El control de la calidad de un determinado material es uno de los aspectos fundamentales para el sector industrial, y tradicionalmente exige un proceso de control llevado a cabo por personal especializado en el que se ponen en marcha un conjunto de inspecciones y pruebas de muestreo. ¿Ha conseguido el producto fabricado el acabado deseado? ¿Sus características son las óptimas para ponerlo en el mercado? ¿Su calidad cumple los estándares adecuados? La Inteligencia Artificial puede también ayudar a responder algunas de estas preguntas.
El grupo de investigación AYRNA de la Escuela Politécnica Superior de la Universidad de Córdoba ha desarrollado un nuevo modelo de aprendizaje automático capaz de predecir distintos niveles de calidad estética de piezas de madera. Concretamente, se trata de fragmentos provenientes de la culata de rifles, a petición de una empresa italiana fabricante del sector que pretendía automatizar un proceso, como es el control de la calidad, reduciendo los tiempos.
El proceso, más allá de todo el entramado computacional, podría resumirse de la siguiente forma: a cada pieza de madera se le realizan dos fotografías, anterior y posteriormente, y el personal especializado le asigna a dichas imágenes distintos niveles de calidad estética. Posteriormente, el algoritmo, ya entrenado y una vez procesadas más de 4.000 fotografías, 'aprende' el criterio humano para, esta vez, ya por 'sí mismo', emitir un dictamen sobre la calidad del producto. Así es como funcionan las denominadas redes neuronales convolucionales, métodos de inteligencia artificial preparados para procesar cantidades masivas de información y que enseñan a las computadoras a procesar datos inspirándose en la manera en la que lo haría el cerebro humano.
Se trata de "una metodología novedosa y un enfoque avanzado", explica Víctor Vargas, primer autor de la investigación, ya que el sistema es capaz de establecer 4 grandes grupos jerárquicos de calidad y, a su vez, cada uno de estos grupos está integrado por distintos subniveles, "lo que aumenta la complejidad del problema y genera una mayor riqueza y exactitud en las predicciones", subraya el investigador.
Según destaca el catedrático Emérito de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Córdoba César Hervás, si bien este sistema ha sido aplicado a un caso concreto, los resultados "abren la puerta" a que pueda ser utilizado en distintos productos para automatizar aspectos como el control de calidad a partir de imágenes. En definitiva, tal y como concluye el investigador Pedro Antonio Gutiérrez, supone "un paso más" dentro de la denominada industria 4.0 o cuarta revolución industrial, en la que la robótica, la inteligencia artificial y la automatización jugarían un papel clave en los procesos de producción.
Referencias
V.M. Vargas-Yun, P.A. Gutiérrez, R. Rosati, L. Romeo, E. Frontoni y C. Hervás-Martínez. "Deep learning based hierarchical classifier for weapon stock aesthetic quality control assessment", Computers in Indrustry, Vol. 144, January, 2023, pp. 1-13. JCR(2021): 11.245, Position: 5/113 (Q1) Category: COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS. https://doi.org/10.1016/j.compind.2022.103786