DISEO Y CONSTRUCCION DE UN MODELO AUTOMTICO DE VISION

ARTIFICIAL PARA EL CONTROL DE CALIDAD EN LA IMPRESION Y

LINER DE LA TAPA METLICA














ANDRES JEREMIAS QUEVEDO MONTEALEGRE

DAVID ENRIQUE GARZN MOYA
















UNIVERSIDAD DE LA SALLE.
FACULTAD DE INGENIERA DE DISEO & AUTOMATIZACIN
ELECTRNICA.
BOGOTA DC.
2007



DISEO Y CONSTRUCCION DE UN MODELO AUTOMTICO DE VISION
ARTIFICIAL PARA EL CONTROL DE CALIDAD EN LA IMPRESION Y
LINER DE LA TAPA METLICA






ANDRES JEREMIAS QUEVEDO MONTEALEGRE

DAVID ENRIQUE GARZN MOYA






Proyecto de Grado para optar al ttulo de Ingeniero de Diseo y
Automatizacin Electrnica





Director

INGENIERO JOSE TUMIALAN, Ph.D.





UNIVERSIDAD DE LA SALLE.
FACULTAD DE INGENIERA DE DISEO & AUTOMATIZACIN
ELECTRNICA.
BOGOTA DC.
2007



Nota de Aceptacin

_________________________

_________________________

_________________________





________________________________
Ing. Jos Tumialan
Director



________________________________
Jurado



________________________________
Jurado






SANTAFE DE BOGOT, D.C NOVIEMBRE DE 2006

























A DIOS
A mi Madre Luz Carime Moya H,
por su inmenso apoyo y dedicacin
A mi Padre Lus Enrique Garzn
por ser un padre intachable y ejemplo a seguir,
abuelos y tos por su
apoyo e infinita colaboracin.
A toda la familia Garzn Moya.
A mis amigos y a las personas que creyeron
en mi y me apoyaron.

DAVID GARZN


























Le doy gracias a Dios por la sabidura
Que da a da me regala,
A mi padre ejemplo a seguir,
A mi madre mujer intachable, admirable
y de gran nobleza,
A mis hermanos y amigos,
Personas que creen en mi y
Apoyan todas mis decisiones.

ANDRS QUEVEDO



AGRADECIMIENTO


Expresamos nuestros agradecimientos:

A la empresa Asesorias Industriales Santafe S.A la cual fue la gestora,
promotora y patrocinadora de este proyecto lo que la hace duea de todos
crditos e ingenieros, por su disposicin y colaboracin en la realizacin de
este proyecto.

A J orge Armando lvarez Galvis, Ingeniero Electrnico, Gerente de
Asesorias Industriales Santafe S.A, por su apoyo incondicional.

A Giovanny Fernndez Galeano, Ingeniero de Diseo y Automatizacin
Electrnica, por su gran colaboracin y motivacin.

Al Ingeniero J os Tumialan, Director del proyecto por su gran colaboracin
y orientacin

A Daniel Andrs Sastoque Rosas, estudiante de Diseo y Automatizacin
Electrnica por su gran apoyo, colaboracin y valiosa orientacin en este
proyecto.









TABLA DE CONTENIDO


Pg.

INTRODUCCIN
1. DESCRIPCIN DEL PROBLEMA 1
1.1. Antecedente 1
1.2. Situacin problemtica 2
1.3. Planteamiento del problema. 2
2. JUSTIFICACIN 3
3. OBJETIVOS 4
3.1. General 4
3.2. Especficos 4
4. MARCO DE REFERENCIA5 5
4.1. Visin artificial 5
4.2. Reconocimiento de patrones 5
4.3. Redes neuronales artificiales 6
5. FUNDAMENTO TEORICO 8
5.1. Cmara 8
5.2. Pxel 8
5.3. Control de calidad 8
5.4. PLC 8
6. ANALISIS DEL SISTEMA 10
6.1. Sistema SCADA HMI 10
6.2. Sistema de visin 11
6.2.1. Fundamentos principales de una imagen 11
6.2.2. Representacin digital de imgenes 11
6.2.2.1. Relaciones bsicas entre pxeles 14
6.2.2.2. Vecinos de un pxel 14
6.2.2.3. Conectividad 15
6.2.3. Tipo de imgenes y formato 16
6.2.3.1. Imgenes en escala de grises 16
6.2.3.2. Imgenes indexadas 17
6.2.4. Procesamiento de imgenes1 18
6.2.4.1. Procesamiento digital de imgenes 18
6.2.4.2. Anlisis de imgenes 19
6.2.5. Reconocimiento de patrones 19
6.3. Sistema de supervisin 19
7. REQUERIMIENTOS FUNDAMENTALES DE UN SISTEMA DE
VISIN
24
7.1 Cmara Machine Visin 722 24
7.1.1 Spectation 2.6.4 26
7.2 Lente Tamron 29
7.2.1 Longitud focal 30
7.2.2 Diafragma 30
7.2.3 Diafragma y relacin de luces 30
7.2.4 Diafragma y profundidad de campo 31
7.2.5 Diafragma y nitidez 31
7.2.6 Foco 32
7.2.7 Angulo focal 32
7.2.8 Dimetro efectivo 34
7.3 Domo de iluminacion 36
7.4 Sensor inductivo 37
7.5 PLC s7-200 41
7.5.1 Micro/WIN 44
7.5.1.1 Lenguaje de programacin 45
7.5.1.2 Contactos 45
7.5.1.3Bobinas 46
7.5.1.4 Cuadros 46
7.6 Bornas 49
7.7 Contactores 51
7.7.1 Corriente de llamada 51
7.7.2 Ncleo 51
7.7.3 Contactos principales 52
7.7.4 Contactos auxiliares 52
7.8 Protectores de maniobra 53
7.9 Fuente de alimentacin 54
7.10 Motor 54
7.11 Disco 55
7.12 Electro-vlvula 55
7.13 Compresor 56
8. ANLISIS MECNICO 57
8.1 Velocidad 57
8.1.1 Velocidad angular 57
8.1.2 Velocidad de la tapa 58
8.3 Aceleracin 58
8.4 Fuerzas a vencer 58
8.5 Potencia 59
8.6 Calculo por torque 60
8.7 Compresor 61
8.7.1 Presin 61
8.8 simulacin en Visua lNastran Desktop 62
9.REDES NEURONALES 66
9.1 Estructura de la neurona 66
9.1.1 La neurona y la sinapsis 67
9.1.2 El aprendizaje de una red 68
9.1.3 La Neurona Artificial 68
9.1.4 Conexiones Entre Neuronas 69
9.1.5 Fases en la aplicacin de Redes Neuronales 69
9.2 Modelo artificial de las redes neuronales 70
9.2.1 Unidades de proceso: La neurona artificial 71
9.2.2 Estado de activacin 71
9.2.3 Conexiones entre neuronas 72
9.2.4 Funcin o regla de activacin 72
9.2.5 La estructura de una red neuronal 73
9.2.6 Estructura de conexin de redes neuronales artificiales 74
9.2.7 Tamao de las redes 74
9.2.8 Redes Neuronales de Aproximacin/Optimizacin 75
9.2.9 Modelos supervisados 75
9.2.9.1 BackPropagation 75
9.3 Reconocimiento 76
10. RECURSOS FINANCIEROS 79
10.1 Costos indirectos 80
CONCLUSIONES 82
GLOSARIO 84
BIBLIOGRAFA 86
ANEXOS 87






























LISTA DE FIGURAS

Pg.
FIGURA 1. Resolucin de pxeles 11
FIGURA 2. Pxel de 4x4 con un bit de profundidad 12
FIGURA 3. Tipo de imagen para Bit 13
FIGURA 4. Escalas cromticas y acromticas 17
FIGURA 5. Cuadro del procesamiento de imgenes 17
FIGURA 6. Cartula del programa SIMATIC Protool 19
FIGURA 7. Supervisorio pantalla inicial 20
FIGURA 8. Supervisorio pantalla mmico principal 20
FIGURA 9. Supervisorio pantalla de estadsticas 21
FIGURA 10. Supervisorio pantalla graficas 22
FIGURA 11. Supervisorio pantalla del sistema de informacin 22
FIGURA 12. Variables 23
FIGURA 13. Cmara VS 722 SIEMENS 24
FIGURA 14. Cartula del software Spectation 2.6 26
FIGURA 15. Seleccin del tipo de cmara 27
FIGURA 16. Reconocimiento de patrones de la impresin desde
el software
27
FIGURA 17. Reconocimiento de patrones del liner desde el
software
28
FIGURA 18. Tapas optimas y no optimas 29
FIGURA 19. Lente Tamron 29
FIGURA 20. Longitud focal 30
FIGURA 21. Graduacin del lente y diafragma 31
FIGURA 22. Diafragma a) Abierto b) Cerrado 32
FIGURA 23. Dimensiones del lente 36
FIGURA 24. Domo Advance Ilumination 36
FIGURA 25. Dimensiones domo de iluminacin 37
FIGURA 26. Sensor inductivo SIEMENS 38
FIGURA 27. Lamina de aluminio 38
FIGURA 28. Funcionamiento del sensor inductivo 39
FIGURA 29. Comportamiento de la inductancia 40
FIGURA 30. Distancia entre sensor y lmina 40
FIGURA 31. Distancia del sensado vs tamao del objeto 41
FIGURA 32. CPU 226 41
FIGURA 33. Partes de la CPU 42
FIGURA 34. Estructura del PLC 42
FIGURA 35. Nombres especficos de la CPU 43
FIGURA 36. Ciclo PLC 43
FIGURA 37. Cartula del programa Micro/WIN 44
FIGURA 38. Bloques de contactos 46
FIGURA 39. Final de carrera positivo 46
FIGURA 40. Esquema de 1 Bit 47
FIGURA 41. Esquema de 1 Byte 47
FIGURA 42. Esquema de una palabra 47
FIGURA 43. Esquema de doble palabra 47
FIGURA 44. Esquema de contactos 48
FIGURA 45. Esquema de funciones lgicas 48
FIGURA 46. Lista de instrucciones 49
FIGURA 47. Conjunto de bornas 49
FIGURA 48. Partes del conjunto de bornas 50
FIGURA 49. Partes de una borna 50
FIGURA 50. J uego de contactores 51
FIGURA 51. Protector de maniobra 53
FIGURA 52. Fuente STOP SIEMENS 54
FIGURA 53. Motor 54
FIGURA 54. Disco de tapas 55
FIGURA 55. Eletro-vlvula Dixson 55
FIGURA 56. Compresor KTC 56
FIGURA 57. V Ve el lo oc ci id da ad d d de el l d di is sc co o 57
FIGURA 58. Fuerza a vencer 58
FIGURA 59. Coeficiente de rozamiento 59
FIGURA 60. Velocidad de la tapa 61
FIGURA 61. Sistemas en movimiento 63
FIGURA 62. Sistemas con analisis de esfierzoa 63
FIGURA 63. Sistemas con vista isometrica 64
FIGURA 64.Punto con mayor concentracion 65
FIGURA 65. Vista del sistema general 65
FIGURA 66. Modelo de una neurona biolgica 67
FIGURA 67. Neurona biolgica 67
FIGURA 68. Caracterizacin de un grupo de Neuronas 69
FIGURA 69. Estructura de la neurona artificial 71
FIGURA 70. Funcin de activacin 73
FIGURA 71.Funcin de activacin con umbral

73
FIGURA 72. Modelo BackPropagation 75
FIGURA 73. Representacin Red neuronal de numerosLetras 77
FIGURA 74.Representacin Red neuronal de letra 78
















LISTA DE TABLAS

Pg.

Tabla 1. Caracterstica de la Machine Vision 722 25
Tabla 2. ngulos de visin de una lente rectilnea 34
Tabla 3. Especificaciones de lente Tamron 35
Tabla 4. Estndares de producto 37
Tabla 5. Estndares de vibracin 37
Tabla 6. Especificaciones generales 37
Tabla 7. Tipo de datos 48
Tabla 8. Caractersticas compresor 56
Tabla 9. Costos de materiales y servicios 79
Tabla 10. Costos de provisiones 80
Tabla 11. Costos directos totales 80
Tabla 12. Costos de licencias 80
Tabla 13. Costo total 81



INTRODUCCION


La automatizacin ocupa un lugar muy importante a nivel industrial debido a
que se esta imponiendo en los sistema de fabricacin, con el fin de usar la
capacidad de las mquinas para llevar a cabo determinadas tareas
anteriormente efectuadas por seres humanos, y para controlar la secuencia de
las operaciones sin intervencin humana. En la actualidad se sabe que la
automatizacin es utilizada para describir sistemas no destinados a la
fabricacin en los que dispositivos programados o automticos pueden
funcionar de forma independiente o semi-independiente del control humano y
que se utilizan para efectuar diversas tareas con ms rapidez o mejor de lo que
podra hacerlo un ser humano. Esto ha permitido que tan solo desde un
computador uno pueda controlar todo un proceso industrial y al mismo tiempo
se tengan unos ciclos de realimentacin en los procesos de fabricacin por
medio de un dispositivo llamado PLC (Controlador Lgico Programable) que
permite un control total de cualquier tipo de sistema.

En la actualidad las industrias y empresas tienen en cuenta el control de
calidad del producto y de la poca productividad de los procesos, en muchas
empresas Colombianas no hay este tipo de automatizacin a pesar de la gran
tecnologa que hay a nivel mundial.

Debido a la necesidades que la misma empresa se encontr en la industria,
se observo que la mayora de empresas no tienen un control de calidad
adecuado, pues la mayora de estas empresas tiene cierto nmero de
operarios rectificando el producto o material producido, por medio de la vista
humana y que en determinados momentos no alcanza a detectar algunos
defecto de el producto. Con base en esto se creo una nueva lnea de visin
artificial para plasmar nuestro conocimiento y mirar un producto muy relevante
a nivel mundial para hacerle un control de calidad optimo y dar como resultado
una eficiencia bastante considerable en comparacin a la humana, un mayor
rendimiento en la produccin asegurando que el producto final saldr en
optimas condiciones al mercado.

Despus de un estudio empresarial que se le hizo a la industria
especficamente a las grandes productores de bebidas como lo son Bavaria y
Leona, se detecto un gran problema en la seccin de control de calidad, este
proceso puede ser intil si la tapa no cumple con una buena hermeticidad con
la botella o si en determinado momento la taponadora pone la tapa que no
corresponde al tipo de produccin que hay en determinado momento.

Teniendo una seria de muestras reales y experimentales se disea y construye
un modelo automtico de visin artificial para el control de calidad en la
impresin y liner de la tapa metlica, realizando un sistema totalmente
automtico para que agilice, facilite y disminuya los costos de produccin y
aumente la produccin del sistema para alcanzar un mayor grado de eficiencia
en ese proceso.

Para el desarrollo eficiente de este proyecto se trabajo con la cmara Machine
Visin de SIEMENS, su software esta basado en la visin artificial rama de la
inteligencia artificial y se fundamenta en el reconocimiento de patrones para
hacer un control de calidad de la tapa (impresin y liner). Con base en las
aplicaciones y herramienta que tiene el software se diseo el programa para
este tipo de control hacindolo por medio del reconocimiento de patrones.

Para la realizacin del sistema se hizo un diseo mecnico y adecuado para el
movimiento de las tapas y el sistema de rechazo en determinado momento,
cuando el sistema detecte fallas en las tapas y realizando sus respectivas
pruebas para comprobar que el sistema funciona perfectamente.

Con el desarrollo de este proyecto se represento a SIEMENS en una de sus
nuevas gamas como es la automatizacin industrial en el control de calidad
por medio de la visin artificial y dar a conocer nuestro proyecto en la Feria
Industrial de Conferas

Este sistema no esta diseado solo para este tipo de aplicacin de control y
verificacin de tapa tipo corona, tambin se puede implementar en cualquier
tipo de control de calidad como por ejemplo en el sector de la parte alimenticia
como clasificacin de frutas por colores, niveles de liquido en jugos o
gaseosas, verificacin de hermeticidad, en cualquier campo de la parte
elctrica, electrnica, mecnica o en lo que de desee. En el desarrollo de este
proyecto se tuvieron en cuenta muchos aspectos importantes para su
construccin y a continuacin se explicara como fue desarrollado.

Este sistema se desarrolla con el apoyo de la empresa Asesorias Industriales
Santafe S.A quienes son los integradores ms grandes a nivel nacional.

1

1. DESCRIPCIN DEL PROBLEMA


1.1 ANTECEDENTES

El control de calidad de diferentes empresas requiere un eficiente sistema de
reconocimiento de productos ptimos y no ptimos que hay en proceso y que
muchas veces tiene que ser muy preciso y exacto debido a unas especificaciones
que requiere el producto.

En la actualidad el mayor problema que se presenta a nivel industrial es la falta de
tecnologa y automatizacin en cualquier lnea de procesos como por ejemplo en
los productos de bebida, en la parte de llenado un control de calidad adecuado
para no tener residuos dentro de la bebida, en el tapado hermtico para asegurar
calidad en el sabor de la bebida o en el etiquetado alineado para no tener una
etiqueta mal puesta entre otros, dando como resultado algunos inconvenientes en
el control de calidad puesto que es el aspecto al que le prestan mayor importancia
actualmente en todas las industrias. Flujograma 1 esta informacin se encuentra
diagramada en el flujograma 1 de Anexo A.

El control de calidad se fundamenta en la inspeccin y verificacin del producto
terminado; anteriormente la vista humana era la herramienta utilizada para tal fin,
con lo que se lograba un control de calidad apropiado para productos fabricados
con tcnicas anticuadas de esa poca. Dado el caso los productos fueron
evolucionando en complejidad, con lo que se presentaban detalles imperceptibles
a la vista humana; generando una mayor cantidad de errores en el control de
calidad.
Estos mtodos de control de calidad han evolucionado de la mano de los mtodos
de fabricacin y produccin manual hasta que se comenzaron a realizar de forma
automtica necesitando de un control de calidad mas rpido y eficiente para no
retrazar el flujo de produccin del sistema.
El proceso de control de calidad de tapas metlicas funciona de tal forma que en
una hora alcanzan a pasar 3.600 tapas de las cuales el 7% salen defectuosas en
el Liner y el 3% en la impresin de la tapa inspeccionadas con la vista humana y
teniendo en cuenta tambin los detalles imperceptibles que en determinado
momento pasan desapercibidos para el operador que detecta estos errores. Es
importante tener estas mrgenes de error que indican la deficiencia del sistema
actualmente, para conocer las mejoras que con este proyecto se van a
implementar en el proceso de control de calidad.

Hoy en da las industrias en general utilizan sistemas de visin artificial que
remplazan la vista y el cerebro humano para capturar, inspeccionar y procesar
eficientemente imgenes en tiempos mas cortos que el de la vista humana,
comparando la imagen capturada con patrones preestablecidos en el sistema y

2

arroja la respuesta en un sistema de actuacin que genera la separacin de
productos en lo que a calidad se refiere.

Lo que Asesoris Industriales Santa fe S.A. quiere es utilizar sistemas similares para
obtener mejoras en la lnea de produccin y generar productos de alta calidad que
compitan con base en las normas de regulacin nacional e internacional.


1.2 SITUACION PROBLEMATICA

La problemtica que se maneja en este proyecto de grado es precisamente el
control de calidad de tapas metlicas, en primera instancia con respecto al Liner
que cumple la funcionalidad de hermeticidad con el envase. Al mismo tiempo es
necesario revisar este Liner, debido a que cumple una de las funciones claves del
proceso. Este proceso se realiza desde el instante en que se pone una gota de
goma a una temperatura adecuada dentro de la tapa e inmediatamente se timbra
con un molde para obtener la estructura adecuada del Liner, pero presentando en
algunos casos porosidad, exceso de goma en la superficie o burbujas que
producen una capa ms delgada en algn lado de la superficie, residuos, etc.

En segunda instancia la impresin del logotipo de la marca del producto o de la
empresa en la tapa metlica es el reflejo de lo que se va a consumir. Este proceso
es relativo dependiendo de los colores del logotipo pero en general se realiza con
tres capas, la primera es el color de fondo, la segunda es el nombre y la tercera es
la laca para la proteccin del logotipo, en algunos casos este proceso presenta
inconvenientes con impresiones desfasadas de todo el logotipo o de alguna parte
del logotipo, imperfeccin en la tapa, mala montura de la tapa ente otras.
Flujograma 2. Esta informacin se encuentra diagramada en el flujograma 2 de
Anexo A.

Es importante aclarar que estas tapas se pierden en su totalidad pasando a ser
recicladas y no son reutilizadas puesto que es muy costosa su recuperacin.

1.3 PLANTEAMIENTO DEL PROBLEMA

El problema se basa en el alto margen de error de la vista humana despus de
unas horas realizando este proceso de inspeccin, teniendo un control humano en
este punto del proceso no se va a tener la misma capacidad de respuesta tanto en
tiempo como en calidad de un sistema de visin artificial, esto debido a largas
jornadas de un trabajo montono humanamente hablando como es la revisin de
el liner y la impresin de tapas. La velocidad de respuesta de este proceso es muy
importante ya que es una lnea de trabajo y el proceso debe culminar en el menor
tiempo posible para obtener una mayor produccin lo que implica industrialmente
una excelente ayuda en el control de calidad.


3

2. JUSTIFICACIN

Dada la necesidad que posee la industria en la automatizacin de generar
productos de alta calidad, se hace necesario implantar en las lneas de
produccin, un sistema de control de calidad eficiente que est sincronizado con el
flujo de produccin para no generar estancamientos en las lneas debido a que las
tapas no estn previamente listas o en ptimas condiciones y al mismo tiempo
asegurar que los productos cumplan con los estndares de calidad para la tapa
tipo corona bajo la norma NTC 2848, por el Instituto Colombiano de Normas
Tcnicas y Certificacin ICONTEC, y en el presente con el programa que se est
implementando para la certificacin con la Norma Internacional ISO 9001:2000.

Una de las fases ms relevantes del proceso de bebidas es la hermeticidad del
producto haciendo referencia al envase con la tapa, puesto que esta es la fase en
la que se extreman las medidas de control. En esta rama de la industria el proceso
de fabricacin de toda tapa tiene una relevancia significativa en el control de
calidad dado que se debe asegurar la hermeticidad con el envase y que su
producto mantenga su sabor original y caractersticas fsico qumicas.

Se requiere efectuar sobre las tapas un control de calidad exhaustivo, con miras a
eliminar las deficiencias en el liner y la impresin del logotipo que sumado al
control de calidad a lo largo de todo el proceso asegura la fabricacin de un
producto de alta calidad, tanto para su almacenaje como para su transporte y
consumo.
La solucin que se plantea a este problema, es aplicando la visin artificial. Este
proceso consiste desde el mismo instante en que la tapa llega a una tolva de disco
giratorio de aproximadamente 16 puestos en donde encaja perfectamente y es
desplazada a un punto donde ser detectada por un sensor que mandar una
seal a la cmara instantneamente y esta captura la imagen en ese mismo
instante, para ser procesada comparndola con unos patrones de referencia ya
establecidos previamente en ptimas condiciones, para que el sistema determine
si el liner pasa o no pasa, de ser as la primera continua con su siguiente etapa
que seria la impresin del logotipo y si es la segunda pues el sistema enviar una
seal a la electrovlvula que se encuentra en su recorrido con la tapa
expulsndola fuera del disco. En la segunda etapa se utiliza la misma cmara,
para realizarla; se voltean las tapas para as poder ser inspeccionadas.
Flujograma 3. Esta informacin se encuentra diagramada en el flujograma 3 del
Anexo A.








4

3. OBJETIVOS

3.1 GENERAL


Disear, construir, implementar y poner en marcha un modelo de visin
artificial para el control de calidad en la impresin y liner de la tapa
metlica.

3.2 ESPECFICOS

Analizar el proceso completo de fabricacin de la tapa metlica, haciendo
nfasis en su estructura interna y externa para determinar las deficiencias
de cada proceso de construccin del liner y la impresin del logotipo.

Disear y construir un modelo de visin artificial capaz de capturar y
procesar imgenes acorde con las necesidades del control de calidad para
detectar y desechar estas deficiencias.

Realizar pruebas, experimentos y ensayos que garanticen el perfecto
funcionamiento del proyecto, para una optima implementacin en la
industria.

























5

4. MARCO DE REFERENCIA

Los campos de la informtica aplican el reconocimiento automtico de patrones
por medio de la visin computacional ms conocido como Visin Artificial que es
una rama de la Inteligencia Artificial que comprende el estudio y creacin de
sistemas computarizados que manifiestan cierta forma de inteligencia; sistemas
que aprenden nuevos conceptos y tareas, sistemas que pueden derivar
conclusiones tiles acerca del mundo que actual, sistemas que pueden
comprender un lenguaje natural o percibir y comprender una escena visual, y
sistemas que realizan otro tipo de actividades que requieren de inteligencia
humana.

4.1 VISION ARTIFICIAL

La visin artificial (machine vision) es la adquisicin automtica de imgenes sin
contacto y su anlisis tambin automtico con el fin de extraer la informacin
necesaria para controlar un proceso o una actividad.
1



4.1.1 Reconocimiento de patrones

Tambin llamado lectura de patrones, identificacin de figuras y reconocimiento de
formas. El punto esencial del reconocimiento de patrones es la clasificacin; se
quiere clasificar una seal dependiendo de sus caractersticas, toma seales
caractersticas y clases que pueden ser de cualquier forma, por ejemplo: clasificar
imgenes digitales de letras en las clases A - Z dependiente de sus pxeles.

La metodologa consiste en clasificar patrones con base en un conocimiento a
priori o informacin estadstica extrada de las formas. Las formas a clasificar
suelen ser grupos de medidas u observaciones, definiendo puntos en un espacio
multidimensional apropiado.

Un sistema de reconocimiento de patrones completo consiste en un sensor que
recoge las observaciones a clasificar, un sistema de extraccin de caractersticas
que transforma la informacin observada en valores numricos o simblicos, y un
sistema de clasificacin o descripcin. El metodo mas utilizado es la clasificacin
estadstica o teora de la decisin y clasificacin sinttica o estructural. El
reconocimiento estadstico de patrones est basado en las caractersticas
estadsticas de los patrones, asumiendo que han sido generados por un sistema
probabilstico. El reconocimiento estructural de patrones est basado en las
relaciones estructurales de las caractersticas.

o
1
Machine Vision Algorithms in Java: Techniques and Implementation. P.F. Whelan and D.
Molloy, Springer (2000).


6

Para la clasificacin se puede usar un conjunto de aprendizaje, del cual ya se
conoce la clasificacin de la informacin a priori y se usa para entrenar al sistema,
siendo la estrategia resultante conocida como aprendizaje supervisado. El
aprendizaje puede ser tambin no supervisado, el sistema no tiene un conjunto
para aprender a clasificar la informacin a priori, sino que se basa en clculos
estadsticos para clasificar los patrones.

4.1. 2 Redes neuronales artificiales

Las redes neuronales artificiales (ANN) son sistemas paralelos para el
procesamiento de la informacin, inspirados en el modo en que las redes de
neuronas biolgicas del cerebro procesen estos datos. Es decir que se han
intentado plasmar los aspectos esenciales de una neurona biologica a la hora de
disear una neurona artificial. Estos modelos realizan una simplificacin,
averiguando cuales son los elementos relevantes del sistema, bien porque la
cantidad de informacin de que dispone es excesiva o bien porque es redundante.
Una eleccin adecuada de sus caractersticas, ms una estructura conveniente, es
el procedimiento convencional utilizado para construir redes capaces de realizar
una determinada tarea.

Es de preveer que dichas ANN tengan caractersticas similares a las del cerebro:

Sean robustas y tolerantes a fallos.

Sean flexibles. El cerebro se adapta a nuevas circunstancias mediante el
aprendizaje.

Puedan trabajar con informacin incompleta, probabilstica, con ruido o
inconsistente.

Sean altamente paralelas. El cerebro (sistema nervioso) est formado por
muchas neuronas interconectadas entre si, es precisamente el comportamiento
colectivo de todas ellas, lo que caracteriza su forma de procesar la informacin.

El punto clave de las ANNs es la nueva estructuracin de estos sistemas para el
procesamiento de la informacin. A partir de esta informacin como ejemplo, las
ANN se entrenan. Aprender en sistemas biolgicos involucra la modificacin de la
interconectividad entre las neuronas; este concepto tambin es cierto para las
ANNs.

Lo que buscan las ANNs es solucionar problemas que con las tcnicas
convencionales seran demasiado complejos. Las redes neuronales, en su inicio
eran una simulacin de los sistemas nerviosos biolgicos. De este modo una
primera clasificacin de los modelos de ANNs puede ser haciendo nfasis en su

7

similitud con la realidad biolgica: modelos de tipo biolgico y aquellos dirigidos a
aplicaciones.

La visin artificial (Machine Vision) es la adquisicin automtica de imgenes de
cada tapa sin contacto para luego procesarla, analizar los patrones de referencia
que son establecidos directamente desde el programa que maneja la cmara,
extrae la informacin necesaria y la procesa automticamente. Al mismo tiempo
controla el tipo de tapa que va pasando por el sistema para tener un control en el
proceso y en la actividad.

Este proceso es capturado por una cmara inteligente que tiene como objetivo:

El procesamiento de imgenes para la comparacin de una imagen con
otra lo que denominamos patrn de referencia.

La generacin de grficos por computador para el paso o transformacin de
una descripcin de los objetos a una imagen, donde se requiere recoger
una informacin abstracta a partir de lo capturado por la cmara.

Reconocimiento de patrones para clasificar un objeto a partir de unas
caractersticas entre un conjunto de candidatos.
























8

5. FUNDAMENTO TEORICO


5.1 CAMARA

Este proyecto se centra especialmente en una cmara inteligente de visin
artificial, que permite la capturar 16 imgenes en tiempo real de tapas metlicas
tipo corona, que son utilizadas en el cierre hermtico con la botella de vidrio en la
cerveza. Se maneja nicamente en escala de grises, es utilizada a nivel industrial
para obtener un alto procesamiento de imgenes capturadas y procesadas en un
corto tiempo por medio de un software utilizando patrones de referencia
especficos.

5.1.1 Pixel

El pxel se define como el elemento ms pequeo que forma la imagen, El hecho
que no los percibamos como unidades independientes sino como un conjunto se
debe a una limitacin de nuestra visin que nos da esa sensacin de continuidad.
Slo es cuestin de aproximarse lo suficiente o ampliar la imagen para que
podamos llegar a percibir cada uno de estos elementos cuadrados.

Es importante establecer la diferencia entre los pxeles como elementos de la
imagen y los pxeles como dispositivos fsicos capaces de captar la luz dentro de
la matriz de un sensor digital. Aunque sea correcto hablar de pxeles para uno u
otro significado, haciendo referencia a los segundos como fotodiodos o fotositos,
generalmente. De este modo, se corta de raz cualquier posible equvoco a la hora
de definir la resolucin efectiva de una cmara. La imagen digital se define a
travs de dos caractersticas de los pxeles que la forman. La primera de ellas es
la resolucin espacial, esto es, el nmero de pxeles que conforman ese mosaico y
el tamao de cada uno de ellos. Por tanto, cuando hablamos de la resolucin de
una imagen nos referimos nica y exclusivamente a sus dimensiones expresadas
en pxeles de anchura por pxeles de altura, o bien a la superficie total.
2


5.2 CONTROL DE CALIDAD

El sistema de visin artificial esta diseado para tener una efectividad de el 100%
tericamente ya que haciendo las pruebas se obtiene el 98.7% de efectividad. Es
importante destacar que este control de calidad siempre se rige por un sistema de
calidad en continuo mejoramiento para los productos, en este caso el de la tapa
tipo corona bajo la norma NTC 2848 y la Norma Internacional ISO 9001:2000.
La norma ISO 9001 se aplica cuando su objetivo es lograr constantemente la
satisfaccin del cliente con sus productos y servicios, es decir cuando necesita
evidenciar su capacidad para demostrar la conformidad con los requisitos del

2
es.wikipedia.org/wiki/Control_de_calidad

9

cliente y los requisitos reglamentarios aplicables y para mejorar de forma su
sistema de gestin de la calidad.

En proyecto se realiza el control de calidad en primera instancia al liner que es una
gota de goma que se timbra con un molde a una temperatura adecuada dentro de
la tapa, tomando su respectiva estructura de forma circular con un borde de canal
que rodea tanto la boquilla del envase. Esta goma tambin se adhiere
internamente debido a su adherencia para asegurar tambin su permanencia en la
tapa metlica formando un liner, cumpliendo la funcin de hermeticidad con el
envase, para que no all filtracin ni escape de la bebida. Tambin sirve para que
la bebida no tenga contacto con la tapa metlica para mantener el sabor original
de la bebida y en algunos casos presenta problemas de porosidad, mala ubicacin
con respecto a su eje de referencia, doblado o cortado entre otros.

En segunda instancia se procede a mirar la impresin de la tapa, teniendo en
cuenta que el sistema de la cmara maneja nicamente escala de grises por tal
razn se rectifica el nombre, logo, precio, entre otros, dependiendo del diseo de
la impresin de la tapa.

5.2.1 Norma NTC 2848

Es importante destacar que este control de calidad siempre se rige por un sistema
de calidad en continuo mejoramiento para los productos en este caso en de la
tapa tipo corona bajo la norma NTC 2848 y la Norma Internacional ISO
9001:2000.B
La norma ISO 9001 se aplica cuando su objetivo es lograr constantemente la
satisfaccin del cliente con sus productos y servicios, es decir cuando necesita
evidenciar su capacidad para demostrar la conformidad con los requisitos del
cliente y los requisitos reglamentarios aplicables y para mejorar de forma su
sistema de gestin de la calidad.

5.3 PLC
Un PLC (controlador lgico programable) es una mquina electrnica la cual es
capaz de controlar mquinas e incluso procesos a travs de entradas y salidas.
Las entradas y las salidas pueden ser tanto anlogas como digitales
3










3
SIEMENS. Ctalos de funcionamiento. www.siemens.es/index.jsp

10

6. ANALISIS DEL SISTEMA

Este modelo de visin artificial es para el control de calidad en la impresin y liner
de la tapa metlica que integra cuatro lneas fundamentales que debe tener todo
sistema automatizado: un sistema de visin artificial acompaado de un
supervisorio, un sistema mecnico y un sistema elctrico.

El proyecto se desarrolla con un sistema SCADA tradicional, donde hay una
constante integracin entre cada una de las disciplinas involucradas, la cuales son
discretas. Se debe tener en cuenta que las tapas se alimentan manualmente,
debido a que el mismo sistema evalua los dos procesos de control de calidad.

Los sistemas de visin artificial se trabajan con algn tipo de cmara para la
captura de la imagen y un software que permite la solucion de el problema. Es
muy importante analizar el tipo de aplicacin que se va a desarrollar para poder
determinar as el sistema de visin que se desea construir ya que hay una gran
gama de cmaras y de equipos para este tipo de aplicacin. Este proyecto esta
basado en un sistema llamado SCADA, que permite tener un control total del
sistema de visin y una mayor facilidad en cuanto a los diferentes parmetros que
se manejan. Para una mayor comprensin se explica a continuacin las partes
que lo componen:

6.1 Sistema SCADA HMI

El sistema SCADA (Supervisory Control And Data Acquisition) que se diseo
tiene la funcin de adquirir los datos para la supervisin y control de los procesos
industriales y un sistema HMI (Human Machine Interface) que es la relacin entre
el operador y la maquina ya sea un Touch panel o un pantalla normal de
computador lo importante es que haya una comunicacin y transmisin de datos
desde el PLC (Programmable Logic Controller) que se implemento mediante una
pantalla en protool que hace la interfaz hombre maquina y al mismo tiempo siendo
opcional un touch panel con el mismo diseo..

El diseo de la interfaz grafica se hizo con base en el funcionamiento real del
sistema, se debe tener una relacin igual al proceso que se esta trabajando con la
parte grafica. La computadora es la encargada de comunicarse con el PLC y
realizar las mismas funciones que un panel de operador y adems puede trabajar
como un sistema SCADA para la adquisicin de datos.

La comunicacin del PC y PLC se realiza a travs de la red de comunicacin PPI,
dado que el PC no posee tarjeta de red PPI se utiliza un conversor de protocolo
llamado PC Adapter para tener la comunicacin entre estos dos dispositivos. Es
importante destacar que todo este sistema es un conjunto de varios elementos
que dependen el uno del otro. A continuacin se explica cada elemento que se

11

requiri en la construccin de este modelo automtico de visin artificial para el
control de calidad en la impresin y liner de la tapa metlica
4


6.2 SISTEMA DE VISION

6.2.1 Representacin digital de imgenes

La imagen es definida como una funcin continua f(x,y) que representa la
distribucin espacial de intensidad de luz en una escena a interpretar. Por tanto, la
adquisicin de imgenes consiste en digitalizar la seal de video que contiene la
imagen de la tapa, que es otorgada por ejemplo con la cmara utilizada,o en otros
casos con un scanner u otro aparato electrnico ptico y es una funcin discreta y
con banda limitada.

Cuando una imagen es vista como una pareja ordenada (x,y) es conocida con el
nombre de pxel o elemento de la imagen. Las propiedades de la imagen digital
son:

Resolucin de imgenes: Describe cunto detalle puede observarse en una
imagen. El trmino es comnmente utilizado en relacin a imgenes de
fotografa digital, pero tambin se utiliza para describir cun ntida es una imagen
de fotografa convencional. Tener mayor resolucin se traduce en obtener una
imagen con ms detalle o calidad visual. Para las imgenes digitales
almacenadas como mapa de bits, la convencin es describir la resolucin de la
imagen con dos nmeros enteros, donde el primero es la cantidad de columnas
de pxeles es decir cuntos pxeles tiene la imagen a lo ancho y el segundo es la
cantidad de filas de pxeles es decir cuntos pxeles tiene la imagen a lo alto. La
convencin que le sigue en popularidad es describir el nmero total de pxeles
en la imagen usualmente expresado como la cantidad de megapxeles, que
puede ser calculado multiplicando la cantidad de columnas de pxeles por la
cantidad de filas de pxeles. Otras convenciones incluyen describir la resolucin
en una unidad de superficie. En la figura 1 se presentan unas secuencias de
cmo se ve la misma imagen en diferentes resoluciones.

Figura 1. Resolucin de pxeles
5



4
www.infoplc.net/Foros/Foros.htm
5
www.jaguar.edu.co


12

Mapa de bits: Tambin conocido como bitmap, que es la representacin binaria
en la cual un bit o conjunto de bits corresponde a alguna parte de un objeto
como una imagen o fuente especficamente en el liner y la impresin de las
tapas.En el caso de el proyecto que se esta desarrollando para la escala de
grises varios bits en el mapa de bits representan un pxel o grupo de pxeles. El
trmino tambin puede hacer referencia al rea de memoria que contiene el
mapa de bits.
Un mapa de bits se asocia con objetos grficos, fotografas o imgenes, en los
cuales los bits son una representacin directa de la imagen de la figura 1. Sin
embargo, este tipo de mapa puede emplearse para representar y mantener un
seguimiento de cualquier cosa, donde a cada locacin de bit se le asigna un
valor o condicin diferente.

Definicin de una imagen: Se da por la profundidad del pxel. Si las
coordenadas del pixel determinan su posicin en la imagen, la profundidad es la
cantidad de memoria requerida para almacenar su color.
La profundidad de un pixel no se debe confundir con la posicin de ese pixel en
un eje Z imaginario (considerando los ejes X y Y como su posicin en el plano).
Esta "profundidad" slo representa cantidad de informacin, no posicin
espacial, como se muestra en la figura 2

Figura 2. Pxel de 4x4 con un bit de profundidad
6




La unidad mnima de almacenamiento en la memoria de un computador es 1 bit,
el cual puede tomar unicamente dos valores: 1 0. Por ello, los computadores,
en lugar de usar el sistema decimal de numeracin que se usa en la vida
cotidiana, utilizan el sistema binario, como se observa en la figura 3.


6
www.pixelydixel.com


13

Figura 3. Tipo de imagen para Bit
7




6.2.2.1 Relaciones bsicas entre pxeles

Cuando se habla de una imagen siempre se hace referencia a una funcin
bidimensional de la luz y la intensidad que se indica con f(x,y) donde el valor o
amplitud de f en las coordenadas espaciales (x,y) de la intensidad luminosa de la
imagen en este punto. Puesto que la luz es una forma de energa f(x,y) debe ser
estrictamente mayor que cero y finita es decir:


< < ) , ( 0 y x f
(1)

Ya que fue uno de los obstculos ms fuertes que se presento en el diseo ya
que la cantidad de luz que se manejaba en algunos lugares variaban y era
indispensable estar calibrando este factor.

La naturaleza bsica de f(x,y) puede estar caracterizada por dos componentes:

1. La cantidad de luz incidente, procedente de la fuente sobre escena completa.

2. La cantidad de luz reflejada por los objetos de la escena.

De forma apropiada reciben el nombre de componentes de iluminacin y
reflectancia, y se indican por i(x,y) y r(x,y) respectivamente estas dos funciones se
combinan como producto para dar:


) , ( ). , ( ) , ( y x r y x i y x f =
Donde (2)


7
hwww.gusgsm.com/imagen_mapa_bits


14

< < ) , ( 0 y x i y 1 ) , ( 0 < < y x r (3)

La ecuacin (2) indica que la reflectancia esta acotada entre 0 (absorcin total) y 1
(reflexin total).

La intensidad de una imagen monocromtica f en las coordenadas (x,y) se
denomina nivel de gris de la imagen en este punto.

max min
L L
(4)
Al intervalo denotado por las L de la ecuacin (desigualdad) (4) se le denomina
escala de grises.

6.2.2.2 Vecinos de un pxel

Un pxel p de coordenadas (x,y) tiene cuatro vecinos horizontales y verticales
cuyas coordenadas vienen dadas por la ecuacin (5):


) 1 , )( 1 , ( ), , 1 ( ), 1 , 1 ( + + + y x y x y x y x
(5)

Este conjunto de pxeles, denominado los 4 vecinos de p, se representa por
) (
4
p N
. Cada pxel esta a una unidad de distancia de (x,y), y algunos de los
vecinos de p caen fuera de la imagen digital si (x,y) esta en alguno de los bordes
de la imagen.

Los cuatro vecinos en diagonal del p tienen las coordenadas:


) 1 1 ( ), 1 , 1 ( ), 1 , 1 ( ), 1 , 1 ( + + + + + y x y x y x y x
(6)

y se presenta por
) (p N
D
. Este punto, junto a los vecinos, se denominan los 8
vecinos de p, y se representan por
) (
8
p N
. Al igual que antes, algunos puntos de
) (p N
D
y
) (
8
p N
caen fuera de la imagen si (x,y) sta en el borde de la misma.

6.2.2.3 Conectividad

La conectividad entre pxeles es un concepto importante empleado para
establecer los limites de los objetivos y componentes de reas en una imagen.
Para determinar si dos pxeles estn conectados, debe determinarse si son
adyacentes en algn sentido (como ser 4 vecinos) y si sus niveles de gris cumplen
un criterio especificado de similitud.


15

Sea V el conjunto de valores de nivel de gris empleados para definir la
conectividad; por ejemplo, en una imagen binaria se tendr V=1 para la
conectividad entre pxeles con valor de 1. En una imagen con escala de grises,
para la conectividad entre pxeles con un rango de valores de intensidad de, por
ejemplo, 32 a 64 se tienen V=32,33.63,64 y se consideran tres tipos de
conectividad:

1) 4 conectividad. Dos pxeles p y q con valores dentro de V estn 4 conectados
si q pertenece a
) (
4
p N
.

2) 8 conectividad. Dos pxeles p y q con valores dentro de V estn 8 conectados
si q pertenece a
) (
8
p N
.

3) M conectividad (conectividad mixta). Dos pxeles p y q con valores dentro de V
estn m conectados si:

a) q pertenece a
) (
4
p N
o bien,

b) q pertenece a
) (p N
D
, y adems el conjunto de
) (
4
p N
interceptado con
) (
4
p N
es vaci.

c) Un pxel de p es adyacente si estn conectados

Dos subconjuntos de la imagen S1 y S2 son adyacentes si algn pxel de S1 es
adyacente a algn pxel de S2.
Un cambio desde el pxel p de coordenadas (x,y) al pxel q de coordenadas (s,t) es
una sucesin de diversos pxeles de coordenadas:


) , ( ),...., , ( ), , (
1 1 0 0 n n
y x y x y x
(7)

Donde
) , ( ) , (
0 0
y x y x =
y
), , ( ) , ( t s y x
n n
= ) , (
i i
y x
es adyacente a
n i y x
i i


1 ), , (
1 1
y n es la longitud del camino. As podemos definir 4-8- m
caminos dependiendo del tipo de adyacencia especfica.

Si p y q son pxeles de un subconjunto S, especificado de la imagen, se dir que p
esta conectado con q dentro de S si existe un cambio desde p hasta q que
consista totalmente de pxeles de S.


16

Para cualquier pxel p dentro de S, el conjunto de pxeles de S-conectados a p se
denomina componente conexa de S. Por tanto, cualquier par de pxeles de una
misma componente conexa esta conectados entre s, y componentes conexas
distintas son disyuntas.

6.2.3 TIPOS DE IMGENES Y FORMATOS

El proceso de digitalizacin se trabaja en dos tipos de imgenes: escala de grises
y a color y para los dos casos se encuentra la imagen indexada. En este proyecto
se trabajan en escalas de grises e imgenes indexadas:

6.2.3.1 Imagen en escala de grises.

La propiedad ms bsica de una imagen es su modo. Hay tres modos posibles:
RGB (Red, Green, Blue), escala de grises, e indexado. RGB son las iniciales en
ingls de rojo, verde y azul, e indica que cada punto de la imagen es representado
por un nivel de rojo, un nivel de verde, y un nivel de azul.
Dado que todos los colores distinguibles por los seres humanos se pueden
representar por una combinacin de estos colores, las imgenes RGB son a todo
color. Cada canal de color tiene 256 niveles de intensidad posibles
En una imagen de escala de grises, cada punto es representado por un valor de
brillo, que va desde el 0 (negro) hasta el 255 (blanco), con valores intermedios que
representan diferentes niveles de gris.
En la prctica la diferencia entre una imagen en escala de grises y una imagen en
RGB es el nmero de canales de color: una imagen en escala de grises tiene
uno; una imagen RGB tiene tres. Una imagen RGB puede ser pensada como tres
imgenes en escala de grises superpuestas, una coloreada de rojo, otra de verde,
y otra de azul.
Ms especficamente, tanto las imgenes RGB, como de escala de grises tienen
un canal de color adicional, llamado el canal alfa, que representa la opacidad.
Cuando el valor del canal alfa de una capa es cero en cierto lugar, la capa es
completamente transparente en ese lugar, y el color de la imagen en ese lugar
est determinado por lo que haya debajo. Cuando el alfa es mxima, la capa es
opaca, y el color es determinado por el color de la capa. Valores intermedios de
alfa que corresponden a grados de +; el color en el lugar es proporcional a la
mezcla del color de la capa y del color que haya debajo, como se muestra en la
figura 4.


17

Figura 4. Escalas cromticas y acromticas
8



6.2.3.2 Imgenes indexadas
En una imagen indexada, slo un conjunto limitado de colores discretos son
usados, usualmente 256 o menos. Estos colores forman un "mapa de colores" de
la imagen, y a cada punto de la imagen se le asigna un color de este mapa. Las
imgenes tienen la ventaja de poder ser representadas dentro de la computadora
consumiendo relativamente poca memoria. Adems, hay unos pocos tipos de
manipulaciones de imgenes que son ms fciles de implementar con imgenes
indexadas que con imgenes de color continuo.
6.2.4 PROCESAMIENTO DE IMGENES

El trmino de visin por computador ha sido muy utilizado en los ltimos aos y
tiende a ser confundido con otros conceptos. Con el fin de aclarar este y otros
trminos se darn varias definiciones con respecto al tema para tener una mejor
visualizacin de la visin artificial, y comprender de donde parte la relacin que
existe con el procesamiento de imgenes como se muestra en la figura 5.

Figura 5. Cuadro del procesamiento de imgenes
9




8
www.josemarti.org/jose_marti/arte/artejm/articulosarte/columbie/coloresversossencillos01.htm
9
www.mappinginteractivo.com/plantilla-ante.asp?id_articulo=632


18

6.2.4.1 Procesamiento digital de imgenes

Proceso mediante el cual se toma una imagen y se produce una versin
modificada de esta imagen. Este proceso puede hacerse por segmentacin en la
que se trata de identificar en una imagen cuales son los pxeles que pertenecen a
un objeto. En este caso la salida es una imagen binaria constituida por pxeles
blancos o negros que significan objeto o no-objeto. Tambin se puede hacer una
restauracin de imgenes, en este caso una imagen borrosa se hace ms ntida.

6.2.4.2 Anlisis de Imgenes

Proceso mediante el cual a partir de una imagen se obtiene una medicin,
interpretacin o decisin.
Este anlisis de imgenes abunda en los procesos de control de inspeccin visual
automtica, en los que a partir de una imagen se pretende saber si un producto
tiene fallas. Tambin se pueden analizan imgenes a color con el fin de detectar
grados de calidad o anomalas. Para este tipo de proceso se debe tener en cuenta
los siguientes pasos:

Adquisicin de la imagen: se obtiene la imagen adecuada del objeto de
estudio. Dependiendo de la aplicacin la imagen puede ser una fotografa,
radiografa, termografa, etc.

Pre-procesamiento: Se utiliza con el fin de mejorar la calidad de la imagen
obtenida, se emplean ciertos filtros digitales que eliminan el ruido en la imagen o
bien aumentan el contraste.

Segmentacin: Como ya se explico anteriormente se identifica el objeto de
estudio en la imagen.

Medicin (extraccin de caractersticas): se realiza una medicin objetiva de
ciertos atributos de inters del objeto de estudio.

Interpretacin (clasificacin): De acuerdo a los valores obtenidos en las
mediciones se lleva a cabo una interpretacin del objeto.

6.2.5 RECONOCIMIENTO DE PATRONES

Este tipo de procesos se basa en lal asignacin de objetos a diferentes clases a
partir de mediciones de los objetos.
El anlisis de imgenes esta estrechamente relacionado con el reconocimiento de
patrones ya que en muchas aplicaciones el universo de interpretaciones es un
conjunto discreto determinado por clases. Para otros casos es necesario emplear
clasificaciones mas sofisticadas como las redes neuronales. En este estudio es

19

necesario tambin determinar cuales atributos son los que se van a medir, es
decir, es necesario conocer en cuales atributos esta la informacin relevante para
poder realizar una clasificacin adecuada.

6.3 SISTEMA DE SUPERVISION

Esta aplicacin esta hecha en ProTool/Pro CS, como se muestra en la figura 6 y
es especialmente utilizado para la realizacin de cualquier tipo de supervisin a
nivel industrial.

Figura 6. Cartula del programa SIMATIC Protool
10




Este software tiene una opcin de configuracin para diversos tipos de panels de
visualizacin, permite creacin de grficos en dos dimensiones con sus
respectivos documentos de textos que son almacenados para su utilizacin
dependiendo de los mensajes del proceso. Este tipo de imgenes tiene la opcin
de animacin dependiendo su funcionalidad y se pueden crear alarmas, averas,
reportes, estadsticas entre otras.

La parte de comunicacin esta integrada con el paquete STEP 7, el cual permite la
programacin y el direccionamiento de variables, sus entradas y salidas con el
software Micro/WIN para la programacin del PLC y su ejecucin en el proyecto









10
SIEMENES. Cartula del software.

20

Figura 7. Supervisin pantalla inicial



El mmico del men esta diseado con base en una interfaz grafica para la
integracin con el usuario y monitoreo del mismo sistema.

Se utilizo el software PROTOOL/PRO de SIEMENS a travs del cual supervisa y
controla el encendido y apagado del sistema, la activacin del motor, el control de
tipo de tapas que van pasando y un reporte estadstico.

En la figura 8 se observa el mmico en donde se activa el motor OFF/ON para
desplazar el disco en donde van las tapas.

Figura 8. Supervisin pantalla mmico principal



21

Directamente desde el mismo mmico se puede escoger la configuracin que se
desea trabajar ya sea para el control de calidad del liner o el de impresin. El
proyecto arroja como resultado un sistema que genera control de calidad a las
tapas clasificndolas en un recorrido como tapas ptimas y no ptimas. Una vez
las tapas ingresan en el sistema de control de calidad inician un recorrido donde
se separan una por una y cuando llegan al sistema de inspeccin de la cmara,
esta captura primero la imagen interna de la tapa es decir el Liner y la procesa,
comparando esta imagen con los patrones establecidos de una tapa en optimas
condiciones de calidad, que se han introducido inicialmente en el sistema.

Posteriormente es utilizada la salida del sistema de inspeccin (pasa / no pasa)
para rechazar tapas defectuosas. El sistema mecnico de clasificacin de las
tapas funciona por medio de un compresor que expulsa las tapas defectuosas y
las tapas no defectuosas continan en la banda hacia su siguiente etapa
determinando si es rechazada o de lo contrario continua con su recorrido final.
Con el desarrollo de este proyecto se pretende mejorar la eficiencia del sistema de
control de calidad implantado en determinada lnea de produccin de tapas.
Flujograma 4. Esta informacin se encuentra diagramada en el flujograma 4 de
Anexo A.

Haciendo referencia a la opcin estadstica se trabaja un reporte de las tapas
como se muestra en la figura 9, se lleva un conteo de las tapas que van pasando
por el sistema de inspeccin y determinando internamente las tapas buenas,
rechazadas, y los tiempos de parada que hay en el sistema.


Figura 9. Supervisin pantalla de estadsticas



22

Tambin es importante tener un reporte de las horas anteriores para apreciar la
eficiencia del sistema, la disponibilidad del proceso, el desperdicio de tapas e
incluso se maneja un horometro, para llevar un tiempo de trabajo de la cantidad de
tapas por hora. En la figura 10 se observa una grafica estadstica tiempo vs
nmero de tapas que pasan en un lapso de tiempo para observar como varia con
respecto a las tapas optimas y no optimas.

Figura 10. Supervisin pantalla graficas



El reporte diario con sus correspondientes graficas de barra, para tener una mejor
relacin de las tapas que han pasado durante el proceso de control.Por ultimo se
tiene un sistema de informacin en donde se encuentran indicadores de
productividad y de produccin con un listado en tiempo real y graficas de control,
donde el mismo sistema guarda con respecto a todas las tapas que han sido
inspeccionadas.

Figura 11. Supervisin pantalla del sistema de informacin












23

Todo este reporte se trabaja con un software en una base de datos PC Access
que toma los datos directamente del PLC S7 200, para integracin con todo el
sistema que utiliza el Cristall Report.

Para la realizacin de cada una de las etapas anteriores, se tuvo en cuenta el
listado de variables y el enlace que se muestran en la figura 12.

Figura 12. Variables














24

7. REQUERIMIENTOS FUNDAMENTALES DE UN SISTEMA DE VISIN

7.1 CAMARA MACHINE VISION 722

La figura 13 muestra el tipo de cmara fotogrfica inteligente de escala de grises,
que maneja funciones tales como adquisicin de la imagen, proceso de imagen,
preparacin de resultados y la comunicacin se combina en una cubierta
compacta. Son ideales cuando varias tareas de la inspeccin tienen que ser
realizadas en un solo ciclo de la inspeccin.

Figura 13. Cmara VS 722 SIEMENS




Esta cmara se caracteriza por su alto grado de exactitud y respuesta inmediata,
esta construida para la captura de imgenes teniendo alta resolucin alcanzando a
capturar 92 tapas por segundo y procesando la informacin en ese mismo instante
para dar respuesta antes que pase el siguiente elemento por medio del hardware
que es rpido, de alto rendimiento, permitiendo evaluar directamente las
exhibiciones adquiridas de acuerdo con el programa almacenado en la memoria
central de la inspeccin.

Es importante destacar que esta cmara se programa mediante un software
llamado Spectation 2.6.4 el cual permite realizar todo el proceso de programacin
de patrones de imagen ideal y se integra con ProTool/Pro. La cmara esta
sujetada soporte que la sujetada y adems tiene una tolerancia de movimiento
sobre su eje X.

25


Tabla 1. Caracterstica de la Machine Vision 722
11


11
SIMENES. Catalogo Machine Vision. www.machinevision.com
VS 722 Basic
Caracterstica Sensor estndar
Campos de aplicaciones tpicos
Inspeccin dinmica de objetos, control de
integridad,
inspeccin de forma, evaluacin de cdigo uni y
bidimensional, comparacin de patrones, deteccin
de posicin y orientacin,
comparacin / reconocimiento ptico de caracteres,
(OCR/OCV) medicin.
Evaluacin de niveles grises
CCD 4,7 x 3,6mm(1/3)
640x480 pxeles cuadrados
Tiempo de exposicin: 10s-1s
(obturador electrnico)
Toma de imgenes Transferencia de imgenes (max):75 fps
Montura CS
Acoplamiento del objeto (adaptador para montura C opcional)
C

M
A
R
A





Equipamiento adicional
Control integrado de destello hasta 4
fuentes de iluminacin
Procesador de imagen Motorota, 50Hz, 60 MIP/s
Memoria de programa 4 MB FLASH
1 x alimentacin /E/S digitales (RJ-45)

C
P
U

Memoria de imgenes 16 MB DRAM
Puertos integrados
Industrial Ethernet
(RJ-45, 10/100 Mbaudios
Entradas digitales via
Industrial Ethernet 32
Salidas digitales via
Industrial Ethernet 64
Canales digitales (24 V DC)
8 canales sin aislamiento galvanico
y libremente configurables
Entradas digitales
Intensidad de entrada de hasta 1,5 Ma
NPN (sumidero)
P
u
e
n
t
e
s


Salidas digitales via
50mA, a prueba de cortocircuito,
PNP(fuente de corriente),seal activa con<high>

26



7.1.1 SPECTATION 2.6.4

Este software maneja una amplia gama de cmaras para la inspeccin y el control
de calidad, en la mayora para cualquier tipo de objetos a nivel de produccin en
serie. En la figura 14 se muestra el logotipo con el que se identifica este software
de inspeccin.

Figura 14. Cartula del software Spectation 2.6
12




Este programa tambin permite trabajar en tiempo OFF line sin tener conectada la
cmara por medio de un simulador y permitiendo as escoger cualquier tipo de
cmara SIEMENS, como se puede observar en la figura 15.

Por otra parte la gran ventaja de este simulador es que tambin permite coger una
serie de imgenes nombradas de esta forma:

Imagen001
Imagen002
.
Imagen N

y as sucesivamente para luego correrlas secuencialmente como si se estuviera
trabajando en ON line.



12
SIEMENS. Cartula del software
Conexin de monitoreo Via VS Link
Conexiones PROFIBUS Via VS Link PROFIBUS
Fuentes de alimentacin 24 V DC / 219 Ma
Grado de proteccin Ip 40 caja de proteccin opcional
Temperatura ambiente 0-45 C (32-113 F), Sin condensaciones

D
a
t
o
s

g
e
n
e
r
a
l
e
s

Dim.(AxAxA)en mm
60x112x30 (sin objetivo) y conexin de cable
adicional de 50 mm

27

Figura 15. Seleccin del tipo de cmara



Adems hay que tener en cuenta la direccin IP tanto del computador como en la
cmara para tener una comunicacin pero en tiempo real.Con este software se
trabaja el control de calidad por medio del reconocimiento de patrones como se
observa en la figura 16. El programa tiene como caracterstica diferentes
herramientas para su utilizacin dependiendo del tipo de producto que se maneja.

Figura 16. Reconocimiento de patrones de la impresin desde el software



28

Lo primero que se tiene en cuenta para esta aplicacin es el control de calidad en
la impresin, puesto que la cmara es en escala de grises se rectifica la impresin
con respecto al centro de referencia de la tapa, sus coronas, el precio y la letra.
Para esta aplicacin se tuvo presente que la tapa presenta un movimiento por el
disco en el que se transporta, adems tiene una fuerza centrifuga y la tapa tiende
a salirse con el movimiento giratorio en todo su recurrido, determinando en
primera instancia un patrn de referencia que rotara 360 para que encuentre guia
y con base en ella se localizan los dems, para detectar sus los defectos de
porcentaje y comparndolos con la plantilla o la imagen en perfectas condiciones y
determinando al mismo tiempo un porcentaje de tolerancia para saber cuando la
tapa es optima o no optima.

Se tiene otro patrn de referencia con respecto al campo movimiento donde va la
tapa y presenta un desplazamiento en los ejes X y Y, por esta razn este patrn
se mueve en las dos direcciones sobre su eje para buscar el patrn

La segunda etapa, es el control de calidad en el Liner como se observa en la
figura 17, donde se rectifica que este perfectamente bien puesta o timbrada con
respecto al centro de referencia de la tapa, sus coronas, que no tenga porosidad,
que no este doblado y que su borde de hermeticidad sea perfecto.

Figura 17. Reconocimiento de patrones del liner desde el software






29

Para esta aplicacin es necesario tener un patrn de referencia adicional con
respecto al campo, movimiento en donde se ubica la tapa y en la cual presenta un
desplazamiento en los ejes X y Y, por esta razn este patrn se desplaza en las
dos direcciones sobre su eje para localizar el patrn principal y asi detectar los
errores que tiene el liner en determinado momento como se muestra en la figura
18.

Figura 18. Tapas optimas y no optimas



7.2 LENTE TAMRON

Este tipo de lente muestra en la figura 19 y permite que esta cmara inteligente
obtenga primero una imagen ntida del producto que se desea analizar a una
distancia muy cercana.

Figura 19. Lente Tamron


Entre los ms comunes se encuentra el de correccin de problemas de visin, que
se caracteriza por su forma de capturar imgenes a alta velocidad sin ningn

30

inconveniente en esta. A continuacin se explica y se muestra las especificaciones
del lente:

7.2.1 Longitud focal

Es la distancia entre el punto nodal posterior de un objetivo y el punto de
convergencia de los rayos paralelos al eje cuando aquel est enfocado a infinito.
Es decir desde el lente hasta el comienzo del punto de referencia de la tapa. Y se
recuerda que a mayor longitud focal, menor ngulo de visin como se muestra en
la figura 20.

Figura 20. Longitud focal

7.2.2 Diafragma
Por lo general es un disco o un sistema de aletas dispuesto en el objetivo de una
cmara de forma tal que restringe el paso de la luz, generalmente de forma
ajustable. Las progresivas variaciones de apertura del diafragma se especifican
mediante el nmero f, que es la relacin entre la longitud focal y el dimetro de
apertura efectivo. Esta relacin da lugar a una escala normalizada en progresin
de : 1-1,4-2-2,8-4-5,6-8-11-16-22-32-45 etc. El salto de un valor al siguiente
se llama un paso. El valor mnimo que puede tener el nmero f es 0,5 m.m.
Aunque este valor es inalcanzable en la prctica.
7.2.3 Diafragma y relacin de luces
Esta relacin guarda dos nmeros f y las exposiciones correspondientes son:
En relacin de luces:
( ) m f f = 1 / 2
(8)
m = (f2 / f1)2

31

En pasos:
( ) 2 / 2 1 / 2 n f f =
(9)
n = 6.64 * log(f2 / f1)
En este caso se miden dos diafragmas, uno vale 1.4 y el otro 16 la diferencia de
exposicin que guardan esos dos tonos ser de ( ) m = 4 . 1 / 16 . La relacin de
luces (m) es de 130.6:1. El nmero de pasos (n) ser de 7,02 pasos (siete pasos y
un cuarto).
7.2.4 Diafragma y profundidad de campo
El diafragma tiene consecuencias directas en la profundidad de campo. Si se
encuentra cerrado, (mayor apertura) mayor ser la profundidad de campo. Si se
encuentra abierto, (menor apertura) ms pequea es la profundidad de campo.
7.2.5 Diafragma y nitidez
En la figura 21 se muestra el diafragma que presenta consecuencias directas en la
nitidez de la imagen. Cuanto ms cerrado est, mayor debera ser la nitidez y por
el contrario, a ms abierto, menor es la nitidez.
Figura 21. Graduacin del lente y diafragma

La nitidez tambin depende de la difraccin. Al cerrar ms el diafragma el agujero
es ms pequeo, lo que aumenta la difraccin. Por tanto, mientras por un lado la
nitidez aumenta al cerrar, por otro disminuye al incrementarse la difraccin como
se muestra en la figura 22.

32

Llega un punto en que lo que se gana diafragmando es igual a la perdida por
difraccin. A partir de ah se gana nitidez al cerrar el diafragma. Normalmente se
considera que la mayor nitidez se produce con los diafragmas que estn uno o dos
pasos ms abiertos que el mximo del objetivo.
Figura 22. Diafragma a) Abierto b) Cerrado

(a) (b)
7.2.6 Foco

Es el punto en que el objetivo convergen los rayos de una fuente celeste situada a
una distancia infinita. La mayor parte de la terminologa tradicional de la ptica
geomtrica se desarroll en relacin con superficies esfricas de reflexin y
refraccin. Si un haz de rayos estrecho que se propaga en la direccin del eje
ptico incide sobre la superficie esfrica de un espejo o una lente delgada, los
rayos se reflejan o refractan de forma que se cortan, o parecen cortarse, en un
punto situado sobre el eje ptico. La distancia entre ese punto (llamado foco) y el
espejo o lente se denomina distancia focal.
Si las dos superficies de una lente no son iguales, sta puede tener dos distancias
focales, segn cul sea la superficie sobre la que incide la luz.
7.2.7 Angulo focal
Es la parte de la escena, que es reflejada en la pelcula o en el sensor,
generalmente hay mucha ms escena visible para los humanos de lo que se ve
reflejado en las fotos, segn el tipo de lente utilizada vara el tamao de esa
porcin.
El ngulo de visin de una cmara es una funcin del tamao de la superficie que
registra la imagen y de la longitud focal y la distorsin de la lente. Pueden usarse
diferentes dimensiones de la superficie que registra la imagen para definir el
ngulo de visin:


33

Horizontalmente
Diagonalmente (el ms comn en la fotografa).
Verticalmente
Para una lente rectilnea (sin distorsin, no es un ojo de pez) el ngulo de visin
() puede ser calculado a partir de una dimensin y de la longitud focal efectiva
():

f
d
2
arctan 2 =
(10)
Hay que observar que la longitud focal efectiva puede ser igual a la longitud focal
definida en la lente (F), excepto en la fotografa macro donde el factor de
magnificacin (m) debe ser tenido en cuenta:

( ) m F f + = 1 *
(11)
Las lentes son definidas a menudo por palabras que se refieren a su ngulo de
visin:
Lentes ultra gran angular, tambin conocidas como ojos de pez, cubren
hasta 180 (o incluso ms en algunos casos).
Lentes gran angular, cubren normalmente entre 100 y 60
Lentes estndar, cubren entre 50 y 25
Teleobjetivos, cubren entre 15 y 10
Sper teleobjetivos, normalmente abarcan entre 8 y menos de 1
Los objetivos zoom son casos especiales en los que la longitud focal, y el ngulo
de visin, pueden ser modificados sin tener que quitar la lente de la cmara.
Las lentes de mayor longitud focal magnifican al sujeto, comprimiendo la distancia
y desenfocando el fondo a causa de su pequea profundidad de campo. Los
angulares tienden a magnificar la distancia entre los objetos gracias a que
permiten una mayor profundidad de campo. El resultado de usar angulares cerca
del sujeto es una aparente distorsin de la perspectiva, las lneas paralelas
tienden a converger, y con un ojo de pez los bordes rectos parecern doblarse.
Como diferentes lentes requieren diferentes distancias con el sujeto para
conservar el tamao de ste, cambiar el ngulo de visin puede distorsionar la
perspectiva, cambiando el tamao relativo del sujeto y del fondo.
A continuacin se muestra la tabla de los ngulos de visin horizontal, vertical y
diagonal, en grados, de una lente rectilnea en formato 35mm.

34

Tabla 2. ngulos de visin de una lente rectilnea
13


7.2.8 Dimetro efectivo
Es importante aclarar en primera instancia que es imposible que un microscopio o
una lente fotogrfica exploren el potencial total de un objetivo, dado que la
distancia de trabajo (DT) tambin aumenta para igualar la mayor longitud focal del
objetivo, aquellos fabricantes que utilizan una distancia parfocal de 45mm estn en
desventaja al no poder utilizar la distancia de trabajo de mayor longitud.
Cuando se aumenta la longitud focal de la lente del tubo, tambin debe
aumentarse la longitud focal del objetivo. El dimetro de la pupila del objetivo
(dimetro efectivo que queda despus de sustraer los lmites del tamao de la
rosca del objetivo) presenta un lmite, de manera que no puede obtenerse una alta
abertura numrica (A.N.). As pues, la A.N. de las lentes de baja potencia se ve
crticamente afectada.
Actualmente, se utilizan un tamao de rosca de 20,32mm, pero generalmente se
utilizan 25mm y son capaces de obtener una alta A.N.
En un principio, el brillo de las lentes fotogrficas (F) se expresaba mediante la
frmula:
D f F / = (12)
f: longitud focal de la lente
D: dimetro efectivo.
Dado que la A.N. de un microscopio corresponde al valor F de una lente
fotogrfica, el brillo puede expresarse mediante la frmula:
( ) . . 2 / 1 A N F = (13)

13
www.pixmania.com/es/es/sigma/47/marque.html

35

El dimetro efectivo que se necesita para alcanzar una A.N. deseada puede,
encontrarse utilizando esta frmula. En otras palabras, el tamao de la pupila de
un objetivo (dimetro efectivo en el lado de salida) se expresa como:
f A N D * . 2 = (14)
Por ejemplo, para encontrar el dimetro efectivo del objetivo de la tapa
( ) 2 . 0 * . * 4 A N D =
con la A.N. ms alta (mximo brillo), teniendo en cuenta
que la longitud focal del objetivo es 8mm y que la longitud focal de la lente es
50mm, se hizo el siguiente clculo:

mm D 2 . 3 8 * 2 . 0 * 2 = =


Esto demuestra que el tamao de rosca convencional de 3.2 mm no puede usarse
fsicamente, pues lo que se busca en realidad es un sistema ptico infinito con una
buena nitidez.

Tabla 3. Especificaciones de lente Tamron
14


Longitud focal 8mm
Gama del diafragma F/1,4 a 16
Operacin del diafragma Manual
Operacin de foco Manual
1/3" Angulo de visin 33,1 x 25,0
" Angulo de visin 43,6 x 33,1
2/3" Angulo de visin 59,3 x 45,2
Diametro efectivo (Front/ Rear Lens)

13,7 mm/

10,4mm
Mnimo objeto de distancia 10,2 in. (0,26m)
Foco trasero 11,60mm (in air)
Tamao del filtro M=25,5 P=0,5
Mximo dimetro

1,1, in ( 29mm)
Largo total 1,1 in(27 mm)
Peso 1,4 oz (40 gramos)





14
www.tamron.com/lenses/default.asp


36



Figura 23. Dimensiones del lente
15




7.3 DOMO DE ILUMINACION
16


Este sistema de iluminacin como se observa en la figura 24, es muy eficiente
debido a que integra una variedad de contrastes de luces las cuales nos permiten
trabajarla con varias velocidades hasta convertirse en strober, permitiendo
capturar paralela e instantneamente de la tapa que va pasando.


Figura 24. Domo Advance Ilumination.



Este sistema se maneja de forma que el sensor activa y desactiva la iluminacin
del Domo, para capturar la imagen secuencial al mismo tiempo que va pasando la
tapa y creando de esta forma una imagen ntida.

15
www.tamron.com/lenses/default.asp
16
www.advanceillumination.com

37

Adems de esto el Domo mantiene una cubierta que permite mayor seguridad al
sistema y de la no filtracin de luz externa. La cual en determinado momento es
grave para el sistema de visin, por su reconocimiento de patrones puesto que
este detecta los errores en la tapa y si se presenta filtracin de luz, la imagen real
variara en el momento que esta pasando por el sistema.

Tabla 4. Estndares de producto.

Mxima
iluminacin Distancia de trabajo mW/cm
Unidad de intensidad
luminosa
Corriente constante 25mm .880 525
Strober(100s) 25mm 17.6 10,5

Tabla 5. Estndares de vibracin

Especificaciones
de corriente Azul Verde Amarillo Naranja Rojo
Infra-
rojo Blanco RGB
12v N/A N/A 120 120 180 210 N/A N/A mA
24v 120 120 120 120 90 120 120 N/A mA

Tabla 6. Especificaciones generales

Distribucin de luz +/-10%
Temp. Operante 0 a 60C
Estndares tiempo de vida 50
Peso 438g

Figura 25. Dimensiones domo de iluminacin
17



17
SIEMENS. www.siemens.com.ar/sie-pe/pe/sensores

38

7.4 SENSOR INDUCTIVO

El sensor inductivo de la figura 26, es un dispositivo el cual se utiliza para detectar
las laminas de aluminio como se muestra en la figura 27, que se encuentran en el
disco giratorio y que van paralela a la tapa y as mismo seala una condicin de
cambio activando al mismo tiempo el domo de iluminacin y la captura de la
imagen. Con frecuencia, la condicin de cambio se trata de la presencia o
ausencia de una tapa (deteccin discreta).

Figura 26. Sensor inductivo SIEMENS



Tambin puede ser una cantidad capaz de medirse, como un cambio de distancia,
tamao o color (deteccin analgica). Los sensores posibilitan la comunicacin
entre el mundo fsico y los sistemas de medicin y/o de control, tanto elctricos
como electrnicos, utilizndose extensivamente en todo tipo de procesos
industriales y no industriales para propsitos de monitoreo, medicin, control y
procesamiento.

Figura 27. Lamina de aluminio


Principalmente este sensor funciona con una corriente (i) que circula a travs de
un hilo conductor, generando un campo magntico que est asociado a ella. Este

39

tipo de sensor de proximidad inductiva contiene un devanado interno. Cuando una
corriente circula por el mismo, un campo magntico es generado, que tiene la
direccin de las flechas. Cuando el aluminio es acercado al campo magntico
generado por el sensor de proximidad, ste es detectado.
En la figura 28, se muestra lo que sucede realmente y es que la bobina del sensor
inductivo induce corrientes de Foucault en el material a detectar. stas, a su vez,
generan un campo magntico que se opone al de la bobina del sensor, causando
una reduccin en la inductancia de la misma.
Esta reduccin en la inductancia de la bobina interna del sensor, trae aparejado
una disminucin en la impedancia de sta.
Figura 28. Funcionamiento del sensor inductivo

La inductancia, es un valor intrnseco de las bobinas, que depende del dimetro de
las espiras y el nmero de ellas. En sistemas de corriente alterna, la reactancia
inductiva se opone al cambio del sentido de la corriente y se calcula de la
siguiente manera:

fL XL 2 =
(15)
Donde:
XL = Reactancia Inductiva medida en Ohms ( )
= -Constante Pi.
f-= Frecuencia del sistema medida en Hertz (Hz)

40

L = Inductancia medida en Henrios (H)
La figura 29, muestra el comportamiento que se tiene cuando se detecta el
aluminio es decir en la parte A se dice que el aluminio esta fuera de la zona de
deteccin y en la parte B el aluminio esta dentro de la zona de deteccin.
Figura 29. Comportamiento de la inductancia


Es decir, el sensor tiene la funcin de recibir y enviar una seal a la cmara, pero
este proceso se trabaja o se conoce como histresis que es la diferencia entre la
distancia de activacin y desactivacin. Cuando un objeto metlico se acerca al
sensor inductivo, ste lo detecta a la distancia de deteccin o "distancia de
sensado". Cuando el mismo objeto es alejado, el sensor no lo deja de detectar
inmediatamente, si no cuando alcanza la distancia de reset, que es igual a la
distancia de deteccin ms la histresis propia del sensor.

Tambin se tiene en cuenta la distancia de sensado en funcin del tamao de la
pieza y el material, pues la distancia de sensado (SN) variar sensiblemente
dependiendo del material en el que se trabaje, materiales no ferrosos, como el
aluminio puede ser detectado a menores distancias.

Figura 30. Distancia entre sensor y lmina


41


En la figura 31, se puede ver como vara la distancia de deteccin en funcin del
material a detectar:

Figura 31. Distancia del sensado vs tamao del objeto


7.5 PLC S7-200

En la figura 32 y 33, se muestra el PLC (Controlador Lgico Programable) S7-200
de gama baja, es el controla todo el sistema de visin. Este dispositivo se utiliza
mediante una lgica definida a travs del software Microwin y se programo en
KOP y Lader.

Figura 32. CPU 226



42

Figura 33. Partes de la CPU
18


Lo primero que se debe tener en cuenta es el funcionamiento del PLC que se
distingue en las siguientes partes:
Interfaces entradas y salidas.
CPU (Unidad central de proceso)
Memoria
Dispositivo de programacin

En la figura 34 se muestra la estructura esquemtica en general de un programa
vase en el anexo c que se carga en la CPU, quien es la que procesa la
informacin que recibe del exterior es decir la capturacin de la imagen a travs
de la interfaz de entrada y de acuerdo con el programa de reconocimiento, activa
una salida a travs de la correspondiente interfaz de salida que es la activacin de
la electro-vlvula para la expulsin de la tapa.
Figura 34. Estructura esquemtica del PLC



18
www.salesianos.edu/alcoy.juanxxiii/dpts/docs/automatas.pdf

43

Es decir, las interfaces de entrada y salida como se muestran en la figura 35, se
encargan de adaptar las seales internas a niveles de la CPU. Internamente hay
un ciclo, la CPU lee el estado de las entradas y ejecuta la aplicacin empleando el
ltimo estado ledo y una vez completado el programa, la CPU ejecuta tareas
internas de diagnostico y comunicacin, y para finalizar el mismo ciclo se
actualizan las salidas como en la figura 36.

Figura 35. Nombres especficos de la CPU
19



El tiempo de ciclo depende del tamao del programa, del nmero de E/S y de la
comunicacin requerida.

Figura 36. Ciclo PLC


Se maneja una comunicacin abierta, interface punto a punto (P.P.I) que permite
la comunicacin de los dispositivos con otros situados a cierta distancia del PLC.
Comunicacin serial va RS 232 y RS 485 y procesador de comunicacin CP.


19
isa.umh.es/temas/plc/doc/S7-2001h.pdf

44

7.5.1 Micro/WIN

Es importante tener en cuenta que para realizar todo lo anteriormente
mencionado, internamente en el sistema se ingresan los datos en la memoria, y la
CPU almacena los estados de E/S en determinadas reas. A cada rea de la
memoria se le asigna un identificador mnemotcnico (I para las entradas y
Qpara las salidas) que se utilizan para acceder a los datos almacenados en
Micro/WIN. Adems de esto posee direcciones absolutas para todas las reas de
memoria y para acceder a una direccin determinada es preciso indicar el
operando. Esto es realizado en el software Micro/WIN , se muestra en la figura 37.

Figura 37. Cartula del programa Micro/WIN
20



Este programa tambin permite asignar nombres simblicos a las direcciones
absolutas de una rea de memoria incluyendo no solo el indicador del rea, sino
tambin el tamao hasta 4 bytes o 32 bits de los 32 datos a los que se desea
acceder:

Se manejan marcas de memorias para almacenar los datos intermedios que se
desean preservar y solo se admiten datos de 1 bit, aunque pueden manejarse en
modo bit o byte. Tambin se manejan temporizadores para la respuesta de
expulsin al electro-vlvula, y contadores.
Tambin se debe ajustar el modo de operacin de la CPU S7-200 que tiene dos
modos de operacin:
STOP: La CPU no ejecuta el programa, es posible cargar programas o
configurar la CPU.
RUN: La CPU ejecuta el programa, no es posible ni cargar programas ni
configurar la CPU.



20
SIEMENES. Cartula Presentacin del software. ww.isa.umh.es/temas/plc/doc/S7-2001h.pdf

45

SELECTOR:
Si el selector se pone es STOP, se detendr la ejecucin del programa.
Si el selector se pone en RUN, se iniciara la ejecucin del programa.
Si el selector se pone en TURM (Terminal), no cambiara el modo de
operacin de la CPU. Ser posible cambiarlo utilizando el software de
programacin (Step 7- Micro/WIN).


7.5.1.1 LENGUAJE DE PROGRAMACION

Este programa comprende tres elementos:

El programa de usuario.
Bloque de datos.
Configuracin de la CPU.

Cuando se carga el programa este queda guardado en la memoria RAM de la
CPU. El lenguaje del programa para el sistema de visin se realizo e esquema de
contactos (KOP), aunque el sistema por defecto los pasa a los otros dos tipos de
programacin que son en lista de instrucciones (AWL) y bloques de funciones
(FPU), puesto que internamente el autmata solo trabaja con AWL.

El esquema de contactos (KOP) es un lenguaje de programacin grafico con
componentes similares a los elementos de un esquema de circuito.
Al programar en KOP, se crean y se disponen componentes grficos que
conforman un segmento de operaciones lgicas y para crear programas se
dispone de los siguientes elementos:

7.5.1.2 Contactos

En la figura 38, se representan un interruptor por donde la corriente puede circular
por un contacto normalmente abierto, slo cuando el contacto esta cerrado es
decir, cuando su valor lgico es 1.

De forma similar, la corriente circula por un contacto normalmente cerrado o
negado (NOT), slo cuando dicho contacto est abierto es decir, cuando su valor
lgico es 0.

El contacto normalmente abierto se cierra (ON) si el bit es igual a 1
El contacto normalmente cerrado se cierra (ON) si el bit es igual a 0





46

Figura 38. Bloques de contactos



7.5.1.3 Bobinas

En la figura 39, se representa un rel o una salida excitada por la corriente.
Cuando se ejecuta la operacin asignar, el bit de salida se activa en la imagen del
proceso.

Figura 39. Final de carrera positivo



7.5.1.4 Cuadros

Representa una funcin como un temporizador, un contador o una operacin
aritmtica, que se ejecuta cuando la corriente llega al cuadro.

En general un segmento comprende dichos elementos, representando un circuito
completo. La corriente circula desde la barra de alimentacin izquierda,
representado en el editor KOP mediante una lnea vertical en el lado izquierdo de
la ventana a travs de los contactos cerrados para excitar las bobinas o los
cuadros.




47

Las instrucciones se componen de un dato que puede ser de distintos tipos de
datos posible como:

I: entradas
Q: salidas
M: marcas
T: temporizadores
C: contador
Sm: marcas internas

Cada uno de estos tipos se puede direcciones en 4 posibles modos (salvo T y C)

Por defecto: Bit.

Figura 40. Esquema de 1 Bit


B: Byte(8 bits).

Figura 41. Esquema de 1 Byte


W:Palabra (16 bits).

Figura 42. Esquema de una palabra


D: Palabra doble (32 bits).

Figura 43. Esquema de doble palabra




48


En todos estos sistemas, siempre se va a tener una entrada y salida con su
respectiva direccin como se observa en la figura 44.

Figura 44. Esquema de contactos


Tabla 7. Tipo de datos
21




El Esquema de Funciones Lgicas utiliza Cajas para cada funcin. El smbolo
que se encuentra dentro de la caja indica su funcin de operacin AND, como se
observa en la figura 45.

Figura 45. Esquema de funciones lgicas



21
www.disa.bi.ehu.es/spanish/asignaturas/10574/3.00.pdf

49

La lista de instrucciones (AWL) comprende un juego de operaciones nemotcnicas
que representan las funciones de la CPU, como se observa en la figura 46.

Figura 46. Lista de instrucciones


Al final se encuentra un anexo del manual de operaciones con el programa de
control de calidad de tapas con su respectiva explicacin en cada lnea.

7.6 BORNAS

En la figura 47, se muestran las bornas 8WA2 de conexin, que se utilizan para
ahorrar espacio al conectar cables de entrada y salida en tableros/cuadros de
maniobra y distribucin.

Figura 47. Conjunto de bornas



Tambin estn protegidas contra contactos y sismorresistentes, pues las pruebas
se pueden realizar sin interrumpir el servicio, introduciendo la clavija de prueba en
la abertura prevista para ello, con sus divisiones de color amarillo.

Estn construidas de forma que se aislan en ambos lados, por lo que no hacen
falta placas finales y adems su estructura simtrica de tipo estndar impide que
se abrochen con los lados invertidos. Su cuerpo aislante es de material

50

termoplstico, poliamida 6.6 con una resistencia a las corrientes de fuga en caso
de alguna equivocacin y con la ventaja que su material plstico utilizado son
difcilmente inflamables y auto extinguibles, como se observan en las figuras 48 y
49 para una mejor comprensin.

Figura 48. Partes del conjunto de bornas
22




Figura 49. Partes de una borna
23






22
SIEMENES.Ctalos de especificaciones
23
www.siemens.com.ar/sie-pe/pe/pdf_catalogos/Bornes%208WA_NSK16_2002_es.pdf

51

7.7 CONTACTORES

Es un interruptor accionado a distancia por un electroimn y las partes que lo
componen son:

Figura 50. Juego de contactores



7.7.1 Corriente de llamada
La corriente que acciona el electroimn es decir la corriente absorbida por la
bobina que es relativamente elevada debido a que prcticamente la nica
resistencia es el conductor con que est hecha la bobina. En estas condiciones, el
cos es alto (0,8 a 0,9) y la reactancia inductiva muy baja por mucho entrehierro
entre el ncleo y la armadura. Una vez cerrado el circuito magntico la impedancia
de la bobina aumenta, de manera tal que la corriente de llamada se reduce
considerablemente. La corriente formada se la denomina de mantenimiento o
trabajo. sta es mucho ms baja de 6 a 10 veces con un Cos ms bajo, pero
con capacidad para mantener el circuito cerrado.

7.7.2 Ncleo

Parte metlica, de material ferromagntico y generalmente en forma de E que se
fija a la carcaza. Su funcin es concentrar y aumentar el flujo magntico que
genera la bobina colocada en la columna central del ncleo para atraer con mayor
eficiencia de la armadura. Se construye con una serie de lminas delgadas, de
acero de silicio con la finalidad de reducir al mximo las corrientes parsitas
aisladas entre s, unidas fuertemente por remaches. El magnetismo remanente se
elimina completamente por medio de la insercin de un material paramagntico,
complementando al pequeo entrehierro.

Cuando se alimenta a la bobina con el ncleo debe llevar un elemento adicional
llamado espira de sombra o anillo de desfasaje. Este elemento, al estar desfasado
de la onda principal, suministra al circuito magntico un flujo adicional creando una
especie de CC (corriente continua). Evitando ruidos y vibraciones, la elevacin de
corriente de mantenimiento. Los contactos son elementos conductores que tienen

52

por objeto establecer o interrumpir el paso de la corriente, ya sea en el circuito de
potencia o en el de mando, tan pronto como se energice la bobina.

Es importante resaltar que los contactores de este proyecto son auxiliares NA con
alimentacin AC (corriente alterna), aunque se hable de otros tipos de contactores
como lo son los principales.

7.7.3 Contactos principales

Contactos instantneos cuya funcin especfica es establecer o interrumpir el
circuito principal, a travs del cual se transporta la corriente desde la red electrica
hasta la carga, por el cual deben estar debidamente calibrados y dimensionados
para permitir el paso de intensidades requeridas por la carga sin peligro de
deteriorarse. Por su funcin, son contactos nicamente abiertos.

7.7.4 Contactos auxiliares

Son aquellos contactos cuya funcin especfica es permitir o interrumpir el paso de
corriente a las bobinas de los contactos o a los elementos de sealizacin, por lo
cual estn diseados para intensidades dbiles. stos actan tan pronto se
energiza la bobina a excepcin de los retardados y existen dos clases:

Contactos NA: Instantneos de cierre, cuya funcin es cerrar un circuito
cuando se energiza la bobina del contactor al cual pertenecen.

Contactos NC: Instantneos apertura, cuya funcin es abrir un circuito
cuando se energiza la bobina del contactor al cual pertenecen.

Un contactor debe llevar necesariamente un contacto auxiliar instantneo NA que
es el utilizado en este proyecto y cumple la funcin de asegurar la
autoalimentacin de la bobina, por lo cual recibe el nombre especfico de auxiliar
de sostenimiento o retencin. Tambin existen contactores que tienen nicamente
contactos auxiliares, ya sean NA, NC o NA y NC. Estos son llamados contactores
auxiliares o rels. Cuando un contactor no tiene el nmero suficiente de contactos
auxiliares se puede optar por Bloques aditivos o Contactores auxiliares.
Para identificar a un contacto auxiliar, a pesar de las marcas del fabricante se
utiliza un sistema de nmeros:

Si son NA, la entrada es (13, 23, 33, 43...) y la salida (14, 24, 34, 44...)
Si son NC, la entrada es (11, 21, 31, 41...) y la salida (12, 22, 32, 42...)
El general su funcionamiento consiste consiste en la bobina sea recorrida por
corriente, genera un campo magntico intenso, de manera que el ncleo atrae con
un movimiento muy rpido. Al producirse este movimiento, todos los contactos
(tanto principales como auxiliares) cambian de posicin solidariamente.

53

Los contactos cerrados se abren y los abiertos se cierran. Para volver los
contactos a su posicin inicial reposo basta con desenergizar la bobina y se
clasifican por tipo de corriente que alimenta la bobina: AC o DC

Se tiene en cuenta la corriente que el contactor debe establecer o cortar durante
las maniobras. Para ello se toman en cuenta el tipo de carga que controla y las
condiciones en las cuales se, efectan los cortes:

AC1: Cargas no inductivas o dbilmente inductivas, cuyo factor de potencia es
mnimo 0,95.

AC2: Para arranques de motores de anillos, inversin de marcha, frenado por
contracorriente, marcha a impulsos de motores de anillos, cuyo factor de
potencia es de 0,3 a 0,7.

AC3: Para el control de motores jaula de ardilla que se apagan a plena marcha
y que en el arranque consumen de 5 a 7 veces la intensidad normal.

AC4: Arranque de motores de rotor en cortocircuito, inversin de marcha,
marcha a impulsos, frenado por contracorriente.

7.8 PROTECTORES DE MANIOBRA

En la figura 51, se muestra un protector de maniobra, este dispositivo llamado
comercialmente Breacker cumple diversas funciones, una de ellas es en primera
instancia darle un encendido y apagado a todo el sistema. Tambin es utilizado en
cualquier tipo de montaje por sencillo que sea y es especialmente utilizado, debido
a que es un circuito de proteccin, para algn tipo de sobre carga. Se maneja a
120 V y a 1A.

Figura 51. Protector de maniobra



54

7.9 FUENTE DE ALIMENTACION

En la figura 52, se muestra una fuente de alimentacin que obedece a un
esquema completamente nuevo. La clave esta en el diseo modular, compuesto
de una fuente base que puede completarse con otros mdulos. El modulo de
diagnostico constituye le complemento ideal para todas las fuentes de 24 voltios,
con el fin de poder repartir y vigilar la corriente de carga por varios circuitos.
Cualquier sobrecarga o corto circuito se detecta de forma fiable, fiable cortndose
de forma selectiva el circuito afectado. Como se mantiene la alimentacin con 24
V de las restantes cargas es posible evitar pardas en general.

Figura 52. Fuente SITOP SIEMENS



7.10 MOTOR

Este tipo de motor monofsico de 40 rpm de la figura 53, es muy utilizado en el
campo de pequeas potencias, y es activado directamente desde el supervisorio.
Su velocidad es constante en todo el recorrido y desplaza 16 tapas en 0.78
segundos.

Figura 53. Motor



55

7.11 DISCO

En la figura 54, se muestra un disco hecho en acrlico de 20 cm de dimetro y esta
sujetado al motor para permitir el desplazamiento de las tapas. En disco esta
diseado de forma que el borde tiene una cavidad o un espacio en donde la tapa
encaja y es transportada para su control de calidad. Alcanza a transportar 16
tapas y su movimiento es en direccin de las manecillas del reloj.

Figura 54. Disco de tapas



7.12 ELECTRO VALVULA

Este tipo de electro-vlvula como se muestra en la figura 55, es de una va y de
dos estados, se alimenta con 24V DC, permitiendo una activacin de paso
inmediato por medio de una seal que proviene directamente del PLC,
dependiendo de la respuesta del software.

En general, se elige el accionamiento elctrico para mandos de tiempos
inmediatos de conexin. La electrovlvula o vlvula electromagntica es de mando
directo, es decir solamente se utilizan para un dimetro de luz pequeo, dando
una mayor seguridad de respuesta y un paso de aire ms efectivo para la
expulsin de la tapa. La electrovlvula tiene terminales de conexin con acople de
racor para una manguera de 1/4 para tener una mayor presin en el sistema de
expulsin y as mismo para evitar el escape de aire que proviene del compresor.

Figura 55. Eletrovlvula Dixon



56

7.13 COMPRESOR

En la figura 56, se muestra un compresor que se descarga cada 23 pulsos y
automticamente se carga en un lapso de 1 minuto. Este compresor maneja una
presin de 115 PSI y la electrovlvula es la que da el paso de aire para el rechazo
de la tapa no ptima.

Figura 56. Compresor KTC



Tabla 8. Caractersticas compresor
24


Modelo TD-2006A 2Hp
8Kg/cm3 Poder 1,5Kw
Tank
CAP 6 L
115PSI 116l/min
Pres Kpa CAP 4,1CFM Date 2004

















24
Placa de especificaciones del compresor

57

8. ANLISIS MECNICO


DISCO, TAPAS Y MOTOR

Antes de comenzar a hacer este anlisis se tiene en cuenta, varios pesos que se
involucraran en el transcurso del anlisis. Como se observa en la figura 57.

Peso de la tapa tipo corona c/u: 2 gramos
Peso total de las 16 tapas tipo corona: 32 gramos
Peso del disco con lminas: 160 gramos


8.1 Velocidad

r w v * =

Figura 57. Velocidad del disco


8.1.1 Velocidad angular

F w 2 =
seg
rev
w
60
30 * 2
=

seg r w / 1416 . 3 =



58

8.1.2 Velocidad de la tapa

r w V
tapa
* =

17 . 0 * / 1416 . 3 s r V
tapa
=

s m V
tapa
/ 5340 . 0 =


8.3 Aceleracin

En este caso se analiza la aceleracin de la tapa llegando a la conclusin que es
igual a 0, debido a que la velocidad es constante.

0 =
c
a
r
V
a
c
2
=

( )
m
s m
a
c
17 . 0
/ 5340 . 0
2
=

2
/ 67 . 1 s m a
c
=



8.4 FUERZAS A VENCER

Este diseo se realiza con base en el anlisis de los componentes que tienen
contacto y que hacen que el sistema tenga unas fuerzas en contra para su
movimiento normal. Cuando el disco de acrlico se desplace, encontrara una
friccin y una oposicin al movimiento con sus 16 tapas. Como se aprecia en la
figura 58.

Figura 58. Fuerza a vencer


59


Para este anlisis se tiene en cuenta el coeficiente de rozamiento

entre estos
tres materiales y su normal observado en la figura 59.

Figura 59.Coeficiente de rozamiento

El disco de acrlico con la base de la estructura en acero.

75 . 0 =
Acero
Disco

La tapa metlica con la base de la estructura mecnica.

15 . 0 =
Acero
Tapa

Tapa
Acero
Tapa Disco
Acero
Disco
N N F + =


[ ] [ ]
2 3 2 3
/ 8 . 9 * 16 * 10 2 15 . 0 / 8 . 9 * 10 160 75 . 0 s m kg x s m kg x F

+ =
047 . 0 176 . 1 + = F
N F 22304 . 1 =


8.5 POTENCIA

VI P =


60

V F
t
w
P * = =

w= Trabajo
t= Unidad de tiempo

F= Fuerza
V= Velocidad


V F Pot * =
s m M Pot / 5340 . 0 * 22304 . 1 =
W Pot 65 . 0 =

VI Pot =
A v Pot 8 . 0 * 24 =
W Pot 2 . 19 =

65 . 0
2 . 19
_ _ = seguridad de Factor


53 . 29 _ _ = seguridad de Factor


8.6 CALCULO POR TORQUE

d F T * =
m N T 17 . 0 * 22304 . 1 =
m N T * 2079 . 0 = Es el torque necesario.
cm Kg T
Normal
* 21 =


Conversin
cm
m s m cm Kg
T
Normal
100
1 * / 8 . 9 * * 21
2
=


2
/ * 058 . 2 s m kg T
Normal
=





61

Figura 60. Velocidad de la tapa



2079 . 0
058 . 2
_ _ = seguridad de Factor

89 . 9 _ _ = seguridad de Factor

Tambin se tiene en cuenta la parte de la unin del motor con el disco. Analizando
esta unin se puede decir que

8.7 COMPRESOR

8.7.1 Presin

A
F
P =

2 3
/ 8 . 9 * 10 2 s m kg x F

=

0196 . 0 = F


2
*r A =
( )
2
015 . 0 * = A


62

0007068 . 0 = A


2
00070 . 0
0196 . 0
m
N
P =

2
/ 72 . 27 m N P =
m
m
mm
m
m
N
P
1000
1
*
1
1
* 72 . 27
2
=

2
/ 0000272 . 0 mm N P =


Conversin
2 2
145 1
pul
lb
mm
N
=

0040 . 0 0039 . 0 145 * 0000272 . 0
2 2
=
pul
lb
mm
N



PSI
PSI
seguridad de Factor
0040 . 0
115
_ _ =

29 _ _ = seguridad de Factor


8.8 SIMULACIN EN VISUAL NASTRAN DESKTOP


Despus de haber hecho el diseo en Solid Edge V16, se exporta todo el
conjunto para mirar que comportamiento presenta el sistema. Con sus debidas
restricciones, al disco se le da una propiedad para que gire a una velocidad de 30
rpm pero con relacin a un porcentaje, que permite observar un movimiento que
determine con el anlisis de datos, una conclusin que realmente el sistema si
tiene un movimiento adecuado.

Se sacan dos graficas, una de posicin que da una onda senoidal debido al
movimiento del disco, con relacin a la velocidad que siempre es constante.






63

Figura 61 Sistemas en movimiento



Tambin se mira por la parte de elementos finitos como se observa en la figura 62,
para determinar cuales son los puntos crticos que tiene el sistema y su mayor
concentracin de fuerzas.

Figura 62 Sistema con anlisis de esfuerzos



64


Por medio de Von Mises y por los diferentes esfuerzos que muestra cada color, el
punto mas critico es la unin entre el motor para el movimiento del disco.


Figura 63 Sistema con vista isomtrica





En la figura 64 se observa una gran concentracin en el centro del disco, que tiene
a dispersarse hacia un lado. Esto se da por la oposicin de la friccin al
movimiento que hay entre el disco y la superficie, determinando as que adems
de esto, el mismo movimiento hace que la unin seda a tal punto que comienza a
romperse.








65

Figura 64 Punto con mayor concentracin.



Con el anlisis hecho como se observa en la figura 65, se puede decir que los
implementos seleccionados, en realidad tienen un factor de seguridad bastante
algo. Lo cual asegura que el sistema esta hecho para una gran resistencia y que
no tendremos ningn inconveniente con los implementos seleccionados para el
sistema.

Figura 65 Vista del sistema en general


66

9. REDES NEURONALES

9.1 Estructura de la neurona

Una Red Neuronal es el resultado de los intentos por reproducir mediante
computadoras el funcionamiento del cerebro humano. El cerebro est compuesto
por miles de millones de neuronas, interconectadas de forma variable y compleja.
Su peculiar forma de trabajo le convierte en el dispositivo ms eficaz para
procesar informacin del mundo real.

Ya que cada neurona recibe impulsos procedentes de otras neuronas, que
procesa individualmente dndole un peso determinado. Despus transmite la
seal resultante a otras neuronas, siguiendo una configuracin variable para cada
caso. Las redes neuronales tratan de simular este proceso en un equipo
computacional.

Al igual que las neuronas en el cerebro humano, cada nodo recibe unas seales
que proceden del exterior de la red o de otros nodos, las procesa dando distinto
peso a cada una y genera una nica seal de salida que se transmite a otros
nodos.

Desde el punto de vista prctico, un nodo debe poseer los medios para almacenar
seales y procesarlas segn pesos o funciones. Por lo mismo, los nodos deben
ser circuitos electrnicos, computadoras o fragmentos de programas.

Por lo tanto una red neuronal nueva establece las conexiones de cada nodo de
forma convencional. Su proceso de aprendizaje empieza al darle una pareja de
datos de entrada y salida. La red va haciendo pruebas mediante la determinacin
de los pasos ms convenientes y de las conexiones entre nodos ms adecuadas.
Al cabo de varios intentos, repetidos con varias parejas de datos de entrada y
salida conocidos, el sistema est ya educado, es decir, en condiciones de trabajar;
la informacin que almacena una red se halla dispersa por todos sus nodos, lo que
le confiere caractersticas distintas a las de una computadora convencional y le
hace menos propensa a fallos.

9.1.1 La neurona y la sinapsis

El cerebro humano tiene aproximadamente 12 billones de clulas nerviosas o
neuronas. Cada neurona tiene de 5.600 a 60.000 conexiones dendrticas
provenientes de otras neuronas. Estas conexiones transportan los impulsos
enviados desde otras neuronas y estn conectadas a la membrana de la neurona.
Cada neurona tiene una salida denominada axn. El contacto de cada axn con
una dendrita se realiza a travs de la sinapsis. Tanto el axn como las dendritas
transmiten la seal en una nica direccin como se observa en la figura 66.


67

Figura 66. Modelo de una neurona biolgica
25


La sinapsis consta de un extremo presinptico de un axn conectado a un extremo
postsinptico de una dendrita, existiendo normalmente entre stos un espacio
denominado espacio sinptico.

Las neuronas son elctricamente activas e interactan entre ellas mediante un
flujo de corrientes elctricas locales. Estas corrientes se deben a diferencias de
potencial entre las membranas celulares de las neuronas. Un impulso nervioso es
un cambio de voltaje que ocurre en una zona localizada de la membrana celular.

El impulso se transmite a travs del axn hasta llegar a la sinapsis, produciendo la
liberacin de una sustancia qumica denominada neurotransmisor que se esparce
por el fluido existente en el espacio sinptico. Cuando este fluido alcanza el otro
extremo transmite la seal a la dendrita. Los impulsos recibidos desde la sinapsis
se suman o restan a la magnitud de las variaciones del potencial de la membrana.
Si las contribuciones totales alcanzan un valor determinado (alrededor de 10
milivoltios) se disparan uno o ms impulsos que se propagarn a lo largo del axn
como se observa en la figura 67.

Figura 67. Neurona biolgica
26



25
http://biofisica.fcien.edu.uy/modulo5.pdf
26
http://biofisica.fcien.edu.uy/modulo5.pdfhttp://biofisica.fcien.edu.uy/modulo5.pdf

68

Aunque todava no est del todo claro, parece que este impulso se inicia en la
conexin entre el axn y la membrana. Su amplitud y velocidad dependen del
dimetro del axn y su frecuencia del nmero de disparos que se efecten.

Las redes neuronales artificiales basan su funcionamiento en las redes neuronales
reales, estando formadas por un conjunto de unidades de procesamiento
conectadas entre s. Por analoga con el cerebro humano se denomina neurona
a cada una de estas unidades de procesamiento. Cada neurona recibe muchas
seales de entrada y enva una nica seal de salida (as es como ocurre en las
neuronas reales).

9.1.2 El aprendizaje de una red

Se puede producir de tres formas:

Aprendizaje supervisado: consiste en introducir una serie de patrones de
entrada a la red y a su vez mostrar la salida que se quiere tener. La red es
capaz de ajustar los pesos de las neuronas de forma que a la presentacin
posterior de esos patrones de entrada la red responde con salida memorizada.

Aprendizaje no supervisado: se presentan los patrones de entrada a la red y
sta los clasifica en categoras segn sus rasgos ms sobresalientes.

Aprendizaje auto supervisado: la propia red corrige los errores en la
interpretacin empleando una realimentacin.

9.1.3 La Neurona Artificial

Si se tienen N neuronas, que se ordenan arbitrariamente y se designan como
unidades. Su trabajo es simple y nico, y consiste en recibir las entradas de las
clulas vecinas y calcular un valor de salida, el cual es enviado a todas las clulas
restantes.
Se conoce como capa o nivel a un conjunto de neuronas cuyas entradas
provienen de la misma fuente (que puede ser otra capa de neuronas) y cuyas
salidas se dirigen al mismo destino (que puede ser otra capa de neuronas). De
esta manera podemos destacar tres tipos de unidades c co om mo o s se e o ob bs se er rv va a e en n l la a
f fi ig gu ur ra a 6 68 8:
o Las unidades de entrada reciben seales desde el entorno (son seales
que proceden de sensores o de otros sectores del sistema).
o Las unidades de salida envan la seal fuera del sistema (son seales que
pueden controlar directamente potencias u otros sistemas). Las neuronas
de las capas ocultas pueden estar interconectadas de distinta manera, lo
que denomina, las distintas tipologas de redes neuronales.

69

o Las unidades ocultas son aquellas cuyas entradas y salidas se encuentran
dentro del sistema (son seales que no tienen contacto con el exterior).

Figura 68. Caracterizacin de un grupo de Neuronas



9.1.4 Conexiones Entre Neuronas

Las conexiones que unen a las neuronas que forman una red neuronal artificial,
tienen asociado un peso, que es el que hace que la red adquiera conocimiento.
Consideremos y
i
como el valor de salida de una neurona i en un instante dado.
Una neurona recibe un conjunto de seales que le dan informacin del estado de
activacin de todas las neuronas con las que se encuentra conectada. Cada
conexin (sinapsis) entre la neurona i y la neurona j est ponderada por un peso
W
ji
. Normalmente, de forma simplificada, se considera que el efecto de cada seal
es aditivo, de tal forma que la entrada neta que recibe una neurona (potencial
postsinptico) net
j
es la suma del producto individual por el valor de la sinapsis
que conecta ambas neuronas:


=
N
i
i ji j
y w net
(16)

Esta regla muestra el procedimiento a seguir para combinar los valores de entrada
a una unidad con los pesos de las conexiones que llegan a esa unidad y es
conocida como regla de propagacin.

9.1.5 Fases en la aplicacin de Redes Neuronales

Todas las aplicaciones deben cumplir dos tipos diferentes de requisitos en el
proceso, podemos distinguir dos fases: fase la de aprendizaje o entrenamiento y la
fase de prueba.


70

En la fase de entrenamiento determina los pesos usando un conjunto de datos
para definir el modelo neuronal. Una vez entrenado este modelo en la fase de
prueba, se procesan los patrones que constituyen la entrada habitual de la red,
analizando as las prestaciones finales de la red.

Fase de prueba: Los parmetros de diseo de la red neuronal se han obtenido
por patrones representativos de las entradas, a los que se conocen como
patrones de entrenamiento.

Segn el tipo de red, y en funcin de las ecuaciones dinmicas de prueba, los
resultados pueden ser calculados de una vez o adaptados entre si. Para validar
el diseo, una vez calculados los pesos, se comparan los valores de las
neuronas de la ltima capa con la salida deseada.

Fase de aprendizaje: Una caracterstica bsica de las ANNs es su capacidad de
aprender. Aprenden por su actualizacin o cambio de los pesos sinpticos que
caracterizan a las conexiones. Los pesos se adaptan de acuerdo a la informacin
extrada de los patrones de entrenamiento nuevos que se van presentando.



9.2 MODELO ARTIFICIAL DE LAS REDES NEURONALES

Las redes neuronales son modelos que intentan reproducir el comportamiento del
cerebro. En cuanto tal, realiza una simplificacin, a partir de los elementos
relevantes del sistema como se observa en la figura 60.

Las neuronas artificiales pretenden mimetizar las caractersticas ms importantes
de las neuronas biolgicas. Cada i-esima neurona esta caracterizada en cualquier
instante por un valor numrico denominado valor o estado de activacin ( ) t a
l
;
asociado a cada unidad, existe una funcin de salida
i
y . Dicha seal es enviada a
travs de los canales de comunicacin unidireccionales a a otras unidades de la
red; en estos canales la seal se modifica de acuerdo con la sinapsis (el peso,
ji
W ) asociada a cada uno de ellos segn una determinada regla. Las seales
moduladas que han llegado a la unidad j-esima se combinan entre ellas,
generando as la entrada.



ji l J
W Y NET *

=
(17)





71

Figura 69. Estructura de la neurona artificial
27





9.2.1 Unidades de proceso: La neurona artificial

Si se tiene N neuronas, podemos ordenarlas arbitrariamente y designar la j-sima
unidad como
j
U . Su trabajo es simple y nico, y consiste en recibir las entradas
de la celular vecinas y calcular un valor de salida, luego de un proceso interno,
para enviarlo a todas las neuronas restantes.

En cualquier sistema que este modelado, es til caracterizar tres tipos de
unidades: salida y ocultas. Las unidades de entrada reciben seales desde el
entorno; estas entrada son a la vez las entradas de la red. Las unidades de salida
envan la seal de fuera del sistema, es decir, son salidas de la red. Las unidades
ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema,
es decir, no tienen contactos con el exterior.

Se conoce como capa o nivel a un conjunto de neuronas de cuyas entradas
provienen de la misma fuente, y cuyas salidas se dirigen al mismo destino.

9.2.2 Estado de activacin

Adicionalmente al conjunto de unidades, la representacin necesita los estados
del sistema en un tiempo t. Estos se especifican por un vector de N nmeros
reales A(t), que representan el estado de activacin del conjunto de unidades de
procesamiento. Cada elemento del vector representa la activacin de una unidad
en el tiempo t, es decir.


( ) ( ) ( ) ( ) ( ) t a t a t a t a t A
n i
.. ,......... . ,......... , ) (
2 1
=
(18)

27
http://redalyc.uaemex.mx/redalyc/pdf/342/34202302.pdf

72

El procesamiento que realiza la red se ve como la evolucin de un patrn de
activacin en el conjunto de unidades que lo componen a travs del tiempo. En
una visin simplificada se puede decir que las neuronas pueden estar en dos
posibles estados, en reposo y en excitacin.

9.2.3 Conexiones entre neuronas

Las conexiones que unen a las neuronas que forman una red neuronal artificial
tiene asociado un peso, que es el que hace que la red adquiera conocimiento.
Consideramos
l
y como el valor de salida de la neurona i en un instante dado.
Una neurona recibe un conjunto de seales que le dan informacin del estado de
activacin de todas las neuronas con las que se encuentra conectada. Cada
conexin entre la neurona i y la neurona j esta ponderada por un peso
ji
W . Se
considera que el efecto de cada seal es aditivo, de tal forma que la entrada neta
que recibe una neurona
J
Net es la suma del producto de cada seal individual por
el valor de la sinapsis que conecta a ambas neuronas:


ji l J
W Y Net *

=
(19)

Esta relacin es la que se denomina regla de propagacin.

9.2.4 Funcin o regla de activacin

As como es necesaria una regla que combine las entradas a una neurona con los
pesos de las conexiones, tambin se requiere una regla que combine las entradas
con el estado actual de la neurona en orden a producir un nuevo estado de
activacin como se observa en la figura 61 y 62.

Dado el estado de activacin ( ) t a
1
de la unidad
l
U y la entrada total que llega a
ella,
l
Net , el estado de activacin siguiente, ( ) 1
1
+ t a , se obtiene aplicando a la
funcion F, llamada funcion de activacion:

( ) 1
1
+ t a =F ( ) ( )
l
Net t a ,
1
(20)

Generalmente F es la funcin idntica, por lo que es estado de activacin de una
neurona en 1 + t coincidir con el Net de la misma en t. En este caso, el parmetro
que se le pasa la funcin de salida f, de la neurona directamente el Net. Segn
esto, la salida de una neurona i quedara segn la expresin:

( ) ( ) ( ) ( ) t y w f Net f t y
j ij l l
= = +1 (21)


73

Figura 70. Funcin de activacin



Normalmente la funcin de activacin no esta centrada en el origen del eje que
representa el entrada neta, presentando cierto desplazamiento que se conoce
como el umbral de activacin
l
. De acuerdo con esto, la salida de la neurona
tendr la nueva siguiente forma:

( ) ( ) ( ) ( )
l j ij l l l
t y w f Net f t y = = +

1 (22)

Figura 71. Funcin de activacin con
1


Al igual que en las funciones de transferencia, existe un conjunto de funcin de
activacin que vienen a ser las mismas en este caso, es decir la funcin escaln la
lineal o identidad, la lineal mixta y la sigmoidal.

9.2.5 La estructura de una red neuronal

Los componentes ms importantes de una red neuronal, a saber:
Unidades de procesamiento
Estado de activacin
Patrn de conectividad

74

Regla de propagacin
Funcin de transferencia
Regla de activacin
De la siguiente manera esta organizada dicha red en funcin de su
mesoestructura.

9.2.6 Estructura de conexin de redes neuronales artificiales

Una red neuronal se determina por la neurona y la matriz de pesos. El
comportamiento de la red depende en gran medida del comportamiento de la
matriz de pesos. Existen tres tipos de capas de neuronas: la de entrada, la de
salida y las ocultas. Entre dos capas de neuronas existe una red de pesos de
conexin, que puede ser de los siguientes tipos:

Conexin hacia delante: es la de red de Conexin en la cual, los datos de las
neuronas de una capa inferior son propagados hacia las neuronas de la capa
superior.

Conexin hacia atrs: esta Conexin realiza la operacin inversa a la
Conexin hacia delante, es decir, los datos de las neuronas de una capa
superior son llevados a otra de capa inferior.

Conexin lateral: un ejemplo tpico de este tipo de Conexin es el ganador
toma todo, que cumple un papel importante en la eleccin del ganador.

Conexin de retardo: es la conexin en la cual se le incorporan unos
elementos de retardo para implementar modelos dinmicos y temporales, es
decir, modelos que precisa memoria.

Puede darse el caso que las redes sean de una capa, y su modelo de pesos sea
hacia atrs o bien multicapa hacia delante. Como tambin es posible, conectar
varias redes de una sola capa para dar lugar a redes ms grandes.

9.2.7 Tamao de las redes

El tamao de las redes depende del nmero de capas y del nmero de neurona
oculta por capas.
Para conocer el nmero de capas de neuronas, a menudo se cuenta a partir del
nmero de capas de pesos, debido a que en una red multicapa existen una o ms
capas de neuronas ocultas. El nmero de neuronas ocultas est directamente
relacionado con las capacidades de la red, debido a que un comportamiento
correcto de la red viene determinado por el nmero de neuronas de la capa oculta.



75

9.2.8 Redes Neuronales de Aproximacin/Optimizacin.
Las formulaciones basadas en la aproximacin se pueden ver como una
aproximacin/regresin para el conjunto de datos entrenados. Los datos para el
entrenamiento se dan en pares de entrada/maestro, que denotaremos por
[ ] [ ] [ ] { } tm xm t x T X , ,..., 1 , 1 , = , donde M es el nmero de patrones de entrenamiento.
Los valores deseados en los nodos de salida correspondientes a los patrones de
entrada
) (m
x los llamaremos maestros. El objetivo del entrenamiento de la red es
encontrar los pesos ptimos para minimizar el error entre los valores del maestro y
las salidas de respuesta actual. Un criterio popular es minimizar los errores
cuadrticos medios entre el maestro y la salida actual. Para adquirir una
capacidad de aproximacin no lineal, se usan frecuentemente las redes multicapa,
junto con el algoritmo de Backpropagation.

9.2.9 Modelos supervisados

9.2.9.1 BackPropagation

El aprendizaje con redes de neuronas se realiza siguiendo el enfoque de la
Retropropagacin de Gradiente Backpropagation y el de los algoritmos
constructivos. El primero necesita introducir a priori el nmero y conexiones de las
unidades ocultas, y determinar los pesos por minimizacin de un costo. La red as
obtenida es eventualmente simplificada eliminando unidades y/o conexiones que
parecen intiles como se observa en la figura 72.

Figura 72. Modelo BackPropagation
28



El defecto de este enfoque consiste en la bsqueda de la mejor arquitectura a
travs de prueba y error. Por otra parte, con un enfoque constructivo se aprende al
mismo tiempo el nmero de unidades y pesos, en el marco de una arquitectura
que comienza generalmente con un perceptron. La caracterstica de estos
algoritmos es que construyen una RN adaptada a cada problema particular,
usando la informacin contenida en el conjunto de aprendizaje y evitando

28
http://asds.dacya.ucm.es/jlvazquez/files/070605GridBackPropagation101.pdf

76

redisear la arquitectura. El primer algoritmo constructivo fue el algoritmo Tiling, de
ah surgieron Cascade Correlation, el algoritmo Upstart, Offset y GAL entre otros.
Monoplan y NetLines son dos algoritmos recientemente introducidos por el autor.
De aqu en adelante, nuestra discusin ser basada nicamente en los mtodos
constructivos.

Una vez construida la red, sta debe ser capaz de predecir la clase de datos
nuevos que no estn presentes en el conjunto de aprendizaje. La calidad del
algoritmo de aprendizaje se traduce en la capacidad de prediccin de la RN. Esta
calidad se mide a travs del error de generalizacin, que es la proporcin de
clasificaciones correctas realizadas por la red sobre nuevos datos. Esta cantidad
se mide empricamente sobre una serie de problemas estndar (benchmarks) que
sirven de prueba.

9.3 RECONOCIMIENTO

Se trabajo primero con base a una red Hopfield discreta con patrones de entrada
de resolucin de 495 pxeles de ancho por 495 de ancho, es decir se maneja una
matriz de pesos del orden de N datos para cada patrn. En total se manejaron dos
redes con la configuracin anteriormente mencionada, una para los dgitos y otra
para las letras que contiene la tapa en el control de calidad de la impresin c co om mo o
s se e o ob bs se er rv va a e en n l la as s f fi ig gu ur ra a 6 64 4 y y 6 65 5. Al realizar las pruebas de funcionamiento se
encontr que la velocidad de procesamiento es muy rpida, por las
especificaciones que tiene la cmara y se debe tener en cuenta que no esta
trabajando al 100%, en esta aplicacin esta trabajando al 20%.y los resultados
que se obtienen superan las expectativas, ya que la cmara esta diseada para un
99% de efectividad.

Realizando pruebas con las 18 tapas se observo que la red configurada para los
dgitos proporcionaba datos errneos en un 5.5% de los casos, y la red
configurada para las letras proporcionaba datos errneos en un 11%, por ende el
aprendizaje de estos a la red es bueno teniendo en cuenta la relacin de
ortogonalidad dice:

( ) ( )
m k e e
m
i
K
i
N
i

=
0
1
(23)

Se realizo con base en las pruebas, realmente el software Spectation es tan
completo y complejo al mismo tiempo que internamente el tiene sus propios
patrones de reconocimiento con algunas especificaciones, con base en ello lo
ideal es tambin saber como funciona internamente este sistema y como maneja
su reconocimiento de patrones, implementando una red feedforward con algoritmo
de aprendizaje backpragation. Esta diseada con dos redes neuronales

77

primordiales, una para los dgitos y otra para las letras, con la siguiente
configuracin:

Red para la identificacin de los dgitos:
Estructura: Red FeedForward.
Algoritmo de entrenamiento: BackPropagation.
Tamao de la red: Red de tres capas, una de entrada, una intermedia u oculta y
la capa de salida.

Figura 73. Representacin Red neuronal de letras




Especificaciones: 128 x 64 x 10. Las primeras neuronas representan los
elementos binarios de una matriz de 8 x 16 pixeles, que codifican el mapa de bits
que representan cada uno de los dgitos. Las segundas neuronas representan la
capa intermedia y la tercera tenemos las salidas de la red en la cual la cada
neurona representa un digito del 0 al 9.

Valores de entrenamiento:
Tasa de aprendizaje: 0.137
Momento: 0.85
Error: 0.09
Numero de patrones: 3
R Re ed d p pa ar ra a l la a i id de en nt ti if fi ic ca ac ci i n n d de e l lo os s c ca ar ra ac ct te er re es s

Estructura: Red FeedForward.
Algoritmo de entrenamiento: BackPropagation.

78

Tamao de la red: Red de tres capas, una de entrada, una intermedia u oculta y
la capa de salida.

Especificaciones: Las primeras neuronas representan los elementos binarios de
una matriz de 8 x 16 pixeles, que codifican el mapa de bits que representan cada
uno de los dgitos. Las segundas neuronas representan la capa intermedia y la
tercera tenemos las salidas de la red en la cual la cada neurona representa una
letra desde A hasta la Z.

Valores de entrenamiento:
Tasa de aprendizaje: 0.113
Momento: 0.95
Error: 0.19
Numero de patrones: 3

Figura 74.Representacin Red neuronal de letras



Tambin se trabaja el reconocimiento de patrones en las dimensiones y del
nmero de conos del borde de la tapa tanto en la impresin como en el Liner, pero
en este ltimo se mira la escala de grises y los cambios que hay en el borde del
Liner para su hermeticidad.










79

10. RECURSOS FINANCIEROS

Todos los recursos econmicos de los materiales necesarios para el desarrollo de
el Diseo y construccin de un modelo automtico de visin artificial para el
control de calidad en la impresin y Liner de la tapa metlica fueron asumidos por
la empresa ASESORIAS INDUSTRIALES SANTAFE S.A los cuales se estipulan
en la tabla 8.

Tabla 9. Costos de materiales y servicios
Los implementos que se observan en la tabla 9 hacen parte de los materiales de
operacin para este proyecto.









IMPLEMENTO CANTIDAD
Costos Lista
Unit.-Us. (*)
Costos Lista
Unit.-Col. $(*)
TOTAL
$PESOS
Machine Vision
SIMATIC VS 722 (SIEMENS) 1 10000 Dlares $24400,000 $24400,000
Lente Machine Vision
SIMATIC VS 722 (SIEMENS) 1 2500 Dlares $6000,000 $6000,000
Autmata programables (PLC)
SIMATIC S7 - 200 Unidad central
CPU (SIEMENS) 1 1023 Dlares $2439,400 $2439,400
Fuente de alimentacin PS307
5AMP ENTRADA
AC 120/230 V;
SALIDA DC24V (SIEMENS) 1 356 Dlares $ 859,900 $ 859,900
Compresor de aire continuo 1 100 Dlares $ 240,000 $ 240,000
Motor de 80 RPM 1 36 Dlares $ 86,400 $ 86,400
Estructura de la base de la VS 722 1 $ 250,000 $ 250,000
Iluminacin ADL 1 834 Dlares $2000.000 $2000.000
Cables de comunicacin 9 $ 200,000 $ 200,000
Estructura completa de
Disco para tapas 1 $ 300,00 $ 300,00
Computador 1 834 Dlares $2000.000 $2000.000
Transporte Varios $ 320,000 $ 320,000
IVA - $4015,312
COSTO TOTAL $43111,012

80

Tabla 10. Costos de provisiones.

IMPLEMENTO Cantidad
Costos Unit.
Col. $(*)
Costos Total.
Col. $(*)
Resma (tamao carta) 1 $ 13,000 $ 13,000
Cartucho impresora
B/N Lexmark 50 1 $ 95,000 $ 95,000
Cartucho impresora
Color Lexmark 75 1 $ 112,000 $ 112,000
Extras Variedades $ 150,000 $ 150,000
IVA $ 59,200
COSTOS TOTAL $ 429,200

En la tabla 10 se da a conocer los costos directos generales:

Tabla 11. Costos directos totales

RUBROS Costo Total. Parcial - Col. $(*)
Materiales y servicios $43111,012
Provisiones $ 429,200
SUBTOTAL $43540,212
Imprevistos 5% $1677,010
COSTO TOTAL $45217.222

10.1 Costos indirectos

Son los costos que hacen parte de la depreciacin de equipos, software y
elementos de la Empresa y Universidad.
Los costos mensuales se calculan para un tiempo de 2 meses y quince das que
es la duracin de desarrollo del proyecto a un valor de $2.400 pesos por dlar
como se observa en la tabla 11.

Tabla 12. Costos de licencias

PROGRAMAS
Costo Lista
Unit. - Us. (*)
Costo
Unit. - Col. $(*)
Depreciacin
(7.5% sem)
Sub-Total.
Col. $(*)
Licencia
SPECTATION 2.6

4500 Dlares

$ 13500.000

$1012.500

$2025.000
Licencia
VISUAL NASTRAN

2900 Dlares

$8700.000

$ 652.500

$1305.000
Licencia
RINOCEROS

2400 Dlares

$7200.000

$ 540.000

$1080.000
IVA $ 709.600

COSTO TOTAL



$5119.600

81

En la tabla 12 se observan los costos totales de la investigacin propuesta

Tabla 13. Costo total

COSTO Costo parcial Col. $(*)
Costos directos $45217.222
Costos indirectos $5119.600
COSTO TOTAL PROYECTO $ 50336.822




































82

CONCLUSIONES


EL diseo y construccin de un modelo automtico de visin artificial para el
control de calidad en la impresin y liner de la tapa metlica en la actualidad se
encuentra en funcionamiento en TAPAS LA LIBERTAD y BAVARIA en Bogot
trabajando como un sistema de control de calidad optimo, con un excelente grado
de confiabilidad; cumpliendo con las expectativas de la empresa patrocinadora.

Se creo un men con tablas estadsticas, reportes y graficas de las variables y
datos que se almacenan a cada instante, los cuales son tiles para observar el
funcionamiento del sistema y evitar algn problema posteriormente en esta fase
de la produccin, teniendo la fecha y hora de cada imagen.

El sistema cuenta con una fcil accesibilidad especial para operarios de planta en
esta seccin del proceso, las pantallas estn diseadas para manejar el sistema
de una manera lgica.

En la pantalla inicial se implementa una opcin MIMICO para obtener una idea o
estructura grafica del sistema completo y as entender el funcionamiento de cada
una de las partes del sistema.

En caso de problemas o anomalas el diseo cuenta con un sistema de parada de
emergencia para poder ubicar el dao especficamente.

En tablero de control cuenta con un sistema de canaleta y bornes para poder
distinguir mejor las conexiones del sistema y cada uno de sus componentes
debidamente instalados.


83

El sistema cuenta con una serie de parmetros preestablecidos que no permiten la
continuacin de tapas no aptas en el proceso; la calidad de imagen y respuesta es
muy acertada y confiable en un 97%.

Realizando el estudio y anlisis del sistema, fue posible mejorar notablemente en
proceso de control de las tapas; aprovechando un gran recurso como lo es la
visin artificial y reacomodndolo a la realidad logrando optimizar el proceso en un
alto porcentaje.

El sistema esta diseado para recibir 608 tapas por minuto trabajando a un 100%
trabajando a un 60% es decir 308 tapas por minuto logramos triplicar el
redimiendo de el proceso y as cumplir la meta de agilizar este proceso
notablemente.


























84

GLOSARIO


Calidad: Conjunto de propiedades y de caractersticas de un producto o servicio,
que le confieren su aptitud para satisfacer unas necesidades explcitas e
implcitas.

Cambiabilidad: subcaracterstica de mantenimiento, que indica la cantidad de
esfuerzo requerido para una modificacin o borrado de un defecto

Defecto: una manifestacin de un error.

Eficiencia: conjunto de caractersticas que determinan la relacin entre el nivel de
rendimiento del software y el nmero de recursos usados, bajo ciertas condiciones
dadas. Se divide en las subcaracterticas comportamiento temporal, utilizacin de
recursos

Error: una accin humana que puede producir resultados incorrectos.

Impresin: sello distintivo de la marca del producto que lleva cada una de las
tapas de cierre de la botella especficamente de tapas metlicas tipo corona

Interconectividad: definida como la capacidad de interaccionar al nivel de
internetworking, incluyendo todas las funciones de bajo nivel aproximadamente
equivalente a los nieles OSI de transporte,

Liner: partcula de goma que da forma al pico de la botella para conservar su
hermeticidad.

Precisin: subcaracterstica de funcionalidad, que indica el grado de exactitud de
los efectos del sistema

Redes Neuronales Artificiales (ANN): son ms que otra forma de emular ciertas
caractersticas propias de los humanos, como la capacidad de memorizar y de
asociar hechos
Sintctica: corresponde al anlisis de la relacin existente entre los distintos
smbolos o signos del lenguaje.
Segmentacin: identificar en una imagen cuales son los pxeles que pertenecen a
un objeto.

Automatizacin: aplicacin de sistemas mecnicos, elctricos o electrnicos,
dentro de un sistema auto-gobernado, a tareas normalmente realizadas por un ser
humano o que no pueden ser realizadas por l. Ejecucin automtica de tareas

85

industriales, administrativas o cientficas haciendo ms gil y efectivo el trabajo y
ayudando al ser humano.

Modelo: representacin de una manera ms sencilla de un proceso o de un
elemento, y el cual es utilizado con objetivos de anlisis, control y prediccin.
Tipos de modelos: a escala, analgicos y matemticos.

PLC: controlador lgico programable (Programmable Logic Controller). Dispositivo
electrnico de propsito especial utilizado en la industria como elemento de control
y monitoreo de mquinas, motores, vlvulas, sensores, medidores, etc. Este
dispositivo tiene caractersticas de elemento programable y la capacidad de poder
conectarse a un red. rea de aplicacin: automatizacin de industrias y el control
de mquinas industriales, control de lneas de produccin, bancos de pruebas.

Programa: Secuencia de instrucciones que obliga al ordenador a realizar una
tarea determinada. Serie de instrucciones que sigue el ordenador para llevar a
cabo una tarea determinada.

Scada. Control supervisorio y adquisicin de datos (Supervisory Control and Data
Adquisition). Un tipo de sistemas que utiliza una computadora convencional en
una aplicacin de control de procesos y donde un PLC desarrolla las funciones de
control pero que son monitoreadas y supervisadas por una computadora. rea de
aplicacin: lneas de produccin, energa elctrica, petrleo y tanques de
almacenamiento, tanques de abastecimiento de agua.

Software: cualquier componente lgico (programas, aplicaciones) relacionado con
el sector informtico. Antnimo: 'hardware' (Hard = Duro) por oposicin a 'software'
(Soft = Blando). Componentes inmateriales del ordenador: programas, sistemas
operativos, etc. Conjunto de instrucciones mediante las cuales la computadora
puede realizar tareas. Los programas, los sistemas operativos y las aplicaciones
son ejemplos de software.















86

BIBLIOGRAFA

o MARAVALL GMEZ Daro, Reconocimiento de formas y visin artificial.
Catedrtico de la facultad de informtica de la Universidad Politcnica de
Madrid. Addison- Wesley Iberoamrica Ra-Ma.

o DE LA ESCALERA HUESO Arturo,Visin por computador. Fundamentos y
mtodos. Universidad Carlos III de Madrid. Prentice Hall

o DE LA CRUZ GARC Jess M, PAJARES MARTNSANZ Gonzalo. Visin por
computador: imgenes digitales y aplicaciones . . (2001).

o M.W. BURQUE, CHAPMAN & HALL, Handbook of Machine Vision
Engineering, Vol. I: Image Acquisition. (1996).

o Whelan and D. Molloy, Springer, Machine Vision Algorithms in Java:
Techniques and Implementation. P.F. (2000).

o RAYNER, C., Vision artificial, vols. I y II, Ed. Orbis, S.A., Mexico, 1985.

o OGATA, Katsuiko. Ingeniera de Control Moderna. Ed. Prentice Hall. Tercera
Edicion. 1998.

o AYORA, Adrin. Anlisis Cinemtico en 3-D de la Marcha Normal. 2004

o http://electronica.com.mx/neural/informacion/hopfield.html
o http://www.usp.edu.pe/~jc.gutierrez/IA_/IRN.pdf
o http://ohm.utp.edu.co/neuronales/Capitulo1/RNArtificial.htm
o http://es.wikipedia.org/wiki/Sensor_inductivo
o http://www.sc.ehu.es/acpmiall/CAPITULO_9/CAPITULO_9.html
o www.elmundo.es
o www.unalmed.edu.co/~paisaje/doc2/antro.htm
o www.undigital.unal.edu.co/index_ciencia.htm
o






87















ANEXOS



























Flujograma 1
Transporte
Palets
(Bloque)
Desapilador
Transporte
Palets
(Individual)
Depaletizadora
Transporte cajas
Transporte estibas
FLUJOGRAMA GENERAL DEL PROCESO ACTUAL
Desempacadora
Transporte
botellas
Transporte
cajas vacas
Transporte
botellas
Transporte
cajas vacas
Lavadora
cajas
Almacn
cajas
Lavadora
botellas
Inspector
botellas
Botellas
limpias
Botellas
rechazadas
Llenadora
cerveza
Taponadora Pasteurizadora Etiquetadora
Etiquetadora
Transporte
botellas
Transporte
cajas
Empacadora
Estibas
Cajas con
botellas
llenas
Almacn
cajas
Transporte
cajas
Paletizadora Apilador
Transporte
Palets
CARGADOR


Flujograma 2

Materia
prima
Litografa
Troquelado
Panes Liner
Control
de calidad 1
Lamina
Tintas
Goma Liner
Base Tinta 1 Tinta 2 Laca
Liner de la tapa
Tapa
General
Tapas con forma
FLUJOGRAMA GENERAL DEL PROCESO DE LAS TAPAS
ptima No ptima Rechaza
Control
de calidad 2
Impresin de la tapa
ptima No ptima Rechaza
Empaque
Envase
Embalaje

Alimentacin de tapas
(Boca arriba)
FLUJOGRAMA OPERATIVO GENERAL DEL PROCESO DE VISION ARTIFICIAL
Captura de imagen Liner
Procesamiento
Imagen
Sensor tapa
Disparo de foto
Imagen optima
Imagen no
optima
Expulsin
Contina en lnea
SI
NO
SI
NO
Cambio de posicin







































Flujograma 3
Alimentacin de tapas
(Boca abajo)
Captura de imagen
impresin logotipo
Procesamiento
Imagen
Sensor tapa
Disparo de foto
Imagen optima
Imagen no
optima
Expulsin
Tapa en perfecto
estado
SI
NO
SI
NO






Flujograma 4

Sistema de
Monitoreo
Spectation 2.6
Cmara VS722
SCADA
Protool
PLC
Sensor
Compresor
PC Access
Capturacin
de imagen
Comparacin
de patrones
Computador
Resultado
Expulsin
Disco
giratorio
Continuacin
Tapa
Siguiente etapa
Sale del sistema
Deteccin
FLUJOGRAMA DEL PROCESO DE CONTROL DE CALIDAD DE TAPAS

NIT. 800,173,111-3

Pgina 1 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58






CONTROL DE CALIDAD EN TAPA TIPO CORONA




MANUAL DE OPERACIN






REALIZADO EN SISTEMA S7 DE TAPAS









Fecha emisin:
ASESORIAS INDUSTRIALES SANTAFE S. A.
25/11/06
Elabor
Andrs Quevedo
David Garzn

Cdigo Documento:
Revis

Aprob

TAPAS
TESIS




NIT. 800,173,111-3

Pgina 2 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



1 CONTENIDO


1. CONTENIDO 2
2. TABLA DE ILUSTRACIONES 3
3. INTRODUCCIN 4
4. DEFINICIONES 5
5. HARDWARE 6
6. SECUENCIAS DE OPERACIONES 10
6.1. MODO AUTOMTICO 12
6.1.1 ARRANQUE AUTOMTICO 15
6.1.2 CAMBIO DE VELOCIDAD Y REARRANQUE DE LA MAQUINA 16
7. LISTADO DE ENTRADA SALIDAS 17
7.1 ENTRADAS DIGITALES 17
7.2 SALIDAS DIGITALES 17
8. PANTALLAS DE OPERACIN 18
8.1 CDIGO DE COLORES 18
8.2 DISTRIBUCIN DE LA PANTALLA 18
8.3 SISTEMA DE NIVEL DE AUTORIZACIN 18
8.4 PANTALLA INICIAL 19
8.5 MMICO 20
8.6 ESTADSTICA 21
8.7 GRAFICAS ESTADSTICA 22
8.8 REPORTE 23
8.9 ALARMA DE RECHAZO 24








NIT. 800,173,111-3

Pgina 3 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58




2 TABLA DE ILUSTRACIONES


Tabla 1. Entradas digitales del sistema 17
Tabla 2. Salidas digitales del sistema 17
Tabla 3. Estndar de colores utilizados 18
Tabla 4. Manejo curvas de tendencias. 23




NIT. 800,173,111-3

Pgina 4 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58




3 INTRODUCCIN



El presente documento describe el sistema de control de calidad en el liner y
impresin de la tapa tipo corona y la manera de operarla.

Tambin se busca que el lector tenga conceptos y lineamientos generales de las
condiciones y restricciones de operacin de la mquina.




































NIT. 800,173,111-3

Pgina 5 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



4 DEFINICIONES


Para el entendimiento del lector a continuacin se presentan algunas definiciones:

PLC: Controlador lgico programable.

HMI: Interfase Hombre Mquina.

PC: Personal Computer.

SIMATIC: Sistema de Automatizacin.

MPI: Interfase Multipunto.

PPI: Interfase Punto a punto.































NIT. 800,173,111-3

Pgina 6 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



5 HARDWARE



El Hardware del sistema de control consta de un PLC Simatic S7-200, un PC y
controles adicionales en el tablero de operacin de la mquina. Ver figura 1.

Figura 1. Hardware del sistema de control.












El sistema tiene un PLC S7 (CPU 226 2DP), dos tarjetas de entrada de 10
entradas a 24V, 2 tarjetas de salidas digitales de 10 salidas a 24 V, 2 tarjetas de
entrada anloga de 8 canales, 1 tarjeta de salida anloga de 4 canales. El PLC se
encuentra en el tablero principal.

Para la mirar la configuracin del hardware elaborado con STEP 7 primero se
tiene que ingresar al software MicroWIN, a continuacin se muestran los cinco
pasos primordiales para ingresar:

1. Inicio
2. Todos los programas
3. SIMATIC
4. STEP 7-MicroWIN V4.0.0.81
5. STEP 7-MicroWIN


En caso de alguna duda Ver figura 2.






C
P
U

2
2
6

TAB. PRINCIPAL.
PANTALLA COMPUTADOR
SISTEMA
DE
VISIN
3
2

x
2
4


NIT. 800,173,111-3

Pgina 7 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Figura 2. Pasos para entrar al Software MicroWIN


Inmediatamente puede observar en la pantalla de su computador, la cartula del
software con su respectiva versin. Ver figura 3

Figura 3. Cartula software MicroWIN


NIT. 800,173,111-3

Pgina 8 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



Rpidamente se ve la ventana realmente de software a trabajar. En la mayora de
los casos por defecto carga el ltimo proyecto trabajado, pero dado el caso que no
cargue nada, usted si lo desea puede buscar la ubicacin y cargarla
automticamente. Ver figura 4

1. Archivo
2. 1CamaraExpulsion

Figura 4. Cargar programa en MicroWIN






El programa del PLC se carga y en la segunda columna de la izquierda haga Click
sobre Proyecto 1 y luego doble click donde dice CPU 266 REL 02.00. Ver figura
5 y 6




NIT. 800,173,111-3

Pgina 9 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Figura 5. Ingresando la configuracin Hardware del sistema de control


Figura 6. Configuracin Hardware del sistema de control.


NIT. 800,173,111-3

Pgina 10 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58


6 SECUENCIA DE OPERACIN.


Se debe ingresar en la pantalla de operacin y elegir el tipo de programa para el
control de calidad del liner o de la impresin de la tapa.

Automtico


Es importante recordar, que el sistema se programa de forma que el supervisorio
salga automticamente cuando el computador se enciende. En determinado caso
si esto no llega a suceder, usted puede cargar el programa manualmente. Ver
figura 7


1. Inicio
2. Mis documentos

Figura 7. Pasos para entrar activar el supervisorio



NIT. 800,173,111-3

Pgina 11 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58




Luego abra la carpeta de mis documentos y encontrara una carpeta llamada
Visin artificial. Ver figura 8.


Figura 8. Paso para encontrar la carpeta de Visin Artificial




Encontrara varios archivos, de doble click donde dice Visin Artificial SIMATIC
PTProRun Document , para activar el supervisorio y espere que cargue. Ver figura
9 y figura 10.










NIT. 800,173,111-3

Pgina 12 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Figura 9. Activar el supervisorio


Figura 10. Cargando supervisorio


NIT. 800,173,111-3

Pgina 13 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



6.1 MODO AUTOMTICO

Los pasos a seguir para operacin en automtico son:

1. El modo de operacin es AUTOMTICO, hacer click sobre el botn llamado
MMICO. Ver figura 11.

Figura 11. Supervisorio pantalla inicial




2. Seleccionar el tipo de control de calidad que se va a trabajar en la pantalla. Ver
figura 12.

Liner.
Impresin.



NIT. 800,173,111-3

Pgina 14 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Figura 12. Supervisorio pantalla Mmico



Se recuerda que el programa del control de calidad del liner y de la impresin se
carga automticamente, haciendo click sobre alguno de estos dos botones
mencionados anteriormente. Automticamente saldr otra ventana para que
ingrese la clave correspondiente para cargar el programa. Ver figura 13.

Figura 13. Password




3. Iniciar programa en la pantalla Operacin de operador.



NIT. 800,173,111-3

Pgina 15 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



6.1.1 ARRANQUE AUTOMTICO

Para la operacin automtica del sistema de visin se deben tener condiciones
ptimas de los servicios de la mquina tales como que el sistema este prendido. Si
se cumple la condicin anterior se puede conmutar el selector de la mquina a la
posicin de automtico y proceder al encendido del programa o encendido
secuencial de los accionamientos de la mquina. El programa se arranca
desplazando el botn OFF hacia ON, el motor arrancara en forma secuencial cada
segundo en el siguiente orden:


1. Disco

2. Captura la seal del sensor inductivo

3. Domo

4. Cmara VS722

5. Por ltimo la electro-vlvula y el compresor se activan cuando el sistema
obtiene una respuesta de rechazo para desechar la tapa no ptima con
respecto a sus condiciones iniciales de control de calidad.



El sistema de visin funcionar en forma continua en condiciones ptimas de
trabajo. Si se presenta cualquier falla de las antes mencionadas, usted mismo
como operador inmediatamente puede parar el motor hasta nueva orden
respectivamente. Luego puede arrancarlo mediante el mismo pulsador de OFF -
ON. Ver figura 14.













NIT. 800,173,111-3

Pgina 16 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58


Figura 14. Supervisorio para activar y desactivar motor.




6.1.2 CAMBIO DE VELOCIDAD Y REARRANQUE DE LA MAQUINA

El sistema del motor siempre tiene la misma velocidad de 30 RPM, la cual permite
la activacin de todo el sistema con respecto a sus entradas que son el sensor de
disparo para la foto (E 0.0) y la seal de rechazo de la tapa (E 0.1) las cuales son
seales del PLC.











NIT. 800,173,111-3

Pgina 17 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58




7 LISTADO DE ENTRADAS Y SALIDAS

7.1 ENTRADAS DIGITALES

Tabla 1. Entradas digitales del sistema

DIRECCIN DESCRIPCIN DE FUNCIONAMIENTO
E 0.0 SENSOR DISPARO FOTO
E 0.1 SEAL RECHAZO TAPA




7.2 SALIDAS DIGITALES

Tabla 2. Salidas digitales del sistema

DIRECCI
N DESCRIPCIN DE FUNCIONAMIENTO
A 16.0 MOTOR
A 16.1 VLVULA DE RECHAZO
A 16.2 CMARA
A 16.3 IMPRESIN
















NIT. 800,173,111-3

Pgina 18 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

8 PANTALLAS DE OPERACIN.

Se plantean los estndares de trabajo y las pantallas para la operacin de la
mquina.

8.1 CDIGO DE COLORES

Todas las pantallas tienen los siguientes colores:

Tabla 3. Estndar de colores utilizados

ELEMENTO INACTIVO ACTIVO
Fondo pantalla Imagen SIEMENS
Vlvula Rojo Verde
Motor Negro Verde
Sensor Negro Verde

8.2 DISTRIBUCIN DE LA PANTALLA

FRANJ A SUPERIOR. Es una franja del 10% del tamao total de la pantalla.
Contiene Fecha y hora, nombre de la pantalla, logotipo de SIEMENS y AIS.

FRANJ A MEDIA. Es una franja con el 80% aprox. del tamao total de la
pantalla. Es donde se presenta el contenido especfico de la pantalla.

PARTE INFERIOR. Es una franja que ocupa el 10% aprox. del tamao total de
la pantalla. Contiene los botones de navegacin entre pantallas.

8.3 SISTEMA DE NIVEL DE AUTORIZACIN

Para un correcto funcionamiento del proceso, como anteriormente mencionado se
estableci un nivel de autorizacin para la operacin de activacin del programa.

Nivel 1. Es el nivel ms bajo de autorizacin y se asigna a los operarios,
con ste se puede cambiar el modo de funcionamiento de la mquina, y
arrancar el programa.


NIT. 800,173,111-3

Pgina 19 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Nivel 2. Es el nivel ms medio de autorizacin y se asigna a ingeniero
de planta, con ste se puede cambiar los parmetros internos de la
maquina para trabajar.

Nivel 3. Es el nivel ms alto de autorizacin y el programador lo asigna
directamente y es el que tiene accesibilidad a todo el programa para
modificarlo en determinado momento.

8.4 PANTALLA INICIAL

Esta es la pantalla general (ver figura6), lleva la indicacin de fecha y hora y el
Logo de SIEMENS y AIS, desde aqu se tiene acceso a las siguientes pantallas.
Ver figura 15.
Inicial
Mmico
Estadsticas
Grafica
Reporte
Cerrar

Figura 15. Imagen inicial.


NIT. 800,173,111-3

Pgina 20 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



8.5 MMICO VISTA FRONTAL

En esta pantalla se tiene una visualizacin general del sistema de visin, en
primera instancia por la apreciacin de su fondo y tambin contiene botones de
navegacin. Ver figura 16.


Figura 16.Vista frontal.




Adicionalmente se observan los servicios generales del sistema, el programa
actual conectado y el tipo de control que se desea hacer ya sea la rectificacin del
Liner o la impresin de la tapa. Tambin es posible observar el momento en el que
el sistema rechaza una tapa por medio de un aviso en la parte superior izquierda.

Tambin esta la grafica del sistema de visin con el constante funcionamiento del
compresor y captura de la imagen. Si desea volver al men principal pulse el
botn que dice INICIAL



NIT. 800,173,111-3

Pgina 21 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58



8.6 ESTADSTICA


Para ingresar a esta pantalla pulse el botn que dice ESTADSTICA. En esta
pantalla se puede observar la estadstica con respecto al nmero de tapas
buenas, rechazadas, tiempo de parada y hora con respecto a la eficiencia del
sistema, la disponibilidad y desperdicio de tapas. Ver figura 17

Figura 17. Estadstica





Tambin es posible colocar en cero o darle RESET en determinado momento al
sistema en la parte estadstica. Si desea volver al men principal pulse el botn
que dice INICIAL





NIT. 800,173,111-3

Pgina 22 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58


8.7 GRAFICA ESTADSTICA

Para ingresar a esta pantalla pulse el botn que dice GRAFICA. En esta pantalla
se muestra una grafica indicando que en el sistema todas las tapas que van
pasando son ptimas y cuando hay un cambio de estado o una diferencia significa
la expulsin de una o varias tapas no ptimas. La grafica es de la hora contra el
numero de tapas que pasan en un lapso de tiempo en este caso son 16 tapas. Ver
figura 18.

Figura 18. Graficas estadsticas





Tambin se tiene una barra en donde uno puede ver la conexin, el valor la hora y
dato de una curva en especial.

En la parte inferior de la curva se encuentra un men de herramientas que permite
manipular la visualizacin de la curva como se explica a continuacin:



NIT. 800,173,111-3

Pgina 23 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58

Tabla 4. Manejo curvas de tendencias.
BOTN SIGNIFICADO

Interrumpe la actualizacin de la presentacin de
curvas hasta que se pulse nuevamente el botn

Desplazarse hacia atrs hasta el comienzo del
registro de la curva

Desplaza el sector de la curva medio ancho de
ventana hacia la izquierda / derecha

Aumentar / reducir la presentacin de curvas en
direccin horizontal


Desplazar la lnea de lectura hacia la izquierda

Si desea volver al men principal pulse el botn que dice INICIAL

8.8 REPORTE

Cuando el sistema este en ON line, da la opcin de mostrar un reporte donde
usted encontrara unos indicadores de productividad y control de produccin en
donde saca un reporte en forma de listado de datos y una visualizacin grafica del
control del sistema de todas las tapas que han sido inspeccionadas. Ver figura 19

Figura 19. Reporte de control



NIT. 800,173,111-3

Pgina 24 de 24
BOGOTA, CALLE 80 KM. 1,5 VI A A SI BERI A LOCAL 105 TEL 864 30 94 95 TEL/ FAX. (091) 8 64 32 58


8.9 ALARMA DE RECHAZO

El aviso o alarma indica en el equipo de operacin un evento y estado del proceso
del control de calidad en donde control. Ver figura 20.

Figura 20. Alarma de rechazo.





Existen las siguientes clases de avisos:

La alarma. Indican cambios en el sistema, p. ej. Rechazo de tapa.

Avisos del sistema HMI. Son activados por el equipo de operacin. No se
configuran. Los avisos del sistema informan, p. ej., nivel de autorizacin
insuficiente, manejos incorrectos o fallas en la comunicacin.