La UVigo participa en un proyecto para integrar drones autónomos en factorías de automóviles

Publicidad

La Universidad de Vigo participa, junto con empresas y clústeres industriales, en un proyecto denominado AFID (Autonomous Flying Inspection Device), para integrar drones autónomos en las plantas de producción de automóviles. Se trata de una iniciativa que fue seleccionada en la convocatoria de Ayudas a la I+D+i de la Agencia Estatal de Investigación, y moviliza una inversión total de 1,75 millones de euros con fondos europeos. En el proyecto, liderado por la empresa Europrecis, participan os grupos CIMA y Enerxía Eléctrica de la UVigo, junto con CITMAga (Centro de Investigación e Tecnoloxía Matemática de Galicia) y Enxenia, y el apoyo de Asime y Visual Publinet.

Este consorcio busca desarrollar un sistema basado en drones que puedan comprobar la conformidad interior de un vehículo en una línea de producción, todo de forma automática y mediante monitorización remota. De este modo, se integrarían por primera vez los drones en las fábricas de automoción para hacer control de calidad de los componentes internos de cada vehículo.

El investigador y coordinador del grupo CIMA, Ángel Fernández Vilán, ha destacado que este proyecto va a suponer "un avance tecnológico sin precedentes", y ha recordado que la mayoría de empresas del sector aeronáutico ofrecen servicios de inspección con drones únicamente en el exterior, y con drones pilotados por operarios, pero no en interiores y en lugares de dimensiones reducidas, como el interior de un coche. Estos drones incorporan tecnología de visión artificial y los últimos avances en materia aeronáutica, HPC o inteligencia artificial.

Ligeros, de recarga rápida y aprendizaje autónomo

Los investigadores están desarrollando un modelo lo suficientemente ligero como para poder entrar de forma segura en un vehículo, y también trabajan para que puedan cargarse de forma ultrarrápida, mediante supercondensadores. De este modo, pueden recargarse en los 10 segundos de parada que hay entre cada vehículo que pasa por la línea de producción.

Además, la tecnología de visión artificial permite captar múltiples imágenes del interior del coche, que son procesadas a través de ordenadores HPC de altas capacidades y, con la inteligencia artificial, permiten llevar a cabo un aprendizaje autónomo, en tiempo real y sin apoyo de una persona, para detectar si hay defectos.

Sin piloto

Con todo, el principal reto para los investigadores será conseguir que el dron se mueva de forma autónoma dentro del vehículo, sin una persona que lo pilote, y para lo que hay diseñar trayectorias programadas, que tengan en cuenta un entorno tan exigente como una fábrica de automoción.

El proyecto arrancó en 2023 y se extenderá hasta diciembre de 2025. En su primera fase, ya se han realizado pruebas con drones comerciales para así determinar los requisitos que deberán cumplir los drones AFID en lo que respecta a sus hélices, peso, autonomía de la batería o estabilidad.

Tras estudiar esos modelos, se han diseñado dos prototipos de dron de software libre, con baterías basadas en supercondensadores y con una autonomía de vuelo de un minuto (el tiempo estimado por inspección de cada vehículo). Paralelamente, el CITMAga ha estado trabajando en la estabilización de los drones, mediante algoritmos matemáticos que corrigen su trayectoria.

Mientras, el resto de socios del consorcio avanzan en la integración real de estos drones en las líneas de producción de las factorías y en cómo procesar estos datos: la empresa Europrecis prepara el armario eléctrico donde se integrará la central que controla el vuelo y analiza las imágenes, y estudia también la iluminación dentro de los coches; Enxenia y Visual Publinet avanzan, por su parte, en la adquisición y tratamiento de datos.

La previsión es que este sistema pueda integrarse en una línea de producción real en el año 2026 y, aunque los clientes potenciales son los fabricantes de vehículos, puede ser de interés para cualquier otra industria que requiera en su proceso de producción de inspecciones en espacios reducidos.

Salir de la versión móvil