Repositorio Institucional de Documentos

PROYECTO FIN DE CARRERA Centro Politécnico Superior Ingeniería Industrial Curso 2009-2010 METODOLOGÍA PARA LA ÓPTIMA INTEGRACIÓN DE VISIÓN POR COMPUTADORA EN LA PRODUCCIÓN AUTOR: ÓSCAR SALINAS RUIZ Ponente: Jorge Santolaria Mazo Profesor Universidad Zaragoza Departamento de Diseño y Fabricación Directores: Martin Harding, Ulrich Koβmann Profesores Universidad RWTH Aachen (Alemania) Departamento de Producción, Metrología y Calidad Zaragoza Junio 2010 2 3 Agradecimientos A mi familia, por su apoyo, especialmente a mis padres y Magnolia por sus consejos en los momentos difíciles. A mis amigos, por su apoyo y ayuda, haciendo los momentos de estudio más amenos y fructíferos. . A la universidad RWTH de Aachen, por las oportunidades y facilidades brindadas, especialmente a M.Harding y U.Koβmann, por su ayuda con el proyecto. A los profesores, por guiarme durante todo mi proceso educativo. 4 Tabla de contenidos 5 Tabla de contenidos Tabla de contenidos...............................................................................................................5 Índice de tablas ......................................................................................................................7 Índice de ilustraciones...........................................................................................................8 1. Introducción: Metrología y Producción........................................................................9 2. Metrología en la línea de producción .........................................................................12 2.1 Actual estructuración de la relación metrología-producción...................................13 2.2 Características........................................................................................................14 2.3 Conclusión..............................................................................................................20 3. Modelo teórico propuesto ...........................................................................................21 3.1 Clasificación de la metrología en la producción .....................................................21 3.1.1 Metrología no integrada..................................................................................22 3.1.2 Metrología integrada.......................................................................................25 3.2 Conclusiones del estudio en la feria internacional visión ‘09..................................28 3.3 Modelo de decisión.................................................................................................29 4. Modelo de decisión para la optima selección del sistema de medición.................32 4.1 Guía técnica ...........................................................................................................33 4.1.1 Cámara...........................................................................................................33 4.1.2 Iluminación......................................................................................................38 4.1.3 Protecciones...................................................................................................42 4.2 Selección final ........................................................................................................43 5. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos .........46 5.1 Descripción de la aplicación...................................................................................46 5.2 Aplicación del modelo de decisión .........................................................................48 5.2.1 Selección de la estructura metrología-producción..........................................48 5.2.2 Selección del sistema de medición.................................................................51 5.3 Validación...............................................................................................................57 6. Resumen y conclusiones ............................................................................................62 Tabla de contenidos 6 II. Anexos...........................................................................................................................65 II.1 Diferentes clasificaciones para la metrología en la producción..............................66 II.2 Encuesta en la fería internacional Vision 2009 Stuttgart........................................68 II.3 Criterios de selección de los valores de características.........................................73 II.4 Directiva para sistemas de visión por cámara........................................................78 Bibliografía............................................................................................................................87 Índice de tablas 7 Índice de tablas Tabla 2.1: Comparación entre características de CMP en dos estructuras...........................14 Tabla 2.2: Variación de las características entre metrología integrada y no integrada..........19 Tabla 3.1: Características de la categoría far-offline.............................................................23 Tabla 3.2: Características de la categoría near off-line..........................................................24 Tabla 3.3: Características de la categoría in-line...................................................................26 Tabla 3.4: Características de la categoría in-situ...................................................................27 Tabla 3.5: Relación valores de características y categorías metrología-producción.............31 Tabla 4.1: Transferencia de datos y longitud máxima para distintas interfaces.....................37 Tabla 4.2: Características de las fuentes de iluminación.......................................................41 Tabla 4.3: Modelo de la lista de requerimientos.....................................................................44 Tabla 4.4: Lista de evaluación................................................................................................45 Tabla 5.1: Valores y prioridades de las características..........................................................48 Tabla 5.2: Resultados del modelo de decisión.......................................................................49 Tabla 5.3: Características y ratios de puntuación..................................................................49 Tabla 5.4: Traducción de los ratios a porcentajes..................................................................49 Tabla 5.4: Lista de requerimientos de la cámara...................................................................55 Tabla 5.5: Lista de requerimientos para iluminación..............................................................56 Tabla 5.6: Comparación de resultados. .................................................................................59 Índice de ilustraciones 8 Índice de ilustraciones Figura 2.1: Posibilidades del control avanzado......................................................................12 Figura 2.2: Diferentes clasificaciones y términos para estructurar metrología-producción....13 Figura 3.1: Clasificación de la Metrología en la Producción. .................................................21 Figura 3.2: Proceso con metrología far off-line......................................................................23 Figura 3.3: Proceso con metrología near Off-line. .................................................................24 Figura 3.4: Proceso con metrología in-line.............................................................................26 Figura 3.5: Proceso con metrología in-situ.............................................................................27 Figura 4.1: Características de la cámara ...............................................................................34 Figura 4.2: Problemas de distorsión en las lentes .................................................................36 Figura 4.3: Características del sistema de iluminación..........................................................39 Figura 4.4: Distintos tipos de geometría de sistemas de evaluación.....................................40 Figura 4.5: Espectro visual.....................................................................................................41 Figura 4.6: Diferentes formas de iluminación.........................................................................42 Figura 5.1: Ejemplos de defectos en la ranura de tornillos....................................................47 Figura 5.2: Estructura In-line para la aplicación.....................................................................50 Figura 5.3: Características y componentes de la cámara para la aplicación.........................53 Figura 5.4: Características del sistema de iluminación requeridas........................................54 Figura 5.5: Diferentes puntuaciones para cada estructura. ...................................................58 Figura 5.6: Porcentaje de características completadas por cada estructura. ........................58 Figura 5.7: Aplicación real......................................................................................................60 Figura 5.8: Distintos resultados..............................................................................................61 Introducción: Metrología y Producción 9 1. Introducción: Metrología y Producción El presente proyecto fin de carrera es el resultado de la colaboración entre universidades dentro del programa de intercambio europeo Erasmus. El proyecto ha sido desarrollado en la universidad Rheinisch-Westfälische Techsnische Hochschule (RWTH) de Aachen, una de las universidades alemanas más prestigiosas. La Universidad RWTH es reconocida en Europa como una de las mejores universidades en la titulación de Ingeniería Industrial (Maschinen Bau). El proyecto se desarrolló en el departamento de máquina-herramienta y producción (WZL), uno de los más importantes e innovadores de la universidad, conocidos expertos y pioneros en distintos campos dentro de la metrología, producción y calidad. El proyecto aborda de la relación entre metrología y producción. La metrología proporciona información del proceso, de sus posibles desviaciones, fallos o de los parámetros del producto, mientras que la producción proporciona datos del proceso y de su control. Estos campos de trabajo han pasado de ser independientes a requerir un estudio conjunto debido a los avances técnicos disponibles, a un grado de automatización cada vez mayor y sobre todo a las grandes posibilidades que ofrece su estudio conjunto. Los beneficios obtenidos de este estudio conjunto se basan principalmente en el intercambio y complementación de la información extraída. De este modo se pueden establecer relaciones causa-efecto de los fallos, tiempos de respuesta rapidísimos, desarrollar el proceso/producto o incluso prevenir futuros fallos. Los nuevos retos a los que se enfrentan los profesionales hoy en día (por ejemplo tolerancias cada vez más estrechas o mayores velocidades de medición) solo son posibles de afrontar uniendo metrología y producción. En los últimos años el avance tecnológico ha permitido trasladar las herramientas de metrología desde departamentos apartados hasta la misma línea de producción, lo que permite un control más cercano del proceso y nuevas posibilidades. Estas nuevas posibilidades han sido estructuradas y se han establecido clasificaciones por especialistas en el campo de la metrología y producción. El problema radica en que estos especialistas no han logrado llegar a una solución común, por lo que en la literatura especializada sobre el tema existen múltiples clasificaciones y puntos de vista, así como una terminología específica no unificada. Esta variedad de criterios hace muy complicado establecer los valores de las características de cada categoría por la disparidad de criterios (nula estandarización), imposibilitando una fácil decisión de implantación de la metrología. Este problema se acentúa en el caso de que el usuario no tenga conocimientos teóricos o específicos en el campo. Metrología en la línea de producción 16 Layout: Es la característica más visual que diferencia las dos estructuras, ya que se refiere al lugar donde las herramientas de metrología están físicamente emplazadas. La metrología no integrada se sitúa al final de la línea de producción (en una sala con condiciones ideales tipo laboratorio o simplemente separada), lo que conllevará un tiempo de transporte y/o almacenaje y movimientos de la pieza adicionales. Por el contrario si las herramientas están integradas en la línea de producción, de igual modo lo estarán en el layout, evitando tiempos de espera y movimientos innecesarios (especial atención a evitar el peligro de convertirse en cuellos de botella del proceso). Inversión: El precio de las herramientas tiene una clara relación con la complejidad, requerimientos de la aplicación y el uso de componentes estandarizados y afianzados en el mercado (coste de propiedad). Los beneficios obtenidos (mejora del rendimiento, reducción del gasto por desechos…) y el coste de aprendizaje e instalación deben ser estudiados de igual modo. Las herramientas para la metrología no integrada en la producción son significativamente más baratas que las de la metrología integrada. Esto se debe mayoritariamente a la menor complejidad y el alto grado de estandarización (sin partes únicas o especiales para una aplicación concreta), además de que han sido desarrolladas durante muchos años y las herramientas integradas solo unos años atrás. Velocidad de medición: La velocidad de medición tiene gran relación con el tiempo de producción o el ciclo del producto. Al reducir el tiempo de producción se reduce el riesgo económico ante variaciones de demanda, además de aportar una mayor flexibilidad con los clientes. En el caso de metrología no integrada en la producción, las mediciones se toman al final por lo que su duración determina el tiempo del proceso. Debido a los tiempos de espera, movimiento adicionales necesarios y que suelen consumir bastante tiempo este incremento puede llegar a ser realmente importante dentro del tiempo global del proceso. Si la metrología esta integrada dentro de la línea de producción debe adaptarse a la velocidad de esta para evitar ser un cuello de botella e incrementar el tiempo total de producción. Esto se consigue con mediciones rápidas (tecnología alta-velocidad) o emplazando las herramientas de medición en un cuello de botella ya existente. Debido a la eliminación de tiempos de espera, mayor rapidez de mediciones y sobre todo al aprovechamiento de cuellos de botella existentes el tiempo total de producción puede reducirse considerablemente, además debido a que la información se obtiene desde el proceso y su respuesta es más rápida puede reducir el ciclo del producto (diseño, desarrollo más rápido). Metrología en la línea de producción 17 Tiempo de respuesta: En las etapas iniciales del diseño se encuentran la mayoría de las causas de los posteriores fallos, por lo que detectarlas lo antes posibles es muy importante y permitirá corregirlas con el mínimo coste. Esa información podrá ser usada igualmente en el diseño de nuevos productos o revisión de diseños y será importante en su lanzamiento. Este tiempo de respuesta depende de la información y cuanto tarda en ser extraída desde que la pieza es producida. Si se trata de metrología no integrada en la producción, la pieza pasará por todo el proceso y será examinada al final, por lo que la información se extrae al final siendo inutilizable para esa pieza o incluso para todo el lote (si el tiempo requerido para obtener el resultado es muy largo). De este modo los resultados son obtenidos demasiado tarde como para poder establecer medidas correctoras ante fallos. Cuando la metrología esta integrada en la producción la pieza es medida durante o inmediatamente después de ser procesada, por lo que un posible fallo es detectado inmediatamente posibilitando desechar la pieza o repararla antes de continuar con su procesado. Por enumerar algunas de las consecuencias de reducir el tiempo de respuesta: corregir desviaciones para próximas piezas o lotes rápidamente, reduciendo los lazos de control; aumentar rendimiento, robustez del proceso y resultados; reducir gasto en material, paradas de proceso y personal; reducir trabajo en proceso y añadirle valor debido a la relevancia de los datos, rápida cualificación y aprendizaje del campo y herramienta; reducir riesgo de variaciones de mercado (más flexibilidad ante demandas de clientes), almacenaje y una introducción al mercado más rápida. Piezas analizadas: El porcentaje de piezas analizadas depende mayoritariamente del tiempo de medición y determina el tipo de control. La metrología no integrada en la producción consume mucho tiempo lo que imposibilita un análisis de un alto porcentaje de piezas, por ello las técnicas mas usuales son usar “send-ahead” (mandar piezas por delante del resto del lote y analizarlas antes de procesarlo) o comprobar solo un porcentaje de piezas del lote (normalmente 20%). Los resultados obtenidos se extrapolan a la totalidad de las piezas y se toma la decisión conforme a ellos. Los inconvenientes de esta técnica son los posibles fallos no detectados, patrones de fallo que pasan desapercibidos si se seleccionan las piezas en el mismo orden para testear y una posible mala decisión respecto a un lote debido a los resultados de las piezas-test. En cambio si la metrología esta integrada en la producción, sus tiempos de medida son significativamente menores lo que permite un alto porcentaje de piezas analizadas o incluso la totalidad de ellas (permite control pieza a pieza y control en tiempo real). Metrología en la línea de producción 18 Control de proceso: Esta es una característica especialmente importante debido a su influencia sobre otras características (fiabilidad de los resultados, fallos no detectados…) y que está íntimamente relacionada con otras características (porcentaje de piezas analizadas, tiempo de respuesta…). Se puede dividir el tipo de control en dos grupos, control por lotes o control por producto. El control por lotes (típico de metrología no integrada en la producción) supone que tras analizar un porcentaje de las piezas (normalmente menor del 50%), su resultado se extrapola al conjunto del lote y determina la decisión de aceptar o rechazar. Los resultados de las piezas analizadas son muy precisos y fiables pero al quedarse muchas piezas del lote sin analizar, la decisión de aceptar o rechazar el lote puede ser errónea (falsos positivos/negativos), con el gran riesgo de fallos no detectados en las piezas no analizadas. Este tipo de control proporciona excelentes resultados para piezas pero deficiencias en el resultado de los lotes. El control por producto (típico de metrología integrada en la producción) conlleva analizar todas las piezas o un alto porcentaje de ellas. La decisión se toma casi para cada pieza una vez analizada (lo que permite controles de proceso avanzados como pieza a pieza o incluso en tiempo real). Los resultados de las piezas analizadas no pueden ser muy precisos y fiables debido al analizarlos en un tiempo limitado pudiendo darse falsos positivos/negativos, sin embargo el riesgo de fallos no detectados es bastante reducido. Este tipo de control proporciona muy buenos resultados para lotes y buenos resultados para productos. Tolerancia: En primer lugar las piezas deben cumplir las especificaciones del cliente y para ello la apropiada tolerancia debe ser seleccionada, ni muy estrecha (encarecimiento innecesario) ni muy amplia (fallos en análisis). Para muchas aplicaciones no es necesaria una tolerancia o precisión altas y debe ser tenido en cuenta con el fin de no incrementar la complejidad innecesariamente. Si se midieran el total de las piezas desde metrología no integrada e integrada en la producción, la precisión de la no integrada sería significativamente mayor con una menor desviación es los resultados. Esto se debe a las mejores condiciones de medición y a una mejor calibración. Hay que tener en cuenta debido a las piezas no analizadas, en la metrología no integrada la posible influencia en el resultado global como en otras características ha sido anteriormente explicado. Metrología en la línea de producción 19 Robustez: Cambios externos como condiciones del entorno, ritmo de producción, fallos se trasladan en las mediciones como ruido en el resultado. La metrología no integrada en la producción tiene una gran robustez debida en gran medida a las buenas condiciones del entorno y que al estar situada al final de la línea de producción los cambios en ella no tienen gran influencia en los resultados. Sin embargo si la metrología se encuentra dentro de la línea de producción, cualquier cambio en ella importa e influye en el resultado por lo que la sensibilidad del equipo a esas alteraciones es importante y debe ser estudiada e incluso puede ser necesario el uso de protecciones que limiten dicha influencia. En la tabla siguiente se muestra la evolución de los valores y la influencia en los resultados al integrar o no la metrología en la producción. Se muestran los valores extremos de cada característica y a simple vista permite hacerse con una idea concisa y clara de las diferencias entre ambas. Característica No-integrada Integrada Entorno Ideal Duro Mantenimiento Intervalos largos Preventivo Automatización No Total Tipo de Control Basado en lotes Basado en producto Tiempo de respuesta Alto Bajo Layout No integrada Integrada Inversión Baja Alta Tiempo de medida Alto Bajo Piezas analizadas 20% 100% Tolerancia Estrecha Amplia Robustez Alta Baja Tabla 2.2: Variación de las características entre metrología integrada y no integrada. Metrología en la línea de producción 20 2.3 Conclusión La principal conclusión tras el estudio detallado de literatura especializada sobre metrología en la producción es que actualmente no hay un “estándar” o modelo comúnmente aceptado que permita clasificar los distintos tipos de relaciones entre producción y metrología. De igual modo al no existir ese modelo global es muy difícil definir como varían los parámetros o características de las mediciones de una estructura a otra. El efecto positivo o negativo de la integración en la producción es difícil de demostrar debido a la gran variedad de clasificaciones, términos y puntos de vista. La complejidad aumenta hasta cotas muy elevadas si el que se enfrenta al problema es un usuario con escaso o nulo conocimiento de la teoría y terminología de la relación entre metrología y producción. A la hora de tomar una decisión resulta muy complicado elegir una estructura debido a las distintas clasificaciones y la escasa clarificación de las características globales de cada una de ellas. Por todas estas razones en el siguiente capitulo se desarrolla una clasificación global y que trata de “estandarizar” las relaciones entre metrología y producción, así como proveer cada estructura o categoría de unos valores respecto a las principales características. Estos valores “estandarizados” permitirán una elección más fácil y un mejor conocimiento de todas las posibilidades (no se limitará solo a las conocidas por el usuario), ventajas e inconvenientes a usuarios que desconozcan la teoría y terminología, limitando así su dependencia de profesionales especialistas o de la propia experiencia. Además la toma de decisión en este aspecto permitirá un acceso a conocimientos que podrán ser muy útiles en futuras decisiones. Modelo teórico propuesto 21 3. Modelo teórico propuesto En este capítulo se tratará de establecer una clasificación global y estándar de la metrología y será completada con características, ventajas e inconvenientes en cada nivel. 3.1 Clasificación de la metrología en la producción La clasificación que se propone esta basada en las estructuras más comunes o utilizadas y trata de incluir todos los puntos de vista. Esta basada en la estructuración mayoritaria entre integrada y no integrada, los sub-niveles son modificaciones de la propuesta Björn Damm y Robert Schmitt [SCHM08] y la subdivisión más utilizada de la metrología integrada (ver anexo II.1). Esta clasificación trata de incluir parcialmente o completamente otras clasificaciones, comparando las distintas terminologías y estructuras. Metrología No-integrada – Emplazada aparte de la línea de producción, extrae la información una vez la pieza ha sido producida completamente y el control suele estar basado el lotes. En el nivel inferior se puede dividir en “far-offline” (emplazado en un departamento especialmente diseñado para esa tarea con posible almacenamiento previo) y “near-offline” (emplazado al final de la línea de producción). Metrología Integrada – Las herramientas de metrología están emplazadas en la línea de producción como un paso más en la producción o incluso como un modulo dentro de un proceso o herramienta. En el nivel inferior la metrología integrada se puede dividir en “inline” (medición justo antes/después de un proceso, integrado como un paso más en la producción y controlado por ella) e “in-situ” (medición durante un proceso como parte de él, integrada en la herramienta del proceso como un modulo y controlado por ella). Figura 3.1: Clasificación de la Metrología en la Producción. Modelo teórico propuesto 22 3.1.1 Metrología no integrada Este tipo de metrología trabaja de forma independiente a la línea de producción, la pieza es analizada y se controla una vez esta completamente realizada al final de la línea de producción, en un entorno con las mejores condiciones posibles y si es necesario en un laboratorio. La información es extraída al final del proceso, tras un tiempo de análisis y debe recorrer todo el proceso aportando la información al control de este. Debido a la tardanza de obtención de dicha información y a su gran recorrido hasta el control, los fallos solo podrán ser corregidos bastante tiempo después de haber ocurrido (no permite control pieza a pieza o control en tiempo real). Las herramientas utilizadas en esta categoría son individuales y controladas por operarios experimentados. Las mediciones conllevan un tiempo importante (por lo que es imposible analizar la totalidad de las piezas) pero los resultados son excelentes; estrechas tolerancias, fallos no detectados y falsos positivos/negativos casi nulos. Estos resultados son extrapolados a un mayor conjunto, normalmente llamado lote, lo que hace que los excelentes resultados de las piezas analizadas puedan ser falseados y conducir a una mala decisión respecto al lote, debido a los desconocidos resultados de las piezas no analizadas. Este tipo de estructura era la más común en la industria hace unos años y formaba parte del departamento de calidad. Otros autores también la denominan ex-situ, offline, lot based, stand alone (revisar anexo II.1). Esta categoría se divide en dos sub-categorías con un nivel de detalle mayor [SCHM08] “far off-line” y “near off-line”. Las características de cada una están expuestas en las tablas 3.1 y 3.2. Sus valores tratan de ser lo más globales posibles, fijando un valor referencia o “estándar” el cual puede variar dependiendo de la aplicación (en ningún caso habrá problemas para empeorar esos valores, por ejemplo tolerancias más amplias al no ser necesaria tan estrecha). Las diferencias más importantes entre estas dos sub-categoría es el porcentaje de piezas analizadas, su diferencia de emplazamiento-condiciones y el tiempo necesario para la medición. En las tablas 3.1 a 3.4 los valores marcados con (*) tienen especial relación con el tipo de control como se explico en el capitulo 2.2 y muestran el resultado global de la totalidad de la piezas, mientras que el resultado de las piezas analizadas son diferentes como se explica para cada categoría. Modelo teórico propuesto 23 Far Off-line Categoría realmente mal integrada en el layout, pues requiere un importante numero de movimientos adicionales y tiempos de transporte altos (incluso almacenaje intermedio). Las mediciones tienen lugar en un área o departamento especial para esa tarea con un entorno ideal (tipo “laboratorio”) y son tomadas por expertos (muy poco automatizado) quienes toman la decisión del lote o conjunto conforme con el resultado de las piezas analizadas. Debido al alto tiempo de análisis es común el uso de “send-ahead”, piezas procesadas con anterioridad al resto del lote y que sirven como test preliminares. Figura 3.2: Proceso con metrología far off-line. Característica Valor Característica Valor Entorno Ideal Layout No integrado Mantenimiento Largos intervalos Inversión Baja Automatización Nula Tolerancia Muy estrecha Control Basado en lotes Robustez Alto Piezas analizadas <30% Tiempo de producción Incremento Fallos no detectados Alto* Tiempo de medición Alto Falsos positivos/negativos Medio* Tiempo de respuesta Muy alta Tabla 3.1: Características de la categoría far-offline Modelo teórico propuesto 24 Near Off-line En esta categoría la metrología esta prácticamente integrada en el layout (se emplaza al final de la línea de producción), solo se requiere algún movimiento adicional, pero sigue estableciéndose un tiempo de espera. Las mediciones tienen lugar en un entorno apropiado pero no ideal ni separado y son tomadas en su mayoría por expertos (poca automatización) quienes a su vez toman la decisión para el total de las piezas. Se analiza solo un porcentaje de piezas aunque no es tan reducido como en la categoría anterior y puede llegar hasta dos tercios de la producción. Figura 3.3: Proceso con metrología near Off-line. Característica Valor Característica Valor Entorno Bueno Layout Casi Integrado Mantenimiento Intervalos medios Inversión Baja Automatización Escasa Tolerancia Estrecha Control Basado en lotes Robustez Alta-media Piezas analizadas 30%-60% Tiempo de producción Incremento Fallos no detectados Medio-Alto* Tiempo de medición Medio Falsos positivos/negativos Bajo-medio* Tiempo de respuesta Alto Tabla 3.2: Características de la categoría near off-line Modelo teórico propuesto 25 3.1.2 Metrología integrada Este tipo de metrología esta incluido en la línea de producción, la pieza es analizada y se controla mientras está siendo procesada o momentos después de serlo como una estación de producción más. Por tanto la información es extraída inmediatamente o después de procesarla permitiendo un control muy cercano al proceso (tiempo de respuesta corto). Las condiciones del entorno vienen determinadas por la cercanía al proceso; protecciones e intervalos de mantenimiento continuados son necesarios para aumentar robustez y evitar distorsiones en los resultados. El porcentaje de piezas analizadas es muy alto o incluso la totalidad, por lo que el control está basado en el producto, este hecho junto con el tiempo de medición (rápido determinado por el proceso) determina los valores de características como tolerancia, fallos no detectados y falsos positivos/negativos. Como conclusión los resultados de las piezas analizadas no son tan precisos como en la metrología no integrada pero los resultados globales son significativamente mejores. La metrología integrada en la producción empezó a ser desarrollada unos años atrás y actualmente se haya en auge y continua evolución, tras vencer las reticencias iniciales al cambio. Los resultados demuestran que obtener la máxima información posible y de la forma más inmediata conlleva grandes avances en el desarrollo del proceso y en importantes beneficios económicos. Algunos autores también denominan a esta categoría on-line, in-process (revisar anexo II.1). Esta categoría se divide igualmente que la anterior en dos sub-categorías con un mayor nivel de detalle, “in-line” e “in-situ”. Estas sub-categorías son extraídas de la división más común entre los distintos autores especializados con alguna modificación en su definición. Las características de cada una están expuestas en las tablas 3.3 y 3.4. Al igual que en las anteriores sus valores tratan de ser lo más globales posibles, tipo “estándar”. La diferencia más importante entre estas dos sub-categorías es la posibilidad de realizar en la categoría “in-situ” un control en tiempo real (lo que conlleva mantenimiento preventivo, gran velocidad de medición y altísima automatización). Por otro lado al no necesitar tanta velocidad y establecerse en un entorno no tan duro la categoría in-line proporciona mejores resultados de fallos no detectados, falsos positivos/negativos, tolerancia y robustez, además de tener un precio significativamente menor. Modelo de decisión para la optima selección del sistema de medición 32 4. Modelo de decisión para la optima selección del sistema de medición Sistemas de medición sin contacto están siendo implementados como herramientas de metrología en la producción debido a sus posibilidades y a unos precios cada vez más competitivos. En el caso que nos ocupa se tratará la visión automática por cámara. No existen métodos disponibles para un primer acercamiento a la implantación de los sistemas en la producción y para posteriormente recibir el “feedback” de información (la directiva VDI 2632 es una buena aproximación pero utiliza un lenguaje orientado a profesionales con experiencia o especializados en el campo). Por tanto es necesario un método sistemático que proporcione una primera selección, permitiendo al cliente obtener unos resultados preliminares y una fácil introducción a los parámetros y a las posibilidades técnicas. En este capítulo se desarrolla un modelo de decisión que tratará de guiar en una primera aproximación a usuarios con escasos o nulos conocimientos especializados en el campo. Se hará de una forma intuitiva, con un campo de aplicación lo más amplio posible minimizando la necesidad de consulta a especialistas de campo y permitiendo adquirir un conocimiento que se transformará en beneficios importantes (mejor comunicación de las necesidades a los fabricantes, implantación más rápida y una primera selección o “criba”). La selección del sistema de visión automática no es escoger la cámara simplemente, el sistema tiene múltiples componentes, cada uno de ellos con su importancia e influencia en el resultado final. Podemos dividir dichos componentes en dos grupos: Equipo de hardware: Cámara (numero de cámaras, sensor, lente…), iluminación, ordenadores para procesar, extraer y almacenar la información, interfaz, componentes mecánicos y electrónicos (por ejemplo actuadores que desechen piezas erróneas), protecciones o alimentación de potencia. Equipo de software: Filtros, algoritmos, programas de control que consiguen un mejor contraste y destacar las partes deseadas si la imagen no es lo suficientemente precisa. Este modelo de decisión solo se centrará en la parte del equipo de hardware, debido a la gran cantidad de posibilidades de programas, filtros y algoritmos existentes para cada aplicación lo que dificulta su implementación en un modelo global. Los componentes electrónicos, mecánicos y la alimentación de potencia tampoco serán estudiados por su alta dependencia de la aplicación y por carecer de una complejidad importante en la mayoría de los casos. Modelo de decisión para la optima selección del sistema de medición 33 4.1 Guía técnica Esta guía técnica trata de dar a conocer al usuario las distintas opciones para cada componente, siendo una primera aproximación dentro del campo de visión sin contacto. Como resultado se limitará el número de posibles soluciones (primera selección), se aclararán las necesidades (facilitando intercambio de información cliente-fabricante e implantación) y se obtendrán una sería de recomendaciones para la óptima elección. 4.1.1 Cámara Componente que debe ser cuidadosamente seleccionado ya que existen muchas posibilidades, parámetros y precios a tener en cuenta. Las siguientes páginas servirán de guía para aclarar las distintas posibilidades y cuales de ellas se ajustan mejor a las necesidades del usuario. 1. Extracción de datos Conseguir tanta información como sea posible por parte del cliente (Anexo II.4 – guía de visión automática o desde la aplicación de Excel). Con la información obtenida se seleccionará los componentes y se establecerán los parámetros técnicos. Tarea: Explicar la tarea para tener una idea lo más detallada posible (dimensiones, color, parámetros a medir o cualquiera otra información Producto: Tamaño, dimensión o detalle más pequeño a medir, forma, material, superficie, color… Espacio: Disponibilidad de espacio, distancias de trabajo, seguridad, ergonomía… Proceso: Alta velocidad requerida o no (tiempo medición), objeto en movimiento, posición de objeto constante, entorno (vibraciones, polvo…), entradas/salidas del control de proceso, distancias, layout… Modelo de decisión para la optima selección del sistema de medición 34 2. Selección de características y componentes A continuación se muestran los parámetros y componentes más importantes de una cámara, así como sus distintas posibilidades. RECEPCIÓN SENSOR COLOR FORMA CCD Escala gris Punto CMOS Espectrometria Color Infrarrojo Ultravioleta Línea Área Interpolar 3 Canales CAPTURA Digital Analógica 2D Axial Directa Multiple RESOLUCIÓN INTERFAZ Número de píxels GigE Camera Link USB 2.0 Firewire LENTE Convencional Telecéntrica Imagenes/s Hipercéntrica PCIe VELOCIDAD Resolución píxel HDTV LVDS DVI Figura 4.1: Características de la cámara. Fuente: [ORTH]. Modelo de decisión para la optima selección del sistema de medición 35 Recepción: Depende de la aplicación en la mayor parte (necesidad de uno o más cámaras, sistema de referencia para medidas geométricas…), aunque también influye el espacio disponible (directo, axial). En caso de necesitar varias cámaras será necesario un marcado (láser, infrarrojo) que permita establecer el sistema de referencia común para ambas. Captura: En esta categoría en un primer análisis no se puede seleccionar una única opción (requiere un estudio en profundidad de la aplicación y las características), en general ambas son posible, aunque la captura digital se está imponiendo en el mercado. Sensor: Tradicionalmente CCD (Charge-Coupled-Device) era la opción más común pero la tecnología CMOS (Complementary Metal-Oxide-Semiconductor) esta siendo desarrollada y actualmente ambas pueden afrontar casi todas las aplicaciones (las diferencias para elegir una u otra requiere un análisis en profundidad). En cuanto a sus características CCD destaca en su tratamiento del ruido, su uniformidad y buenas características para contrastes bajos, mientras que CMOS destaca por su velocidad, flexibilidad y la necesidad de menos componentes y energía. Color: Depende de la tarea y si necesita diferenciar color. La escala de grises (8- 10-12-16 bit por píxel) se usa cuando no se necesita diferenciar colores de forma precisa (solo por contraste, detección de tipo). Para diferenciar colores se usan cámaras de color (24 bit por píxel, con 3 canales, Rojoverde-azul, o 32 bits incluyendo transparencia). Para tareas que requieran colores específicos se usa la espectrometría. Infrarrojos y Ultravioletas para aplicaciones especiales (tintas especiales, detección térmica…). Forma: Depende de la tarea y del objeto (geometría, superficie…). Si el objeto está en movimiento no es posible utilizar la cámara puntual. La diferencia entre las cámaras de área y lineales es la cantidad de datos que toman y su configuración y ambas son compatibles para la mayoría de aplicaciones. Resolución: Determina la precisión de la medida, siguiendo la regla de oro de la metrología la precisión de la herramienta debe ser al menos un décimo de la tolerancia. La resolución se determina para cada píxel. El numero de pixeles lo determina el tamaño del objeto y la resolución de cada píxel Velocidad: Se extrae del tiempo de medición (con 100 ms. necesitamos 10 imágenes por segundo). Si la pieza está en movimiento es más complejo y debe ser mucho más rápido ya que se mide en una parte del tiempo de medición, tomaremos un quinto como referencia. Modelo de decisión para la optima selección del sistema de medición 36 Lente: Las lentes se dividen en tres grupos: convencionales, telecéntricas y hipocéntricas. La diferencia entre ellas es la distorsión en la imagen final debida a la distancia entre objeto-lente (importancia si el objeto esta posicionado en una posición constante) explicada en la figura 4.2. Desde el punto económico las lentes convencionales son las más baratas. Otros parámetros técnicos que no se incluyen en el modelo de decisión pero deben ser nombrados son: – Distancia focal (f) – f = (distancia objeto-lente*altura sensor/altura objeto+altura sensor) – Ventana de visión, montura (C-, CS-), número F (relación distancia focal/diámetro), material, iris (auto, video, motorizado), zoom (fijado, manual o motorizado), formato (1/2, 2/3, 1/3) … h hh gS fFOV S ⋅ = + a) b) c) Figura 4.2: Problemas de distorsión en las lentes. Fuente: [HORN]. a) Convencional, b) Telecéntrica, c) Hipocéntrica Modelo de decisión para la optima selección del sistema de medición 37 Interfaz: Las características principales para seleccionar este componente son la longitud máxima (mejor opción GigE), transferencia de datos (relacionado con la velocidad, mejor opción Camera Link) y las conexiones disponibles en la compañía o sistema. La tasa de transferencia se calcula: Tasa de transferencia = pixeles(anchura) x pixeles(altura) x bit/píxel x imágenes/s x byte/8bits x Kb/1024 bytes x Mb/1024 Kb Algunas posibilidades: Gigabit Ethernet (GigE), USB 1.0/2.0, DVI, PCIe, Firewire, Camera link, LVDS, HDTV y más antiguas como RS-170, RS-232, RS-422, PAL, NTSC, S-Video (no son comunes debido a sus limitaciones). Sus características están expuestas en las tablas posteriores. GigE DVI HDTV USB 1.0 USB 2.0 Longitud max 100m 4,6m 12-15m 5m 5m Datos 1000Mb/s 1,65Gb/s 1485Mb/s 12Mb/s 480Mb/s PCIe Firewire Camera Link LVDS RS-422 Longitud max 7m 4,5-100m 10m 10m 12m Datos 250-500Mb/s 400-800Mb/s 3.6Gb/s 400Mb/s 10Mb/s Tabla 4.1: Transferencia de datos y longitud máxima para distintas interfaces. Fuente: [SCHM09], [EXTR10]. Modelo de decisión para la optima selección del sistema de medición 38 4.1.2 Iluminación La iluminación tiene una importante influencia en la correcta interpretación de imágenes, debido a que reflejos, formas y sombras en la pieza pueden complicar el correcto reconocimiento de códigos, fallos u otros elementos. La iluminación proporciona imágenes más nítidas y resalta las características deseadas lo que facilita su análisis. Un único sistema de iluminación puede no ser suficiente y una combinación de varios resulta lo más recomendable para conseguir óptimas condiciones de brillo, color, contraste o longitudes de onda. Los principales objetivos del sistema de iluminación son: – Maximizar el contraste, remarcando las partes de interés del resto de la pieza para obtener una imagen lo más clara posible para analizarla y procesarla después. – Proporcionar robustez a la medición, reduciendo la diferencia entre imágenes del mismo producto y reduciendo la influencia de cambios externos en el resultado como ruido (cambios en luz natural, vibraciones, encendido de luz artificial…). 1. Extracción de datos Conseguir tanta información como sea posible por parte del cliente (Anexo II.4 – guía de visión automática o desde la aplicación de Excel). Con toda la información se seleccionará los componentes y se establecerán los parámetros técnicos. Tarea: Explicar la tarea para tener una idea lo más detallada posible (dimensiones, color, parámetros a medir o cualquiera otra información Producto: Tamaño, forma, material, superficie, color… Espacio: Disponibilidad de espacio, distancias de trabajo, seguridad, ergonomía… Proceso: Alta velocidad requerida o no (brillo), objeto en movimiento, entorno (vibraciones, polvo…), presencia de otras fuentes de luz (protecciones)… Modelo de decisión para la optima selección del sistema de medición 39 2. Selección del sistema iluminación Características y sus distintos valores para la iluminación. GEOMETRIA FUENTE FORMA TRASERA DIRECTA DIFUSA LED VISUAL PUNTUAL XENON FLUORESCENTE FIBRA ÓPTICA METAL HALÓGENO SODIO ALTA PRESIÓN LUZ NATURAL BLANCO INFRAROJO ANGULAR ANILLO LINEAL DOMO LUZ TRASERA CO-AXIAL CAMPO OSCURO ULTRAVIOLETA INFRAROJO ULTRAVIOLETA COLOR Figura 4.3: Características del sistema de iluminación. Fuente: [ORTH]. Modelo de decisión para la optima selección del sistema de medición 40 Geometría Trasera La luz proviene de la parte trasera del objeto y se enfrenta a la cámara, por lo que es una solución muy practica para limitar contornos, estudiar ejes, posición e incluso detectar poros o agujeros. Debe tenerse en cuenta que para aplicaciones de perfiles con distintos niveles, las piezas deben estar perfectamente alineadas para que el sistema sea recomendable. Directa La luz se dirige directamente sobre la pieza lo que la excluye en piezas con superficie brillante o con problema de reflejos (formación de imágenes con “punto blanco”). Campo Oscuro La luz se refleja en la superficie del objeto desde un ángulo de inclinación menor al 45º (evitando así puntos blancos), por lo que es recomendada para imperfecciones en superficie, con partes elevadas o grabadas hundidas. Difusa La luz se proporciona de forma difusa, no directa lo que la hace recomendable en presencia de superficies transparentes, con gran rugosidad o contorno complejo. Para superficies curvas se recomienda el domo (izquierda) y para planas el co-axial (derecha). Figura 4.4: Distintos tipos de geometría de sistemas de evaluación. Fuente: [DARY]. Modelo de decisión para la optima selección del sistema de medición 41 Fuente Intensidad Tiempo vida Coste Uniformidad Longitud Onda Led zz zzzz zz zzz zz Xenón zzzz zzzz zzz zzzz zzz Fluorescente zz zzz z zz zz Fibra óptica zz zz zzzz zzz zz Halogenado metálico zzz zzz zzzz zzzz z Sodio alta presión zzzz zz zzzz zzzz zz Luz natural z zzzz z zzzz Infrarrojo/Ultravioleta zzzz zzz zzz zzzz zzz Tabla 4.2: Características de las fuentes de iluminación. Fuente: [BRAG], [STOC]. La intensidad es crucial para aplicaciones que soliciten alta velocidad de medición o con piezas analizadas en movimiento (requiere pulsos). Las fuentes de infrarrojos y ultravioletas son usadas para tareas especiales. Color En caso de utilizar luz de colores se busca utilizar el color complementario a la pieza (así se obtiene mayor contraste). Si se busca luz transmitida es recomendable longitudes de onda grandes (rojo, infrarrojo) y bajas en caso de no interesar la luz transmitida (ultravioleta, azul). Figura 4.5: Espectro visual. Fuente: [KEYE] Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 48 5.2 Aplicación del modelo de decisión Comparamos los resultados extraídos del modelo de decisión con las decisiones tomadas en la aplicación real. 5.2.1 Selección de la estructura metrología-producción En primer lugar elegimos la estructura que mejor se ajusta a la aplicación con el fin de conocer, los futuros puntos débiles y fuertes del sistema. Basándonos en las respuestas obtenidas del cliente tras rellenar el Anexo II.2 o la aplicación informática. Valor cualitativo Valor Prioridad Puntuación Máxima Entorno Medio 2 2 50 Mantenimiento Intervalos medios no preventivo 2 1 25 Automatización Alto nivel de automatización 4 3 75 Control Basado en el producto Pieza a pieza (“run-to-run”) 2 3 75 Tiempo de respuesta Medio-bajo 3 3 75 Layout Integrado 3 3 75 Inversión Media – alta 2 3 75 Tiempo medición Muy rápido 4 4 100 Piezas analizadas 100% 4 4 100 Falsos positivos/negativos Mínimo-bajo 4 3 75 Tolerancia Muy estrecha 4 3 75 Robustez Alta 3 4 100 Tabla 5.1: Valores y prioridades de las características. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 49 En la tabla 5.2 se muestran los resultados obtenidos con los datos de la tabla anterior. Las puntuaciones son extraídas sobre un máximo de 1472 puntos y el número total de características es doce (con estos máximos se elaboran los ratios de la tabla 5.3). Puntuación Número de características Características prioritarias In-line 1079 7 Falsos positivos/negativos, % piezas analizadas. In-situ 868 4 Velocidad, % piezas analizadas. Near off-line 479 2 Far off-line 218 1 Tabla 5.2: Resultados del modelo de decisión. In-line In-situ Near off-line Far off-line Ratio de características 58% 33% 17% 8% Ratio de puntuación 73% 59% 33% 15% Tabla 5.3: Características y ratios de puntuación. En la siguiente tabla se muestran los resultados anteriores traducidos a porcentajes con el fin de hacer el análisis más intuitivo y comprensible. In-line In-situ Near off-line Far off-line Porcentaje de características 50% 29% 14% 7% Porcentaje de puntuación 41% 33% 18% 8% Tabla 5.4: Traducción de los ratios a porcentajes. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 50 Otras consideraciones: – Presencia de cuello de botella antes del ensamblaje. – No problemas de espacio. – El cliente prefiere metrología integrada, (estructura previa: In-line). – Experiencia con visión automática. – Necesidad de retirar piezas con defectos (incluir actuador). RESULTADO FINAL – ESTRUCUTRA IN-LINE Figura 5.2: Estructura In-line para la aplicación. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 51 5.2.2 Selección del sistema de medición La primera selección trata de limitar las opciones, reduciéndolas en número y estableciendo una serie de opciones recomendadas para cada parámetro o componente. CAMARA 1. Extracción de datos: Tarea: Controlar la ranura de tornillos para detectar virutas o fallos antes de ser automáticamente ensamblados. Producto: Tamaño normalizado M2 (250µm x 250µm x100µm), también M2’5, M3, M4. Forma - Ranura tornillo, niveles planos perpendiculares. Material - Bronce o acero. Superficie recubierta con estaño o zinc. Características de la superficie: Ejes abruptos, superficies planas y brillantes Proceso: Velocidad rápida – 300 ms para la medición. Objeto en movimiento y en constante posición (diferentes orientaciones de la cabeza del tornillo), con presencia de vibraciones y polvo. Espacio disponible y de fácil acceso. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 52 2. Selección de características y componente Recepción: No se necesita 3D y dadas las dimensiones del objeto con una sola cámara será suficiente. La óptima recepción se obtendrá con cámara axial (perpendicular al tornillo). Captura: Ambas perfectamente posibles. Sensor: Ambos posibles, la velocidad aconsejaría CMOS y la uniformidad y robustez CCD pero ambas pueden cumplir perfectamente los requerimientos. Color: Escala de grises (8-10-12-16 bit por píxel). Forma: Al estar la pieza en movimiento la forma puntual no es posible. Tanto la forma lineal como la forma de área cumples los requisitos. Resolución: La dimensión más pequeña es 100 µm (M2), siguiendo la regla de oro, la resolución debe ser la décima parte, por tanto 10µm/píxel. Número de pixeles: La dimensión máxima del objeto es 5mm (M4) y la resolución 10 µm, por lo que el número de pixeles debe ser al menos 500x500 (una medida estándar es 800x600). Velocidad: El tiempo de medición máximo es 300 ms por lo que se necesitan al menos 4 imágenes/s. Al hallarse el objeto en movimiento se toma en una fracción de ese tiempo, tomamos como primera aproximación un quinto, obteniendo así una velocidad necesaria de 20 imágenes por segundo. Lente El objeto se halla siempre en una posición constante por lo que la distorsión no es un problema. Todas las opciones son posibles pero la lente convencional es la recomendada por su simplicidad y bajo coste. Interfaz No existen datos sobre longitud del cable pero podemos desechar los cables muy cortos. Sin embargo necesitamos una tasa de transferencia de al menos 2Mb/s. Nos centramos solo en GigE, CameraLink, PCIe, Firewire, USB2.0, HDTV, LVDS. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 53 RECEPCIÓN CAPTURA SENSOR COLOR FORMA 2D Digital CCD Escala gris Linea Axial Analógica CMOS Area RESOLUCIÓN INTERFAZ 10µm/pixel GigE Camera Link USB 2.0 Firewire LENTE Convencional20 Imagenes/s PCIe VELOCIDAD 500x500 pixels 8bits/pixel HDTV LDVS Figura 5.3: Características y componentes de la cámara para la aplicación. ILUMINACIÓN 1. Extracción de datos: Tarea: Controlar la ranura de tornillos para detectar virutas o fallos antes de ser automáticamente ensamblados. Producto: Mismas características que para la cámara, cabe reseñar en este apartado que la superficie es metálica y refleja produciendo puntos blancos. Proceso: Velocidad rápida – 300 ms para la medición (necesidad pulsos y alta intensidad) Contaminación ambiental presente (incrementar intensidad). Espacio disponible y de fácil acceso. Reflectividad – Mixta (difusa y especular) Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 54 2. Selección del sistema de iluminación Geometría Puntual no posible debido a la creación de puntos blancos por el reflejo (superficie brillante metálica) y geometría trasera requeriría una orientación perfecta de cada tornillo. Las geometrías difusa o campo oscuro son perfectamente posibles. Forma: Anillo o angular (campo oscuro); Co-axial, Domo (difusa); luz trasera (trasera). Lineal no recomendada al existir mejores opciones para difusa y campo oscuro, la puntual no posible debido al reflejo Fuente: Xenón y Led cumple de manera amplia los requerimientos del sistema. Opciones como halógenos metálicos, sodio de alta presión, fibra óptica… encarecen el sistema de forma innecesaria, mientras que fluorescente no es recomendado por su falta de uniformidad y el reflejo que produce. Color: Blanco y colores son las opciones recomendadas. Las demás o no son necesarias o no cumplen los requisitos. GEOMETRIA FUENTE FORMA DIFUSA LED VISUAL ANILLO XENON BLANCO ANGULAR DOMO CO-AXIAL CAMPO OSCURO COLOR Figura 5.4: Características del sistema de iluminación requeridas. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 55 SELECCIÓN FINAL Compañía Lista requerimiento: CÁMARA Proyecto o nombre de proceso: Ranura Tornillo Fecha; 29-03-10 Código; RT Pág.: 1 Fecha: Requerimientos: Peso 29-03-10 1. Geometría: Sin restricciones. 2. Forma – Linear o área 3. Captura – Analógica o digital 4. Recepción: CCD o CMOS 5. Color: Mono, escala de gris 6. pixeles: Resolución al menos 10µm Sensor al menos 500x500 Bits/píxel: 8-16 7. imágenes/s mayor 20 8. Lente 9.Interfaz: al menos 200Mb/s 10. Precio De D D D D C C C C C D D C – Requerimiento crítico D – Requerimiento demandado De – Requerimiento deseable Tabla 5.4: Lista de requerimientos de la cámara. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 56 Compañía Lista requerimiento: ILUMINACIÓN Proyecto o nombre de proceso: Ranura Tornillo Fecha; 29-03-10 Código; RT Pág.: 2 Fecha: Requerimientos: Peso 29-03-10 1. Geometría: Difusa o campo oscuro 2. Forma: Anillo, angular, domo o co-axial. 3. Fuente: Led o Xenón 4. Color: Blanco u otro color 5. Brillo: Alto (con pulsos – objeto en movimiento) 6. Uniformidad: alta 8. Tiempo de vida: alto 9. Precio: bajo 10. Dimensiones: Sin restricciones C D D D C D D D De C – Requerimiento crítico D – Requerimiento demandado De – Requerimiento deseable Tabla 5.5: Lista de requerimientos para iluminación. Ejemplo de aplicación: Detectar impurezas y fallos en ranuras de tornillos 57 5.3 Validación El resultado del modelo de decisión debe ser analizado, para evitar fallos y mejorarlo, haciéndolo más intuitivo y completo para futuras aplicaciones. El actual modelo abarca un amplísimo campo de aplicación por lo que puede ser demasiado específico para algunas aplicaciones y faltarle detalles para otras. Lo que se busca es intentar ajustarlo a cada aplicación sin perder su carácter global, hecho que solo se consigue tras numerosos test y comparaciones con resultados reales. En esta validación se compara las decisiones que se tomaron y las que se habrían tomado usando el modelo de decisión. 1. ESTRUCTURA En la aplicación real la metrología fue implantada como un paso más en la línea de producción (estructura in-line), debido a la posibilidad de usar el tiempo de espera en la alimentación de la máquina de ensamblaje. El resultado del modelo de decisión coincide con el tomado en la realidad. Las ventajas principales del modelo son la facilidad a la hora de tomar la decisión y las razones teóricas que la sustentan, así como la posibilidad de conocer las diferencias con las otras estructuras (Tabla 5.2), sus puntos fuertes y sus puntos débiles. La estructura seleccionada tiene una puntuación del 41% seguida por la estructura in-situ con un 37% (lo que demuestra que el nivel de metrología integrada es el óptimo, con un 78%). Al no existir una gran diferencia entre los valores de las estructuras in-line e in-situ se recurrió a plantear la aplicación real a un grupo de ingenieros que manipularían los datos de entrada del modelo de decisión (en el papel de cliente). Estos ingenieros fueron escogidos como si fueran una muestra de usuarios potenciales, cuyos conocimientos de la teoría metrología-producción y de los sistemas de visión abarcaban desde un nivel medio a un total desconocimiento. Los resultados se obtuvieron de forma independiente y no podían ser consultados hasta que el modelo de decisión estableciera el resultado. De esta forma establecemos una primera aproximación de la robustez del sistema y la variación de resultados según el usuario que lo emplee (obviamente con un margen amplio de mejora si utilizáramos más aplicaciones reales y más tests). 64 Bibliografía 87 Bibliografía [ALRA10] Machine Vision Cameras. Alrad, Newbury, Berkshire. URL: http://www.alrad.co.uk/imaging/FAQ-Machinevisioncameras.html [State: 15.03.2010] [BRAG99] Braggins, D.: Illumination for Machine Vision, Sensor Review. ``Innovations in illumination for machine vision''. In: UK Industrial Vision Association's annual general meeting, Nottingham, UK, September 1999. [CARD04] Card, J.; Cao, A.; Chan, W.; Martin, B.; Lai, Y.: Realtionship between in-situ information and ex-situ Metrology in Metal Etch. In: AEC/APC Symposium. Asia 2004. [DALS10] CCD vs. CMOS. Dalsa, Waterloo, Ontario, Canada. URL: http://www.dalsa.com/corp/markets/CCD_vs_CMOS.aspx [State: 15.03.2010]. [DARY07] Martin, D.: A Practical Guide to Machine Vision illumination Parts I-II-III. National Instrument Developer Zone URL: http://zone.ni.com/devzone/cda/tut/p/id/6901 [Stand: 03.03.2010] [DESI10] CMOS or CCD for Machine Vision. Design News, Waltham, MA. URL: http://www.designnews.com/article/11295- CMOS_or_CCD_for_Machine_Vision_.php [Stand: 15.03.2010]. [DIEB95] Diebold, A.: Metrology Roadmap: A Supplement to the National Technology Roadmap for Semiconductors. Sematech. Austin, Texas. 25 January 1995. [DIRE01] Directive VDI/VDE 2632 Blatt1/Part 1. Industrial image processing – Definition of requirements for image processing systems. June 2001 [dRON05] de Ron, A.J.; Rooda, J.E.: Equipment Effectiveness: OEE Revisited. In: IEEE Transactions on Semiconductor Manufacturing. Vol. 18, Number 1. February 2005. [DURA05] Durakbasa, M.N.; Osanna, P.H.; Afjehi-Sadat, A.; Samarawickrama, D.; Krsek, A.: Application of Sophisticated Production Metrology and Nanometrology for Quality Control in Bio-Engineering. In: Measurement Science Review, Volume 5, Section 2, 2005. Bibliografía 88 [EXTR10] Somers, S.: Demystifying Cables and Connectors for Digital Formats Part 1- 2. Extron Electronics Europe, Amersfoort, the Netherlands. URL: http://www.extron.com/company/ [State: 22.03.2010]. [FANG10] S. J. Fang, T. H. Smith, G. B. Shinn, J. A. Stefani and D. S. Boning.; Advanced Process Control in Dielectric Chemical Mechanical Polishing (CMP); In: Universia Biblioteca: URL: http://biblioteca.universia.net/ [State: 28.01.2010] [GONZ08] Gonzalez, R.C.; Wood, R.E.; Digital Image Processing, Third Edition. Ed New Jersey: Prentice Hall, 2008. [HAMA10] 2009 Worldwide Industrial Camera Directory. Machine Vision and Image Processing, Industrial Camera Directory, Hamamatsu. Opto IQ. URL: http://downloads.pennnet.com/pnet/surveys/vsd/0911vsd-cameradir.pdf [State: 15.03.2010] [HORN06] Hornberg, A. (editor); Handbook of Machine Vision. In: Vision Magazin 1/2006. Wiley Vch, 2006. [INFI03] Inficon.: Integrated Process Monitoring for Sputter Etch Clean Using a Stiletto IPM Particle Detection System. New York, 2003. [INTE07] International Technology Roadmap for Semiconductors 2007 edition. [INTE10] LVDS Bus. URL: http://www.interfacebus.com/Design_Connector_LVDS.html [State: 24.03.2010]. [JÄHN05] Jähne B.; Beitz, W.; Digital Image Processing, Sixth Edition. Ed Berlin: Springer Verlag, 2005. [KEYE08] Keyence.: Machine Vision Academy, Vol 1-9. Keyence Corporation. Nuevo Leon, Mexico, 2008. [KUNZ07] Kunzmann H.; Pfeifer T.; Schmitt R.; Schwenke H.; Weckenmann A.; Productive Metrology – Adding Value to Manufacture. In: Annals of the CIRP, Vol. 54/2, 2005. [LAMR01] Lam Research.: Lam Research Corporation Announces Integrated Metrology Program For CMP. Fremont, 15 October 2001. Bibliografía 89 [LDAN98] L. Dance, D.; A. Rosenthal, P.; Aarts, W.: Estimating the Costs, Benefits, and Return on Investment of Integrated Semiconductor Process Metrology. In: Meeting of the Integrated Measurement Association. Vail Colorado, 15 October 1998. [MEDE01] Medea+.: New metrology methods measure up to tomorrow's IC technology. Paris, 2001. [ÖCHS04] Öchsner, R.: Semiconductor Manufacturing Equipment, Materials and manufacturing methods “Flexible APC in Semiconductor Manufacturing”. In: IISB 6th Annual Conference. Erlangen, 4 November 2004. [ORTH08] Orth, A.: Entwicklung eines Bildverarbeitungssystems zur automatisierten Herstellung faserverstärkter Kunststoffstrukturen. Aachen: Shaker, 2008 [PAHL99] Pahl G.; Beitz, W.; Engineering Design: A systematic Approach, Second Edition. Ed London: Springer Verlag, 1999. [PFEI02] Pfeifer T.; Production Metrology. Ed Aachen: Oldenburg, 2002. [WZL06] Orth, A.; Damm, B.E.: Machbarkeitsstudie und Umsetzungskonzept für die Entwicklung eines Optischen Prüfsystems zur Spankontrolle in Schraubenschlitzen. WZL (Fertigungsmesstechnik und Qualitätsmanagement), RWTH Aachen 2006. [PING01] PingHsu, C.; Sunny, W.; Junshien. L.: Virtual Metrology: A solution for Wafer to Wafer Advanced Process Control. In: IEE International Symposium, Semiconductor Manufacturing. 8-10 October, 2001. [PROP08] Property right. United States Patent US 7,359,759 B2. Cheng, C.Y.; Fu, H.; Wang, F.; Cheng, F.: Method and System for Virtual Metrology in Semiconductor Manufacturing. 15 April 2008. [PROP09] Property right. United States Patent US 7,603,328. Cheng, F.; Huang, H.; Kao, C.: Dual-Phase Virtual Metrology Method. 13 October 2009. [ROOD07] Rooda, J.E.; de Ron, A.J.: Performance of Workstation with Offline and Integrated Metrology. In: IEE Transactions on Semiconductor Manufacturing Vol 20, 2 May 2007. [RUBL03] W. Rubloff, G.: Aarts, W.: In-Situ Metrology: the Path to Real-Time Advanced Process Control. In: International Conference on Characterization and Metrology for ULSI Technology. Austin, 24-28 March 2003. Bibliografía 90 [SCHE04] Schellenberger, M.: Equipment, Materials and manufacturing methods “Integrated Metrology for Advanced Process and Equipment Control”. In: IISB 6th Annual Conference »Semiconductor Manufacturing«. Erlangen, 4 November 2004. [SCHM06] Schmitt, R.; Moenning, F.: Ensure Sucess with Inline-Metrology. In: XVIII Imeko World Congress »Metrology for a Sustainable Development«. Rio de Janeiro, Brazil, 17-22 September 2006. [SCHM08] Schmitt, R.; Damm, B: Prüfen und Messen im Takt. In: QZ September, 2008. [SCHM09] Schmitt, R.; Damm, B: Bilaufnahmestrategie – Prüfmermale sichtbar machen. In: Basisseminar Fertigungsintegrierte Bildverarbeitung. Aachen, 20 October, 2009. [SCHM10] Schmitt, R.; Lose, J.; Harding, M.: The Management of Measurement Processes - Key to Robust and Cost Optimal Production of High Quality Products. In: CAFMET International Metrology Conference. April 2010. [SIAU06] SIAutomation. Besnard, J.; J. Toprac, A.: Wafer-to-wafer virtual metrology applied to gate critical dimension run-to-run control in high volume manufacturing. Montpellier, 2006. [SMIT99] Smith, T.H.; Fang, S.J and others. On-line patterned wafer thickness control of chemical-mechanical polishing. American Vacuum Society. 3 May 1999. [SPAN01] Spanos, C.J.; Payman, J.; Leachman, R.C.: The Economic Impact of Choosing off-line, inline or insitu Metrology Deployment in Semiconductor Manufacturing. In: IEE International Symposium, Semiconductor Manufacturing. 8-10 October, 2001. [STAN07] Stanley, K.J.; Stanley, T.D.; Maia J.: Realizing 300mm Fab Productivity Improvements through Integrated Metrology. In: Proceedings of the 2002 Winter Simulation Conference. [STOC07] Martin, D.: Optimizing Illumination for linescan Vision Systems. Stockeryale, Salem NH. URL: http://www.stockeryale.com/i/leds/products/cobra_wp.pdf [State: 08.03.2010] [THOM10] Smart Camera Integration in Machine Vision System. ThomasNet, Salem NH. URL: http://www.thomasnet.com/articles/automation-electronics/smartcamera-machine-vision-system [State: 15.03.2010] Bibliografía 91 [UKIV97] Machine Vision Handbook. UK Industrial Vision Association. Royston, Herts UK. January 2007. URL: http://www.emva.org [State: 22.03.2010]. [VISI09] 22nd International Trade Fair for Machine Vision and Identification Technologies. Stuttgart. 2009