La inteligencia artificial en la investigación, la educación y la industria
El uso de la inteligencia artificial en la industria, la educación y la investigación es cada vez más importante. El modelo Garantía de calidad con sistema IA de fischertechnik es ideal para visualizar este complejo tema de una forma práctica. La vinculación de teoría y práctica proporciona una experiencia de aprendizaje sostenible.
Visualización del aseguramiento de la calidad mediante IA con fischertechnik
El uso de la inteligencia artificial en el garantía de calidad aporta muchas ventajas, que ya se están aprovechando, por ejemplo, en la industria automotriz. Permite acortar los procesos, minimizar las tasas de error y los costes y estandarizar la evaluación de errores. El sistema de clasificación fischertechnik se entrega con piezas de tres colores diferentes. Estas piezas están marcadas con tres características de procesamiento, así como con diferentes patrones de errores. La cámara escanea las piezas, que son clasificadas con la ayuda de la IA entrenada para tal fin. La inteligencia artificial usa las características de calidad de las piezas para clasificarlas por color, características y patrón de errores.La IA empleada se programa mediante aprendizaje automático en Tensorflow, en el que se entrenó una red neuronal artificial con datos de imágenes. La IA entrenada se ejecuta en el controlador TXT 4.0 de fischertechnik. El control de secuencia del modelo se implementa en el entorno de programación ROBO Pro Coding y en Python.
Genera tus propias aplicaciones de IA
Si se quiere ir un paso más allá, también se pueden generar aplicaciones de IA propias. El entrenamiento se realiza en Python y se proporciona un correspondiente proyecto de ejemplo como explicación
Modelación de la línea de clasificación con IALínea de clasificación de piezas en 3 colores diferentes (blanco, rojo, azul), con 3 características de mecanizado diferentes (agujero, fresado, agujero+fresado), así como diferentes patrones de defectos (agujero fuera de la circunferencia, agujero ausente, fresado ausente total o parcialmente, grietas en la pieza). Estas características de mecanizado y defectos se simulan con las correspondientes etiquetas adhesivas en las piezas. Las piezas son escaneadas por la cámara y clasificadas con la ayuda de la IA entrenada. En función del color, las características y el patrón de defectos, las piezas se clasifican en 4 compartimentos diferentes. La IA se realiza con Tensorflow y se ejecuta en el controlador TXT 4.0. También se pueden generar modelos de IA propios. La formación tiene lugar en un ordenador en Python. Se proporciona el correspondiente proyecto de ejemplo. El control de secuencia para el sistema de clasificación se implementa en el entorno de programación ROBO Pro Coding y en Python.