Automatización robótica de procesos
Optimización y automatización de procesos
Esta sección exhibe diversas propuestas para la automatización robótica de procesos en diferentes áreas productivas y sectores dentro de las organizaciones
- Video:Automatización robótica de procesos, parte 1
- Fuente:Youtube
A Robotic Deburring Methodology for Tool Path Planning and Process Parameter Control of a Five-Degree-of-Freedom Robot Manipulator
Metodología de desbaste robótico para la planificación del camino de la herramienta y el control de los parámetros del proceso de un robot manipulador de cinco grados de libertad
La robótica industrial tiene varios beneficios como solución de automatización en diversos sectores industriales. El ajuste de la orientación del desbarbado de los robots industriales actuales no suele ser diestro. Existe una necesidad urgente de desarrollar un robot manipulador para el desbarbado robótico de piezas de formas complejas con una manipulación muy hábil y el desbarbado eficiente de cinco caras en una sola configuración. Así, este estudio presenta un robot manipulador híbrido hábil y dos plataformas experimentales de robots manipuladores. Se propone además un método robótico de planificación de la trayectoria de la herramienta de desbarbado y planeación de la orientación y del desbarbado por capas. Fueron realizados dos experimentos para verificar la efectividad de los métodos propuestos y demostrar la eficiencia y destreza del robot manipulador en el desbarbado.
Este estudio fue elaborado por Wanjin Guo, (Chang’an University, Xian, China; Harbin Institute of Technology, Harbin, China), Ruifeng Li (Harbin Institute of Technology, Harbin, China), Yaguang Zhu, Tong Yang, Rui Qin y Zhixin Hu, (Chang’an University, Xi’an, China) para Applied Sciences (Vol. 9, núm. 10, p. 2033, 2019), una revista enfocada en estudios sobre ciencias naturales aplicadas. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
A machine learning approach for online automated optimization of super-resolution optical microscopy
Enfoque de aprendizaje automático para la optimización automatizada en línea de microscopía óptica de alta resolución
Este artículo presenta la propuesta de un enfoque MO Kernel TS de optimización en línea para optimizar varios parámetros de imágenes de forma conjunta mientras se realiza una tarea de imágenes., el cual se combina con enfoques de redes neuronales para el reconocimiento de la calidad de la imagen y la evaluación de las preferencias del usuario para desarrollar una plataforma de optimización totalmente automatizada para microscopía de súper resolución. Los resultados de varios contextos experimentales y métodos de análisis indican que el enfoque de aprendizaje automático propuesto para la optimización en línea de la microscopía de alta resolución contribuye a mejorar y estandarizar los resultados en una amplia gama de muestras y modalidades de imágenes.
Este estudio fue desarrollado por Audrey Durand (Université Laval, Québec, Canada), Theresa Wiesner (CERVO Brain Research Center, Québec, Canada), Marc-André Gardner, Louis-Émile Robitaille (Université Laval, Québec, Canada), Anthony Bilodeau (CERVO Brain Research Center, Québec, Canada), Christian Gagné, Paul De Koninck (Université Laval, Québec, Canada) y Flavie Lavoie-Cardinal (CERVO Brain Research Center, Québec, Canada) para Nature Communications (Vol. 9, núm. 5247, 2018), una revista dedicada a la publicación de estudios de alto nivel en las diversas áreas de las ciencias naturales. Esta es una publicación de Nature Research. Correo de contacto: [email protected]
