Robótica para la fabricación.

Los investigadores de ME están explorando cómo la robótica y la inteligencia artificial pueden ayudar a mejorar la seguridad de los trabajadores de fabricación, estandarizar procesos y más.

Por: Lyra Fontaine Foto: Dennis Wise / Universidad de Washington Imagen superior: Los investigadores de ME están utilizando un robot con una cámara estéreo 2D y una pinza paralela (que se muestra arriba) que tiene sensores de presión. Desarrollaron un algoritmo que puede detectar cuándo los objetos se salen de la pinza.

Trabajando junto con socios de la industria, los investigadores de ME están explorando formas de mejorar la seguridad de los trabajadores de fabricación, automatizar las inspecciones y mejorar las capacidades de los robots para interactuar con los objetos que los rodean.

En el Laboratorio de Sistemas de Control, Automatización y Mecatrónica de la Universidad de Washington (MACS Lab), los investigadores estudian cómo las máquinas y los procesos de automatización pueden impactar positivamente la vida de las personas. El laboratorio está dirigido por Xu Chen, profesor de investigación de ingeniería mecánica Bryan T. McMinn.

"La inteligencia artificial está creando nuevas e importantes oportunidades", afirma Chen. “Permitir que los robots manipulen objetos de forma inteligente podría ayudar a los trabajadores a completar las tareas de fabricación. Estoy muy emocionado de resolver desafíos en este espacio”.

En el Centro de Investigación Avanzada de Boeing, la profesora asistente de ME Krithika Manohar desarrolla algoritmos para predecir y controlar sistemas dinámicos complejos, que son situaciones impredecibles donde las condiciones evolucionan con el tiempo. Su trabajo incluye la optimización de sensores para la toma de decisiones en la fabricación de aviones.

"La IA y el aprendizaje automático son muy poderosos en este espacio porque los procesos de ingeniería están estrictamente regulados", afirma. “Sus pruebas de vuelo deben ser extremadamente precisas. El ala de un avión debe estar dentro de un rango estricto de medidas para poder funcionar correctamente. Los modelos de IA, cuando se aplican a estos procesos tan bien controlados, pueden aprender los patrones mucho más fácilmente. Pueden encontrar las variables que afectan los defectos de estas piezas”.

A Manohar le gusta cómo se aplica su trabajo a procesos de fabricación de la vida real, como la predicción de espacios en las cuñas de los aviones.

"Puedo ver cómo se aplica y cómo afecta estas decisiones reales de ingeniería", dice. "Se puede ver en un ala real".

¿Cómo se enseña a los robots a agarrar objetos y detectar cuándo se están resbalando? Un nuevo proyecto en MACS Lab combina retroalimentación visual y táctil en robots industriales que realizan tareas junto con trabajadores humanos. Estudios anteriores han propuesto algoritmos de retroalimentación únicamente visuales o táctiles para agarrar objetos. Este proyecto, financiado por UW + Amazon Science Hub, imita cómo los humanos usan tanto la visión como el tacto para agarrar objetos.

Los investigadores, incluido ME Ph.D. El estudiante Xiaohai Hu y los estudiantes de maestría Apra Venkatesh y Guiliang Zheng, utilizan en sus experimentos un robot con una cámara estéreo 2D y una pinza paralela que tiene sensores de presión. Desarrollaron un algoritmo que detecta cuando un objeto se desliza de la pinza robótica más del 99% de las veces.

El equipo probó su método con 10 objetos comunes, entre ellos una esponja, una caja, una pelota de tenis y un destornillador. También demostraron cómo agarrar un libro de un estante lleno de objetos.

"Este proceso parece intuitivo, pero en realidad es bastante dinámico y difícil para los robots robóticos", dice Chen. “La comprensión robótica es una tarea compleja que implica desafiar problemas de percepción, planificar y ejecutar interacciones precisas y utilizar razonamiento avanzado. En nuestras demostraciones, la fricción también cambia durante el proceso”.

Detectar y evitar que los objetos se salgan de la pinza robótica podrían ser capacidades útiles para los robots que trabajan junto a los trabajadores en entornos como almacenes o instalaciones de fabricación. Por ejemplo, una pinza con capacidad de detección de resbalones podría sostener y mover objetos pesados, como piezas de maquinaria o componentes de automóviles, recoger artículos frágiles sin dañarlos, clasificar artículos como paquetes y manipular artículos mojados o resbaladizos como productos agrícolas.

Ahora que comprenden mejor el agarre y pueden detectar cuándo los objetos se deslizan, el equipo espera aumentar la fuerza de la pinza y cambiar la ubicación desde donde agarra el objeto para evitar que caiga.

LABORATORIO MACS

El laboratorio MACS de la UW construye robots que juegan, realizan tareas y avanzan en la investigación.

APRENDIZAJE AUTOMÁTICO

El aprendizaje automático presenta enormes oportunidades para mejorar la forma en que construimos aviones. La profesora adjunta de ME, Krithika Manohar, apenas está comenzando.

En 2021, 334.500 trabajadores estadounidenses registraron una lesión laboral no mortal en la industria manufacturera, según la Oficina de Estadísticas Laborales de EE. UU. Los trabajadores pueden sufrir lesiones repetidamente al realizar tareas manuales involucradas en la fabricación aeroespacial, como el laminado manual de compuestos, en el que se aplican capas de materiales compuestos y se alisan a mano para conformar las piezas y luego se curan.

Manohar y Ashis Banerjee, profesor asociado de ME y de ingeniería industrial y de sistemas, están trabajando para cuantificar el riesgo ergonómico de los técnicos de Boeing que realizan laminados manuales de materiales compuestos. Lo están haciendo recopilando datos de los empleados participantes, que usan una cámara de seguimiento de movimiento montada en la cabeza y guantes sensores de presión mientras trabajan.

Los investigadores utilizan los datos de la cámara y los guantes para evaluar automáticamente la postura del cuerpo de un trabajador y los movimientos asociados con la lesión. Luego cuantifican los niveles de riesgo ergonómico utilizando métricas estándar establecidas en la industria. El proyecto está financiado conjuntamente por The Boeing Company y el Centro Conjunto para la Innovación en Tecnología Aeroespacial (JCATI).

"Si bien los robots pueden realizar la colocación automatizada de fibras, es difícil duplicar el desempeño de un trabajador humano", dice Manohar. “Actualmente, no hay forma de evaluar de manera cuantificable lo que le sucede al trabajador mientras realiza estos procesos. Estamos cuantificando el riesgo para los trabajadores basándose en datos, en lugar de realizar una evaluación subjetiva”.

Esta evaluación también podría ser relevante para los trabajadores que realizan instalaciones de remachado o cualquier otro trabajo que agregue estrés a las manos.

Los fabricantes lijan piezas de aviones para alisarlas e identificar defectos antes de pintarlas. El MACS Lab es parte de un equipo con GKN Aerospace, GrayMatter Robotics y EWI que está desarrollando una forma de lijar robóticamente piezas de aviones.

El MACS Lab se centra en una parte clave del proyecto: automatizar la inspección visual de las marquesinas y parabrisas de los aviones con arena. Para hacerlo más fácil, los investigadores crearon un robot que inspecciona los materiales tras el proceso de lijado. Una cámara de alta resolución captura imágenes detalladas de la superficie y detecta defectos, como rayones y astillas.

Esta tecnología podría ayudar a los trabajadores que inspeccionan toda la superficie de las piezas de aviones para identificar errores de lijado, un proceso difícil de estandarizar.

"Automatizamos el proceso para mejorar la coherencia", dice Colin Acton, estudiante graduado de ME e investigador del MACS Lab.

El MACS Lab trabaja en la inspección robótica de piezas desde hace más de tres años. Anteriormente, trabajaron con GKN Aerospace en un proyecto para automatizar la inspección de defectos de piezas metálicas complejas. La tecnología que desarrollaron encontró más del 95% de los defectos. Actualmente, Chen y Manohar están trabajando con GE en un proyecto para inspeccionar robóticamente piezas compuestas de motores de aviones.

Otros involucrados en los proyectos incluyen a los estudiantes graduados de ME SangYoon Back, BT Lohitnavy y Thomas Chu y al alumno de ME Hui Xiao, '21.

La investigación fue patrocinada por el Instituto ARM (Robótica Avanzada para la Fabricación) a través de una subvención de la Oficina del Secretario de Defensa y se llevó a cabo bajo el Acuerdo Número W911NF-17-3-0004. Las opiniones y conclusiones contenidas en este documento son las de los autores y no deben interpretarse como representativas de las políticas oficiales, ya sean expresas o implícitas, de la Oficina del Secretario de Defensa o del Gobierno de los EE. UU. El gobierno de los EE. UU. está autorizado a reproducir y distribuir reimpresiones para fines gubernamentales independientemente de cualquier mención de derechos de autor contenida en el presente documento.