Resumen

La industria de la construcción está adoptando métodos de construcción modulares debido a las ventajas que ofrecen en términos de seguridad, calidad y productividad para los proyectos de construcción. Sin embargo, estas fábricas aún dependen de un trabajo manual intensivo, lo que puede generar cuellos de botella en la producción y un impacto en la productividad. Este artículo propone un método de monitoreo del progreso con visión artificial que se basa en 2 observaciones por estación. Utilizando el método de transformación de características de escala se identifica la presencia de unidades modulares en las estaciones de trabajo, y con el método basado en aprendizaje profundo Mask R-CNN se identifican las estaciones de trabajo activas. Esta información se sintetiza utilizando un método de identificación de cuellos de botella basado en datos casi en tiempo real adecuado para líneas de montaje en fábricas de construcción modular permitiendo un monitoreo contínuo y completo de las líneas de producción.

• Materias:Algoritmos de aprendizaje Fabricación avanzada Sensores Fabricación inteligente Simulación por computadora
• Subjects:Learning algorithms Advanced manufacturing sensors Smart manufacturing Computer simulation
• Palabras claves:Construcción modular; Visión por computadora; Detección de cuellos de botella; Aprendizaje profundo; Sensores
• Keywords:Modular construction; Computer vision; Bottleneck detection; Deep learning; Sensors