Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11619/4139
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
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 |
Aparece en las colecciones: | Trabajos de grado Ingeniería Mecatrónica |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
IMK0170.pdf | 3.77 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.