El alumno Julen Balzategui Oruna obtuvo la calificación SOBRESALIENTE con mención ‘CUM LAUDE’
El alumno Julen Balzategui Oruna obtuvo la calificación SOBRESALIENTE con mención ‘CUM LAUDE’
El alumno Julen Balzategui Oruna obtuvo la calificación SOBRESALIENTE con mención ‘CUM LAUDE’
Título de tesis: "Deep Learning Based Methodology For The Development Of Industrial Quality Inspection Systems"
Tribunal:
- Presidencia: George Panoutsos (University of Sheffield)
- Vocalía: Ander Muniategui Merino (Lortek)
- Vocalía: Ekaitz Zulueta Guerrero (EHU/UPV)
- Vocalía: Mikel Maiza Galparsoro (VICOMTECH)
- Secretaría: Ekhi Zugasti Uriguen (Mondragon Unibertsitatea)
Resumen:
En los últimos años la industria manufacturera ha estado envuelta en lo que ha denominado como cuarta revolución industrial o Industry 4.0. Además de perseverar en la automatización de los procesos, la revolución ha traído consigo nuevas tendencias para producción tales como la fabricación sin defectos, un control de calidad no destructivo unitario, o el rastreo absoluto de las piezas a lo largo de la cadena de producción. Entre los distintos sectores influenciados por la revolución, se encuentra el sector fotovoltaico. Este sector, ha recibido gran financiación de entidades gubernamentales e inversores privados que ha derivado en una mejora de la tecnología. Esto ha hecho que los precios de los paneles se hayan abaratado, aumentando así la demanda de los mismos, haciendo a su vez más necesaria la automatización de su proceso de producción.
Entre todas las etapas durante la producción, el control de calidad juega un papel de vital importancia. En el caso concreto del sector fotovoltaico, el control de calidad en su fabricación industrial se realiza valiéndose de la técnica de Electroluminiscencia, la cual que permite obtener imágenes de alta resolución de las células fotovoltaicas donde los defectos quedan resaltados. En contraste con la tendencia hacia la automatización, en la práctica la inspección de los paneles sigue realizándose mayormente por operarios. En los últimos años numerosas propuestas han sido realizadas con el objetivo de automatizar este control de calidad. No obstante, las propuestas hasta el momento muestran ciertas limitaciones para su aplicación en el contexto industrial cada vez más dinámico y demandante.
Entre todas las etapas durante la producción, el control de calidad juega un papel de vital importancia. En el caso concreto del sector fotovoltaico, el control de calidad en su fabricación industrial se realiza valiéndose de la técnica de Electroluminiscencia, la cual que permite obtener imágenes de alta resolución de las células fotovoltaicas donde los defectos quedan resaltados. En contraste con la tendencia hacia la automatización, en la práctica la inspección de los paneles sigue realizándose mayormente por operarios. En los últimos años numerosas propuestas han sido realizadas con el objetivo de automatizar este control de calidad. No obstante, las propuestas hasta el momento muestran ciertas limitaciones para su aplicación en el contexto industrial cada vez más dinámico y demandante.
Por estas razones, el objetivo de esta tesis ha consistido el diseño de una metodología basada en técnicas Deep Learning para el desarrollo de sistemas de inspección. La metodología ha contemplado técnicas robustas y flexibles a cambios, pero capaces de funcionar en entornos industriales con escasas muestras defectuosas, y además ofrecer resultados más interpretables que una mera clasificación, como por ejemplo, la localización de los defectos en las muestras. A su vez, se ofrecen maneras de obtener modelos de inspección desde un primer momento en la línea de producción, y aprovechar las características de los mismos para obtener cada vez modelos más precisos sin casi necesitar una intervención humana.