovanna HA, Benitez M, Rodriguez-Miranda S, Mendoza-Vazquez F. A Comparison Between Selection Operators Heuristics of Perturbation in CSP, en Hybrid Intelligent Systems Based on Extensions of Fuzzy Logic, Neural Networks and Metaheuristics, Springer, 2023, 365–377. https://doi.org/10.1007/978-3-031-28999-6_23.
Ortiz-Aguilar LM, Echeveste-Ramírez S, Torres-Reyes SM. Esquematización de elementos para un diseño de laboratorio virtual de Sistemas Automotrices en el ITSPR, Reaxion, 2023, 1.
Shih H-T, Yu C-L, Wu M-T, et al. Subclinical abnormalities in workers with continuous low-level toluene exposure. Toxicology and Industrial Health. 2011, 27(8), 691-699. https://doi.org/10.1177/0748233710395348.
Wong O, Fu H. Exposure to benzene and non-Hodgkin lymphoma, an epidemiologic overview and an ongoing case-control study in Shanghai, Chemico-Biological Interactions, 2005, 153, 33–41. https://doi.org/10.1016/j.cbi.2005.03.008.
Zhu CQ, Lam TH, Jiang CQ. Lymphocyte DNA damage in bus manufacturing workers, Mutation Research/Genetic Toxicology and Environmental Mutagenesis, 2001, 491(1–2), 173–181. https://doi.org/10.1016/S1383-5718(01)00141-3.
Guo J, Kauppinen T, Kyyrönen P, Heikkilä P, Lindbohm ML, Pukkala E. Risk of esophageal, ovarian, testicular, kidney and bladder cancers and leukemia among Finnish workers exposed to diesel or gasoline engine exhaust, Internationl Journal of Cancer, 2004, 111(2), 286–292. https://doi.org/10.1002/ijc.20263.
Ortiz-Aguilar L, Yeovanna HA, Benitez M, Rodriguez-Miranda S, Mendoza-Vazquez F. A Comparison Between Selection Operators Heuristics of Perturbation in CSP, en Hybrid Intelligent Systems Based on Extensions of Fuzzy Logic, Neural Networks and Metaheuristics, Springer, 2023, 365–377. https://doi.org/10.1007/978-3-031-28999-6_23.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Lucero Ortíz-Aguilar, Francisco Carreon-Duran, Juan Martín Carpio Valadez, Marcela Palacios Ortega
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Usted es libre de:
 |
Compartir — compartir y redistribuir el material publicado en cualquier medio o formato. |
 |
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. |
Bajo las siguientes condiciones:
 |
Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso. |
| Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia. |
