dc.contributor.author |
Requena Molina, Henry José |
|
dc.contributor.author |
Pozuelo Morales, Kelvin Joseph |
|
dc.date.accessioned |
2024-10-18T19:57:15Z |
|
dc.date.available |
2024-10-18T19:57:15Z |
|
dc.date.issued |
2023 |
|
dc.identifier.uri |
http://hdl.handle.net/11619/4139 |
|
dc.description.abstract |
Este proyecto se centra en el desarrollo de un dispositivo de control remoto
destinado a la detección y corrección en tiempo real de fallos en el proceso de
impresión 3D utilizando la tecnología Fused Deposition Modeling (FDM). Para lograr
esto, se aprovechan recursos como la Raspberry Pi y una cámara web, que
capturan imágenes del proceso de impresión. La pieza central de esta solución es
una red neuronal entrenada específicamente para identificar errores comunes en la
impresión 3D, tales como el warping, stringing y spaghetti. La información se
transmite de manera eficiente a través del protocolo MQTT, con notificaciones
instantáneas enviadas a través de la plataforma Telegram para permitir una acción
inmediata por parte del operador. La metodología abarca desde el entrenamiento
de la red neuronal hasta el diseño de estrategias efectivas de control de impresoras
3D, que se integran sin problemas con el dispositivo de control remoto. La
evaluación de los resultados se realiza mediante una matriz de confusión y la
métrica Intersection over Union (IoU), destacando la alta precisión en la detección
de errores. Este dispositivo representa una solución prometedora para mejorar
significativamente la precisión y la confiabilidad del proceso de impresión 3D, con
un enfoque particular en su aplicación en entornos industriales y críticos. |
es |
dc.description.sponsorship |
This project focuses on the development of a remote-control device aimed at realtime detection and correction of errors in the 3D printing process using Fused
Deposition Modeling (FDM) technology. To achieve this, resources such as the
Raspberry Pi and a webcam are utilized to capture images of the printing process.
The centerpiece of this solution is a neural network specifically trained to identify
common 3D printing errors, such as warping, stringing, and spaghetti-like structures.
Information is efficiently transmitted through the MQTT protocol, with instant
notifications sent via the Telegram platform to enable immediate action by the
operator. The methodology encompasses everything from training the neural
network to designing effective 3D printer control strategies, seamlessly integrated
with the remote-control device. Evaluation of the results is carried out using a
confusion matrix and the Intersection over Union (IoU) metric, highlighting the high
precision in error detection. This device represents a promising solution to
significantly enhance the accuracy and reliability of the 3D printing process, with a
particular focus on its application in industrial and critical environments. |
es |
dc.language.iso |
es |
es |
dc.publisher |
Universidad Autónoma del Caribe |
es |
dc.subject |
Impresión 3D,Defecto de Fabricación,Polímero,Visión Computacional,Machine Learning,Internet de las cosas,Fused Deposition Modeling,Manufactura Aditiva ,Garantía de Calidad ,Gestión de Calidad,Red Neurona |
es |
dc.title |
Dispositivo de control remoto para la detección y corrección de errores en el proceso de impresión 3d fdm en tiempo real |
es |
dc.type |
Thesis |
es |