Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas

Jiménez Gómez, Maricel

Publicación:
Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas

dc.contributor.author	Jiménez Gómez, Maricel
dc.date.accessioned	2024-04-15T20:00:07Z
dc.date.available	2024-04-15T20:00:07Z
dc.date.issued	2015
dc.description	65 páginas
dc.description.abstract	En la planta de pintura de plásticos de una empresa del sector automovilístico ingresan piezas continuamente según un plan de producción diario. Dado que no se tiene un sistema automático de conteo y clasificación de las piezas y el actual es poco confiable, los errores en el conteo elevan los costos de producción. Esto se debe a que no se aprovechan los recursos en su totalidad cuando hay piezas faltantes en la producción, lo que conlleva al aumento de desperdicios provenientes de materiales no reutilizables. Con el fin de mejorar este proceso se desarrolla un algoritmo de predicción basado en Máquinas de Soporte Vectorial (SVM), en el cual por medio de un conjunto de características propias de cada pieza se realiza el reconocimiento, la clasificación y el conteo de cada una de estas. Al final, utilizando un prototipo para simular el proceso de la planta, se obtiene como resultado del modelo de predicción desarrollado una sensibilidad y especificidad, para la mayoría de las piezas, de más del 95% de confiabilidad con una velocidad de procesamiento aproximadamente de 200 ms.	spa
dc.description.abstract	In a plastic painting plant of an automotive sector company there are pieces entering continuously according to plan daily production. Due to the lack of an automatic counting and classification system of these pieces and that the system currently used is not reliable, counting errors increase production costs. This is because resources are not fully exploited when there are missing pieces in production, causing the raise of waste resulting from non-reusable materials. To solve this problem, a prediction algorithm based on Support Vector Machines (SVM) is developed to achieve pieces recognition, classification and counting, starting from features sets of each piece. At last, the developed prediction model generates for most of the pieces a result that exceeds the 95% of reliability in sensitivity and specificity values with a processing speed of about 200 ms. The system is proved using a prototype to simulate the process in the plant.	eng
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Mecatrónico
dc.format.mimetype	application/pdf
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/6515
dc.language.iso	spa
dc.publisher	Universidad EIA
dc.publisher.faculty	Escuela de Ingeniería y Ciencias Básicas
dc.publisher.place	Envigado, Antioquia
dc.publisher.program	Ingeniería Mecatrónica
dc.rights	Derechos Reservados - Univesidad EIA - 2015
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposal	Predicción	spa
dc.subject.proposal	Reconocimiento de Patrones	spa
dc.subject.proposal	Especificidad	spa
dc.subject.proposal	Sensibilidad	spa
dc.subject.proposal	SVM	spa
dc.subject.proposal	SVM	eng
dc.subject.proposal	Sensitivity	eng
dc.subject.proposal	Specificity	eng
dc.subject.proposal	Pattern Recognition	eng
dc.subject.proposal	Prediction	eng
dc.title	Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas
dc.type	Trabajo de grado - Pregrado
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.redcol	http://purl.org/redcol/resource_type/TP
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication