Professional Documents
Culture Documents
PROYECTO DE GRADO
Presentado ante la ilustre UNIVERSIDAD DE LOS ANDES como requisito parcial para
obtener el Título de INGENIERO DE SISTEMAS
Por
Septiembre, 2006
Dedicatoria .................................................................................................................iii
Índice.......................................................................................................................... iv
Índice de Tablas ....................................................................................................... viii
Índice de Figuras........................................................................................................ ix
Agradecimientos.......................................................................................................xiii
Capítulo 1 Introducción ......................................................................................... 1
1.1 Antecedentes ................................................................................................ 1
1.2 Definición del problema............................................................................... 2
1.3 Justificación ................................................................................................. 3
1.4 Objetivos....................................................................................................... 5
1.4.1 Objetivo General....................................................................................... 5
1.4.2 Objetivos Específicos................................................................................ 5
1.5 Estructura del documento............................................................................ 5
Capítulo 2 La empresa y el proceso........................................................................ 7
2.1 La empresa Sidor C.A. .................................................................................. 7
2.1.1 Planta de Pellas ...................................................................................... 10
2.1.1.1 Manejo de Materiales ..........................................................................11
2.1.1.2 Molienda ..............................................................................................11
2.1.1.3 Peletización ..........................................................................................11
2.1.2 El proceso en Planta de Pellas................................................................ 12
2.1.2.1 Variables de control del proceso ........................................................ 13
2.2 Proceso de Peletización .............................................................................. 13
2.2.1 Pellas....................................................................................................... 14
2.2.2 Mecanismo de formación de pellas........................................................ 15
2.2.3 Disco peletizador (Disco de boleo)..........................................................17
2.2.3.1 Principales componentes del disco .....................................................17
2.2.3.2Operación del disco de boleo.............................................................. 18
2.2.4 Factores que influyen en la formación de pellas.................................... 19
2.2.4.1 Tipo y cantidad del agente humectante usado (agua) .......................20
2.2.4.2Fineza y forma de las partículas ......................................................... 21
2.2.4.3Tipo y cantidad de los aditivos aglomerantes usados ........................ 21
2.2.4.4Dispositivos en el equipo de boleo para regular las fuerzas que
intervienen .......................................................................................... 23
Capítulo 3 Marco Teórico .....................................................................................26
3.1 Visión Artificial...........................................................................................26
3.1.1 Elementos de un sistema de visión artificial .........................................26
3.1.1.1 Fuente de luz....................................................................................... 27
3.1.1.2 Sensores de imagen ............................................................................38
3.1.1.3 Tarjetas de captura (adquisidora) ...................................................... 39
3.1.1.4 Algoritmos de análisis de imagen.......................................................40
3.1.1.5 Extracción y selección de características ........................................... 41
3.1.1.6 Reconocimiento de formas e inteligencia artificial............................42
3.1.1.7 Computadora o módulo de proceso ...................................................42
3.1.1.8 Sistema de respuesta en tiempo real .................................................. 43
3.2 Sistemas Expertos (SE) .............................................................................. 43
3.2.1 Aplicaciones............................................................................................44
3.2.2 Áreas de aplicación................................................................................. 45
3.2.3 Ventajas .................................................................................................. 47
3.2.4 Limitaciones ........................................................................................... 47
3.2.5 Arquitectura básica ................................................................................48
3.2.5.1 Base de conocimientos .......................................................................49
3.2.5.2 Base de hechos (Memoria de trabajo) ................................................49
3.2.5.3 Motor de inferencia ............................................................................50
3.2.5.4 Subsistema de explicaciones .............................................................. 51
3.2.5.5 Interfaz de usuario.............................................................................. 52
3.2.6 Tipos de Sistemas Expertos ................................................................... 52
3.2.6.1 Sistemas Expertos basados en reglas ................................................. 53
3.2.6.2Sistemas Expertos basados en casos (Case Based Reasoning) ......... 53
3.2.6.3 Sistemas Expertos basados en reglas bayesianas .............................. 53
3.2.7 Metodología para el desarrollo de Sistemas Expertos........................... 53
3.2.7.1 Análisis y descripción del problema................................................... 53
v
3.2.7.2 Especificación de requerimientos ...................................................... 55
3.2.7.3 Análisis de costos, tiempo y recursos ................................................. 56
3.2.7.4 Ingeniería del conocimiento............................................................... 56
3.2.7.5 Diseño preliminar del Sistema Experto ............................................. 57
3.2.7.6 Desarrollo e implantación del Sistema Experto.................................58
Capítulo 4 Sistema de Visión Artificial ................................................................ 59
4.1 Metodología de desarrollo e implementación ........................................... 59
4.1.1 Fuente de luz .......................................................................................... 61
4.1.2 Sensor de imagen ................................................................................... 63
4.1.3 Tarjeta de adquisición de imágenes....................................................... 63
4.1.4 Análisis de imagen y reconocimiento de formas ................................... 63
4.1.4.1 Filtrado (pre-procesamiento) y Segmentación (aislamiento objetos de
interés) ................................................................................................64
4.1.4.2 Extracción y selección de características ...........................................68
4.1.5 Módulo de proceso .................................................................................69
4.1.6 Adquisidor de radios ..............................................................................69
4.2 Evaluación del Sistema de Visión .............................................................. 70
4.2.1 Iluminación ............................................................................................ 70
4.2.1.1 Iluminación por leds........................................................................... 70
4.2.1.2 Iluminación por fluorescente ............................................................. 72
4.2.2 Procesamiento ........................................................................................ 74
Capítulo 5 Sistema Experto en Peletización ........................................................ 77
5.1 Metodología................................................................................................ 77
5.1.1 Análisis y descripción del problema ...................................................... 77
5.1.1.1 Descripción general del problema...................................................... 77
5.1.1.2 Especificación de requerimientos ......................................................80
5.1.1.3 Ingeniería del conocimiento...............................................................89
5.1.1.4 Diseño preliminar del Sistema Experto ............................................. 93
5.2 Desarrollo e implantación........................................................................ 105
5.2.1 Construcción del prototipo .................................................................. 105
5.2.2 Validación del prototipo....................................................................... 108
5.2.3 Construcción del modelo operacional.................................................. 109
5.2.3.1 Adquisidor de entradas..................................................................... 109
vi
5.2.3.2 Sistema Experto................................................................................. 111
5.2.3.3 Interfaz gráfica...................................................................................114
5.3 Evaluación del Sistema Experto............................................................... 122
5.3.1 Verificación del Sistema Experto ......................................................... 123
5.3.2 Validación del Sistema Experto ........................................................... 124
5.3.3 Usabilidad del Sistema Experto ........................................................... 125
5.3.4 Utilidad del Sistema Experto ............................................................... 126
5.4 Evaluación del Sistema Completo............................................................ 126
Capítulo 6 Conclusiones ..................................................................................... 128
Capítulo 7 Recomendaciones ............................................................................. 130
Bibliografía ...............................................................................................................131
Apéndice A Especificaciones de la cámara Legend530 ....................................... 134
Apéndice B Base de Conocimientos del Sistema Experto ................................... 135
B.1 Modelo conceptual ................................................................................... 135
B.2 Modelo computable.................................................................................. 136
B.2.1 Diagramas de flujo computables...........................................................137
B.2.2 Reglas en CLIPS ................................................................................... 138
Apéndice C Archivos del Sistema......................................................................... 148
C.1 Librería (pellaslib.lib)............................................................................... 148
C.1.1 Funciones de tratamiento de datos y cálculo de variables (pellas.c) .. 148
C.1.2 Almacenamiento y consulta de datos (db_util.c) ................................ 150
C.2 Adquisidor de datos de la cámara (AdqCamPellas.c)...............................151
C.3 Adquisidor de Sistema Experto (AdquisidorPellas.c) ..............................151
vii
Índice de Tablas
x
Figura 54. Imagen capturada con iluminación por fluorescente directa................. 74
Figura 55. Imagen capturada con iluminación por fluorescente indirecta.............. 74
Figura 56. Imagen original capturada. ..................................................................... 75
Figura 57. Extracción de pellas, error al obtener un cúmulo de ellas. ..................... 76
Figura 58. Resultado luego de incorporar la densidad como requisito. .................. 76
Figura 59. Diseño preliminar de la pantalla .............................................................82
Figura 60. Diagrama Entradas-Salida del Sistema Experto ....................................84
Figura 61. Arquitectura de Red de Planta de Pellas ................................................88
Figura 62. Conexiones de la PC para el Sistema Experto.........................................89
Figura 63. Diagrama de respuesta ante la variación del flujo másico de entrada. .. 91
Figura 64. Diagrama de respuesta ante la variación de la velocidad al disco.......... 91
Figura 65. Diagrama de respuesta ante la variación del agua de entrada al disco. .92
Figura 66. Diagrama general de acciones................................................................. 93
Figura 67. Arquitectura del Sistema ......................................................................... 93
Figura 68. Límites de un grafico de control ............................................................. 95
Figura 69. Arquitectura de T-Expert ........................................................................ 97
Figura 70. Sistema de adquisición I-vision ............................................................ 103
Figura 71. Diagrama de flujo para el caso 1 de las reglas de las Western Electric. 106
Figura 72. Diagrama de flujo para el caso 2 de las reglas de la Western Electric. . 106
Figura 73. Diagrama de flujo para el caso 3 de las reglas de la Western Electric. . 107
Figura 74. Diagrama de flujo para el caso 4 de las reglas de las Western Electric.108
Figura 75. Diagrama de flujo modificado para el caso 1......................................... 109
Figura 76. Formato de entrada al Sistema Experto.................................................110
Figura 77. Caso 1 desarrollado en T-Expert.............................................................112
Figura 78. Reglas programadas en CLIPS para el caso 1.........................................114
Figura 79. Pantalla principal....................................................................................115
Figura 80. Menú desplegable de cada variable .......................................................116
Figura 81. Tendencia de variables y configuración ................................................. 117
Figura 82. Estados del tamaño de las pellas con su respectivo led.........................118
Figura 83. Recomendación mostrada por el Sistema Experto................................119
xi
Figura 84. Pantalla de históricos ............................................................................ 120
Figura 85. Pantalla de históricos resaltados............................................................121
Figura 86. Módulos del sistema completo e interacción.........................................121
Figura A.1. Dimensiones de Legend530 ................................................................. 134
Figura B.1. Diagrama de flujo modificado para el caso 2. ...................................... 135
Figura B.2. Diagrama de flujo modificado para el caso 3....................................... 136
Figura B.3. Diagrama de flujo modificado para el caso 4....................................... 136
Figura B.4. Diagrama de flujo computable para el caso 2.......................................137
Figura B.5. Diagrama de flujo computable para el caso 3.......................................137
Figura B.6. Diagrama de flujo computable para el caso 4...................................... 138
xii
Agradecimientos
A mi Dios, por estar siempre a mi lado, gracias por ser mi fuente de fuerza y
entereza para seguir siempre luchando.
A mi precioso ángel de la guarda, gracias por acompañarme siempre y
darme la fuerza para seguir adelante y culminar este proyecto.
A mi querida mamá, una mujer excepcional quien me enseñó el poder del
amor de madre; gracias por tu amor incondicional y tu apoyo, por haber estado
siempre allí cuando necesité de ti.
A mi adorado papá, gracias por todo tu apoyo, por enseñarme la
importancia de la constancia y la exigencia. Tus consejos llenos de amor, siempre
llegaron en el momento oportuno para mantenerme en mi camino.
A mi hermana Rebeca, la luz de mis ojos, mi mejor amiga. Gracias mi niña
por ser el refugio, la esperanza y la alegría cada vez que la necesito.
A mi hermano Julio César, mi mejor amigo y quien ha sido el apoyo para
siempre mantenerme de pie. Gracias mi chino por estar siempre dispuesto cuando
necesité de tu ayuda.
A mi abuelita del alma, Estela, por tanto amor y tantas enseñanzas, tu
experiencia compartida me ha enseñado más de lo que podría imaginar.
A toda mi familia, por preocuparse siempre por mí. Se les quiere.
A la ilustre Universidad de Los Andes por ser la fuente inagotable de
conocimientos que logró saciar mi sed de ellos durante toda mi carrera.
A mi tutor, el Prof. Edgar Chacón, y mi co-tutor, el Prof. Eliécer Colina, por
ser mis guías y mentores en el desarrollo de este trabajo de investigación.
A mis tutor industrial, Juan Colmenares, por acompañarme y ayudarme en
la increíble jornada emprendida para desarrollar este proyecto. Igualmente a toda
la Sección de Modelos, especialmente a José Lara, por el apoyo y la colaboración
brindada.
A mis amigos de la Universidad por compartir a mi lado, cada uno en su
momento, esta etapa tan importante de mi vida.
Al CDCHT por el apoyo financiero brindado para el desarrollo de este
proyecto.
xiii
Capítulo 1
Introducción
Una forma eficiente de modernización, y muy común en los últimos años, ha sido la
introducción de sistemas de automatización avanzados con la finalidad de
controlar y optimizar los procesos industriales; su implementación tiende a
minimizar el error que aporta la intervención humana directa y maximizar el
rendimiento de dicho proceso.
Este trabajo muestra el desarrollo y la implementación de un sistema
automatizado en tiempo real; se trata de un sistema experto en peletización, el cual
utiliza la visión artificial como herramienta para extraer la información principal
del proceso de peletización, específicamente la granulometría1 de las pellas
producidas en un disco peletizador de la Planta de Pellas ubicada en Sidor C.A.
1.1 Antecedentes
Sidor C.A. es una empresa privada dedicada a la producción de productos de acero
y subproductos de procesos básicos utilizando para ello mineral de hierro. Está
integrada por una planta de pellas, un complejo de reducción directa y dos grandes
complejos productivos: el de productos largos y el de planos, los que producen
bobinas, láminas, barras, palanquillas, alambrón y cabillas, entre otros. El mineral
de hierro es combinado con una serie de aglomerantes en cierta proporción y
convertido en pellas (esferas producidas por aglomerados de finos de mineral de
hierro concentrado) con características químicas y físicas bien definidas que pasan
a ser la materia prima en la producción del acero.
1 La granulometría es la distribución de los tamaños de las partículas de un material, tal como se determina por
análisis de tamices (norma ASTM C 136).
Capítulo 1 - Introducción 2
2 El tamizado de la muestra permite determinar la granulometría de las pellas. Los tamices que se utilizan en Planta de
Pellas son: 1/4”; 1/2“; 3/8” y 5/8”.
3 Para llegar a esta conclusión, el operador calcula la fracción de pellas en cada tamiz. Se desea que la suma de las
fracciones de 1/2” y 3/8”, lo que se denomina “Fracción Útil” sea mayor o igual a 90%.
Capítulo 1 - Introducción 3
1.3 Justificación
La forma esférica de la pella es una característica fundamental dentro del proceso
de producción de acero; ésta sufre una serie de procesos consecutivos que van
desde la oxido-reducción, para convertirla en una esfera de hierro esponja o hierro
metálico (Hierro de Reducción Directa HRD), hasta la fundición para obtener
acero líquido que posteriormente será vertido en moldes y así formar productos
planos o largos dependiendo de las necesidades del cliente.
El tamaño que alcanzan las pellas verdes, se convierte entonces en una pieza
clave dentro del proceso de producción; ya que la existencia de pellas muy
pequeñas ocasiona una aglomeración de las mismas durante el proceso de óxido-
reducción lo que facilita la presencia de grandes masas sin forma definida ni
características físicas y químicas deseadas; y pellas grandes no permiten que ocurra
la pérdida de fracción de oxígeno adecuada y requerida para la posterior
producción de acero de alta calidad. Es por esto que se vuelve necesario mantener
un control estricto sobre el tamaño de las mismas; mientras mayor cantidad de
Capítulo 1 - Introducción 4
1.4 Objetivos
1.4.1 Objetivo General
Diseñar e implementar un sistema de control para el tamaño de las pellas
producidas en uno de los discos peletizadores en la Planta de Pellas de Sidor C.A.
incorporando para ello, técnicas de Visión Artificial.
La empresa y el proceso
hojalata I, II, III y IV; corte en frío I y II; instalaciones auxiliares; tajado en
frío; tren de barras; tren de Alambrón.
• Planta de briquetas: la planta que originalmente se construyó no está en
operación, sin embargo, Sidor y TENARIS en reciente compra adquirieron
los activos de la briquetera POSVEN.
• Planta de cal: consta de tres zonas: transporte de materia prima,
calcinación y molienda. Adicionalmente disponible de instalaciones
auxiliares y fluidos industriales, tales como electricidad, oxigeno, gas
natural, agua, etc., además de otros servicios como el muelle, transporte,
vigilancia, bomberos, etc. La cal es utilizada como aglutinante en la Planta
de pellas y como fundente en las acerías eléctricas.
• Terminal portuario: con una longitud de 1195 metros, con capacidad
para atracar, simultáneamente hasta 6 buques.
Existe un conjunto de plantas de servicio y apoyo a la parte productiva de
Sidor, estas son: Planta de oxigeno, Planta de preparación de chatarra, Sistema de
control de la contaminación ambiental, Plantas de recirculación de agua, Planta de
tratamiento de aguas negras, Sub-estaciones eléctricas, Servicios de apoyo,
Talleres, Investigación, Proyectos, Alimentarios, Transporte.
La agrupación de varias de estas instalaciones genera tres sistemas
productivos:
• Sistema de reducción
• Sistema de productos planos
• Sistema de productos largos
El sistema de reducción está constituido por la Planta de Pellas y las plantas
de reducción directa. Su objetivo fundamental es producir las unidades de metálico
necesarias para la producción de acero de Sidor C.A. En la Figura 2 se muestra un
esquema del sistema de reducción de Sidor C.A.
Capítulo 2 - La empresa y el proceso 10
Es el área que suministra mezcla de mineral fino y aditivos. Además, en esta área se
almacenan y suministran pellas.
2.1.1.2 Molienda
Tiene dos líneas que constan de dos secadores de tambor, dos molinos de bolas,
dos separadores neumáticos, un silo de material fino y dos líneas de mezclado cada
una.
2.1.1.3 Peletización
Esta área consta igualmente de dos líneas que se dividen a su vez en: peletización
verde, sección de induración y estación de cribado. Además se emplean para el
desempolvado de equipos de lavadores húmedos. El polvo aspirado por los
lavadores se añade al material a peletizar a través de un espesador bajo la forma de
pulpa.
Es aquí específicamente donde se produce el proceso de formación de pellas;
el área consta de dos líneas de producción (A y B) exactamente iguales, cada una de
las cuales tiene 6 discos peletizadores idénticos, Figura 4, equipo utilizado para
formar las pellas. La capacidad nominal de cada disco se cifra en una 90 Tn./Hr; su
Capítulo 2 - La empresa y el proceso 12
diámetro es de aproximadamente 7,5 Mt. y poseen una velocidad variable entre 5,4
y 7 r.p.m [ 15 ].
2.2.1 Pellas
La pella es un aglomerado de finos de mineral de hierro concentrado de forma
esférica y cierta cantidad de características físicas y químicas bien definidas, que se
utiliza en los procesos de reducción para la obtención de hierro de reducción
directa [ 21 ]. Entre las características más importantes podemos resaltar, véase
Meyer, 1980 [ 17 ].
• Distribución de tamaño uniforme dentro de un rango principal de 9-15 mm
de diámetro.
• Alta porosidad, de un 20 a 30%.
• Alto contenido de hierro, más de 63%.
• Composición mineralógica uniforme.
• Baja tendencia a la abrasión y buen comportamiento durante su
movilización.
Capítulo 2 - La empresa y el proceso 15
La idea es utilizar la mayor área posible del disco para la formación de pellas.
Debido a la larga duración que tiene la formación de pellas, ocurre una clasificación
para descargar las pellas del tamaño deseado, la cantidad necesaria de
alimentación del mineral corresponde a la cantidad de pellas descargadas.
Para iniciar el movimiento rotatorio hacia abajo, el disco es inclinado con
cierto ángulo de manera que el material cargado exceda el ángulo dinámico de
reposo. Debido a la fuerza de levantamiento del fondo áspero del disco y la fuerza
de fricción del material, las partículas más finas son levantadas hasta el punto de
culminación, de donde son forzadas a rodar hacia abajo. Las pellas ya formadas
caen antes y ruedan hacia abajo sobre la superficie de carga, mientras sus
diámetros se van incrementando. Gracias al arreglo adecuado de los raspadores la
carga es guiada para que durante la rotación hacia abajo se produzca una
clasificación.
Capítulo 2 - La empresa y el proceso 19
La humedad necesaria para cubrir todas las partículas de mineral con una capa
delgada de agua, es referida en la literatura como humedad crítica y depende de
características del mineral. En general, menor cantidad de agua dificulta la
formación de los núcleos y les resta plasticidad. Esto hace que al colisionarse con
otros o durante su manejo, se rompan en lugar de deformarse.
Un exceso de agua, además de producir aglomerados muy grandes,
generalmente produce una mayor plasticidad en las pellas verdes, que tiene efectos
nocivos para la permeabilidad de la cama durante el cocimiento.
La propiedad del agua que tiene mayor efecto en la formación de los núcleos
es su tensión superficial. Esta propiedad puede ser afectada por reactivos químicos
que se adicionan para operaciones anteriores, como son los agentes espumantes
usados en la flotación de minerales. En caso de que la tensión superficial del agua
Capítulo 2 - La empresa y el proceso 21
En el disco, la inclinación del fondo, las paredes laterales, y los raspadores tiene la
función de iniciar y mantener el movimiento de rotación; en este sentido es
importante obtener que el material a ser peletizado ruede hacia abajo una máxima
distancia, esto se logra a través de la inclinación del disco, su fuerza de
levantamiento y la fricción de la carga.
2.2.4.4.1 Inclinación del disco y altura de los bordes
Figura 10. Relación entre inclinación, altura de las paredes y ángulo de reposo del disco.
El ángulo de inclinación con respecto a la horizontal que genera una máxima
tasa de producción en los discos de diámetro aproximado de 6 mt. varía entre 45º y
48º de acuerdo al coeficiente de fricción del mineral y el coeficiente de
levantamiento.
Mientras mayor sea el ángulo menor será el tamaño de las
pellas producidas [ 30 ].
La altura de los bordes también está determinada por el ángulo de
inclinación; el volumen de llenado depende ambos factores.
2.2.4.4.2 Velocidad de rotación del disco
se encuentra entre 6 y 7 r.p.m. con diámetros entre 6,5 y 7 mt. lo que genera una
velocidad circunferencial de 140 a 160 m/min.
Mientras mayor sea la velocidad de rotación del disco mayor
será el tamaño de las pellas producidas [ 30 ].
2.2.4.4.3 Diámetro del disco
Gracias al diseño simple y el modo de operación del disco de boleo, éste puede ser
utilizado para peletización en pequeñas cantidades. Un disco de boleo de
laboratorio posee aproximadamente de 0.8 a 1 mt de diámetro; en la grandes
plantas de peletización discos de 6.5 a 7.5 mt. de diámetro se encuentran en
operación. El tamaño del área del disco no tiene influencia en la calidad de la pella;
sin embargo, el diámetro y el área del disco son decisivos en la cantidad de pellas
producidas.
Marco Teórico
muy serio y costoso asumir que se puede compensar una iluminación inadecuada
con la implementación digital de un algoritmo.
En un sistema de visión artificial, la mejor imagen es aquella que tiene el
mayor contraste donde las áreas de interés se destacan del fondo (background)
intrascendente. La mejor imagen es aquella que facilita la tarea del sistema de
visión.
Los objetivos de una iluminación adecuada son, básicamente, independizar
las condiciones del entorno y resaltar los rasgos de interés de una determinada
aplicación. Para que una característica aparezca en una imagen, la luz debe venir de
la fuente de iluminación, reflejarse en el objeto y ser recolectada por la lente, como
se puede observar en la Figura 12.
Figura 13. Iluminación posterior difusa Figura 14. Iluminación posterior direccional
Aplicaciones típicas incluyen la medición de las dimensiones exteriores, la
ubicación de los puntos de sujeción (perforaciones para tornillos) y la medición de
la opacidad de materiales traslúcidos o de su espesor.
3.1.1.1.1.2 Iluminación Frontal Oblicua y Direccional.
Figura 15. Iluminación frontal oblicua Figura 16. Iluminación frontal direccional
Entre los dispositivos comerciales se pueden encontrar los anillos y los
domos. Los anillos, Figura 17, son adecuados para superficies planas y difusas.
Están disponibles en espectro blanco, rojo, IR, UV, azul, verde, iluminación
continua o pulsante, con lente difusor (Figura 18) o no difusor. Los domos, Figura
19, producen una iluminación difusa y uniforme. Se utilizan para iluminar
superficies reflectivas.
Figura 17. Anillo Figura 18. Anillo con difusor Figura 19. Domo
Mediante esta técnica se puede iluminar desde el mismo eje de la cámara con luz
uniforme, incluyendo el centro de la imagen. Permite iluminar uniformemente
superficies reflectivas, realza detalles grabados y crea contraste entre superficies
especulares y difusas / absorbentes.
El dispositivo comercial de la Figura 20 envía luz mediante el divisor de
haces prácticamente a 90 grados. Provee iluminación uniforme para superficies
reflectivas planas. De esta forma, las superficies reflectivas perpendiculares a la
Capítulo 3 - Marco Teórico 31
cámara se ven iluminadas, mientras que aquellas que se encuentran a otros ángulos
aparecen oscuras.
Se trata de luz directa de alta intensidad que se hace incidir sobre el objeto con un
ángulo muy pequeño respecto a la superficie donde descansa, Figura 23. De esta
manera conseguimos que, sobre superficies que presentan hendiduras o
elevaciones, éstas interfieran en la trayectoria de la luz produciéndose zonas
brillantes.
Esta técnica consiste en hileras de LED’s montadas a 75º ó 90º con respecto
al eje óptico. La iluminación puede ser continua o pulsante (estroboscópica).
Además del modelo en anillo, también se fabrican con haces paralelos ajustables
individualmente. La iluminación de campo oscuro realza el contraste de los detalles
superficiales tales como grabados, marcas y defectos.
Capítulo 3 - Marco Teórico 33
Figura 23. Iluminación de campo oscuro Figura 24. Dispositivo comercial iluminación de
campo oscuro
La luz producida por el array de luces llega directamente al objeto. Produce un gran
contraste y resalta las texturas, relieves y fisuras del objeto iluminado debido a que
cualquier relieve produce una sombra muy definida.
El ángulo de incidencia de la luz respecto al plano de iluminación
determinará el grado de resalte de los relieves. Para ángulos muy pequeños, la luz
producirá sombras en los relieves de la pieza. Para ángulos cercanos a 90 grados
respecto a la horizontal, solo será detectable la sombra en los grandes relieves.
Figura 26. Spot (luz puntual) Figura 27. Array de leds comercial
La fuente de luz es uniforme y difusa (suave) e incide con un pequeño ángulo sobre
la superficie reflectante del objeto a inspeccionar.
La cámara se coloca con el mismo ángulo de forma que obtenga una imagen
reflejada de la fuente de luz en la superficie el objeto inspeccionado.
Una posible imperfección en el mismo producirá una mancha oscura en la
imagen captada por la cámara. La mancha oscura que se apreciará en la cámara es
debida a la variación del ángulo de reflexión que produce la imperfección con
respecto al ángulo de la luz incidente, perdiéndose el reflejo de la fuente de
iluminación.
Indicado para detectar rayas, fisuras y deformaciones en objetos con
superficies planas y brillantes.
La técnica de campo claro o brillante puede realizarse con un array de leds.
Los sensores de imagen son componentes sensibles a la luz que modifican su señal
eléctrica en función de la intensidad luminosa que perciben. La tecnología más
habitual en este tipo de sensores es el CCD (charge coupled devices o dispositivos
de acoplamiento de carga) donde se integra en un mismo chip los elementos
fotosensibles y el conjunto de puertas lógicas y circuitería de control asociada. En
éstos, la señal eléctrica que transmiten los fotodiodos es función de la intensidad
luminosa que reciben, su espectro, y el tiempo de integración (tiempo durante el
cual los fotodiodos son sensibles a la luz incidente), véase [ 2 ].
Otra tecnología que está empezando a extenderse son los sensores CMOS
(complementary metal oxide semiconductor) dada las ventajas de éstos sobre los
CCD, y la reducción de precios de estos dispositivos. En cuanto al rango dinámico
(rango de amplitud entre los valores máximos y mínimos que un elemento puede
producir, medido en decibeles) se pasa de los 70dB de los sensores CCD a los
120dB de los sensores CMOS, valor más cercano a los 200dB del ojo humano, lo
que facilita la autoadaptación en el propio chip al brillo existente en el entorno. El
sensor CMOS puede amplificar de forma individual la respuesta de los píxeles en
función de sus respectivas condiciones de iluminación.
3.1.1.2.1 Resolución
3.1.1.2.2 Cuantización
Los algoritmos relacionados con visión artificial son muy variados y abarcan
numerosas técnicas y objetivos. Los pasos más comunes en que consiste el análisis
o procesamiento de imagen se muestran en la Figura 33.
Con los objetos a estudiar ya definidos, es necesario extraer una serie de medidas
que los caractericen adecuadamente, en forma de vector de características. Como
norma general, para la elección de características se intenta que:
• Sean discriminantes, es decir, tengan valores numéricos diferentes para
clases diferentes.
• Sean fiables, es decir, tengan valores parecidos dentro de una misma clase.
• Estén incorreladas, es decir, obtener la misma información con el mínimo
número de características.
• Se calculen en un tiempo aceptable, de manera que sea utilizable en
problemas de tiempo real.
Capítulo 3 - Marco Teórico 42
3.2.1 Aplicaciones
Un sistema experto es muy eficaz cuando tiene que analizar una gran cantidad de
información, interpretándola y proporcionando una recomendación a partir de la
misma [ 25 ].
Un ejemplo es el análisis financiero y gestiones empresariales, donde se
estudian las oportunidades de inversión, dependiendo de los datos financieros de
un cliente y de sus propósitos; en este campo son de gran utilidad los SE, ya que
casi todas las empresas disponen de un computador que realiza las funciones
básicas de tratamiento de la información: contabilidad general, decisiones
financieras, gestión de la tesorería, planificación, etc. Además, este trabajo implica
manejar grandes volúmenes de información y realizar operaciones numéricas para
después tomar decisiones, lo que crea un terreno ideal para la implantación de los
SE.
Capítulo 3 - Marco Teórico 45
• Geología • Industria
• Arqueología • Finanzas y Gestión
Diseño
• Instalaciones fabriles
productos distribución (correos,
energía)
• Diseño de productos
• Comprobación de • Mantenimiento
créditos médico (Hospitales)
Diagnóstico
hipotecas • Cálculo de riesgos • Diagnóstico técnico
3.2.3 Ventajas
Los Sistemas Expertos proporcionan la capacidad de trabajar con grandes
cantidades de información, que viene siendo uno de los grandes problemas que
enfrenta el analista humano y que puede afectar negativamente a la toma de
decisiones, ya que el analista humano puede depurar datos que no considere
relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda la
información incluyendo las no útiles para aportar, de esta manera, una decisión
más sólida. Con los sistemas expertos se busca una mejor calidad y rapidez en las
respuestas dando así lugar a una mejora de la productividad del experto [ 32 ].
Entre las ventajas más importantes que brindan los SE se pueden citar:
• Permanencia: A diferencia de un experto humano un SE no envejece, y
por tanto no sufre pérdida de facultades con el paso del tiempo.
• Duplicación: Una vez programado un SE se puede duplicar infinidad de
veces.
• Rapidez: Un SE puede obtener información de una base de datos y realizar
cálculos numéricos mucho más rápido que cualquier ser humano.
• Bajo coste: A pesar de que el coste inicial pueda ser elevado, gracias a la
capacidad de duplicación el coste finalmente es bajo.
• Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o
dañinos para el ser humano.
• Fiabilidad: Los SE no se ven afectados por condiciones externas, un
humano sí (cansancio, presión, etc.).
3.2.4 Limitaciones
Es evidente que para actualizar se necesita de reprogramación de estos (tal vez este
sea una de sus limitaciones más acentuadas), otra de sus limitaciones puede ser el
elevado costo en dinero y tiempo, además que estos programas son poco flexibles a
cambios y de difícil acceso a información no estructurada [ 14 ].
Debido a la escasez de expertos humanos en determinadas áreas, los SE
pueden almacenar su conocimiento para poder aplicarlo cuando sea necesario. Así
mismo, los SE pueden ser utilizados por personas no especializadas para resolver
problemas. Además, si una persona utiliza con frecuencia un SE aprenderá de él.
Capítulo 3 - Marco Teórico 48
La base de datos o base de hechos es una parte de la memoria del computador que
se utiliza para almacenar los datos recibidos inicialmente para la resolución de un
problema. Contiene conocimiento sobre el caso concreto en que se trabaja; también
Capítulo 3 - Marco Teórico 50
que se intenta es probar una hipótesis a partir de los hechos contenidos en la base
de datos y de los obtenidos en el proceso de inferencia.
En la mayoría de los sistemas expertos se utiliza el encadenamiento
regresivo. Este enfoque tiene la ventaja de que el sistema va a considerar
únicamente las reglas que interesan al problema en cuestión. El usuario comenzará
declarando una expresión y el objetivo del sistema será establecer la verdad de esa
expresión.
Para ello se pueden seguir los siguientes pasos [ 25 ]:
• Obtener las reglas relevantes, buscando la expresión en la parte consecuente
(éstas serán las que puedan establecer la verdad de la expresión).
• Si no se encuentran reglas para aplicar, entonces no se tienen datos
suficientes para resolver el problema; se termina sin éxito o se piden al
usuario más datos.
• Si hay reglas para aplicar, se elige una y se verifica su parte condición con
respecto a la base de datos.
• Si la condición es verdadera en la base de datos, se establece la veracidad de
la expresión y se resuelve el problema.
• Si la condición es falsa, se descarta la regla en curso y se selecciona otra
regla.
• Si la condición es desconocida en la base de datos (es decir, no es verdadera
ni falsa), se le considera como sub-objetivo y se vuelve al primer paso (la
condición será ahora la expresión).
Existen también enfoques mixtos en los que se combinan los métodos
guiados por datos con los guiados por objetivos.
Esto implica:
• Familiarización con el proceso sobre el cual se desea realizar el Sistema
Experto.
• Familiarización con las plataformas computacionales donde se encuentran
los datos a ser utilizados.
• Definición detallada del problema que motiva el desarrollo del Sistema
Experto.
3.2.7.1.2 Análisis de factibilidad para el desarrollo del Sistema Experto
En esta fase se estudia si el sistema cumple con las condiciones para realizar un
Sistema Experto tomando en cuenta los siguientes criterios:
• La tarea a desarrollar requiere del conocimiento manejado por un experto.
• Disponibilidad del experto o equipo de expertos.
• La experticia es requerida en varios lugares simultáneamente.
• El sistema requiere del manejo de incertidumbre y aplicación de juicios
personales.
• Existe un grupo potencial de usuarios.
• Se dispone del tiempo para desarrollar el Sistema Experto.
3.2.7.1.3 Análisis de datos
En esta etapa se realiza un estimado de los costos de desarrollo del SE, incluyendo
equipos, programas y honorarios profesionales. Igualmente, se realiza un
cronograma de las actividades a desarrollar. Generalmente, en esta etapa
terminaría el estudio de la factibilidad de realizar el SE, ya que hasta esta etapa se
ha verificado la necesidad y pertinencia del desarrollo del Sistema Experto, se ha
estudiado los requerimientos y se ha estimado el tiempo, recursos y costos
involucrados en el desarrollo e implantación del sistema, véase [ 23 ]. Se
contemplan las siguientes fases:
3.2.7.3.1 Elaboración del plan de actividades para el desarrollo e implantación
Esto comprende:
• Integración interna
• Integración externa
• Selección de software auxiliar
3.2.7.5.5 Verificación del diseño preliminar del Sistema Experto
Capítulo 3 - Marco Teórico 58
Esta es la etapa final del desarrollo del Sistema Experto. Aquí se construye,
implanta, prueba y depura el sistema. Posterior a la finalización de la implantación
comienza la fase de mantenimiento y actualización que debe perdurar durante la
vida del sistema, ya que se busca mantenerlo operativo en las mejores condiciones
e incorporando conocimiento y/o recursos nuevos al sistema según los
requerimientos tecnológicos para su vigencia, véase [ 23 ]. Esta etapa comprende
varias fases:
3.2.7.6.1 Construcción del prototipo
4 Se considera despreciable el peso de una pella, el cual oscila entre 0.69 y 6.75 gr.
5 La cinta se mueve a velocidad constante es constante.
Capítulo 4 - Sistema de Visión Artificial 61
Figura 38. Fuente de luz directa Figura 39. Fuente de luz con superficie reflectiva
10 La umbralización es una técnica de segmentación ampliamente utilizada en las aplicaciones industriales. Se emplea
cuando hay una clara diferencia entre los objetos a extraer respecto del fondo de la escena. Los principios que rigen
son la similitud entre los píxeles pertenecientes a un objeto y sus diferencias respecto al resto[ 27 ]. Con la
umbralización se convierte una imagen con varios niveles de gris a una nueva con sólo dos, el conjunto de píxeles con
un nivel de gris mayor o igual al umbral serán colocados en un nivel 0 y los otros en 1.
11Los objetos aparecen claramente contrastados respecto al fondo y todos ellos presentan la misma distribución de
niveles de gris.
Capítulo 4 - Sistema de Visión Artificial 65
que T y en 0 aquellos píxeles con una intensidad menor que T, como lo muestra la
siguiente ecuación:
⎧0, I (i, j ) ≤ T
B (i, j ) = ⎨
⎩1, I (i, j ) > T
Luego de la umbralización de la imagen se obtiene el resultado mostrado en
la Figura 43. La implementación definitiva del método para la aplicación se realiza
utilizando una herramienta proporcionada por la cámara Legend530 denominada
Framework.
12 Operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la
interpretación visual o facilitar un procesamiento posterior [ 8 ].
Capítulo 4 - Sistema de Visión Artificial 67
1 1 1
1 1 1
1 1 1
Figura 44. Conjunto B: Elemento estructural N8
Se efectuarán sobre la imagen una apertura seguida de una clausura13. La
apertura del conjunto A por el elemento estructural B en teoría de conjuntos viene
dada por AοB = ( AΘB ) ⊕ B [ 20 ], el resultado de aplicar esta operación sobre la
Figura 43 se puede apreciar en la Figura 45.
13 La apertura generalmente suaviza los contornos de un objeto y elimina protuberancias finas. La clausura también
suaviza los contornos pero, contrariamente a la apertura, fusiona las hendiduras finas y largas presentes en los objetos,
elimina agujeros pequeños y rellena brechas en el contorno [ 20 ].
Capítulo 4 - Sistema de Visión Artificial 68