Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Ingeniería
versión impresa ISSN 0121-750X
Resumen
APARICIO PICO, Lilia Edith; AMAYA MARROQUIN, Oscar Julián y DEVIA LOZANO, Paola Andrea. Aplicación de Deep Learning para la identificación de defectos superficiales utilizados en control de calidad de manufactura y producción industrial: una revisión de la literatura. ing. [online]. 2023, vol.28, n.1, e18934. Epub 04-Mar-2023. ISSN 0121-750X. https://doi.org/10.14483/23448393.18934.
Contexto:
Este artículo contiene un análisis de las aplicaciones de las distintas técnicas de Deep Learning y Machine Learning utilizadas en un gran rango de industrias para garantizar el control de la calidad en productos terminados mediante la identificación de los defectos superficiales.
Métodos:
Se desarrolló una revisión sistemática de las tendencias y las aplicaciones de Deep Learning en procesos de calidad. Tras consultar varias bases de datos, se filtraron y clasificaron los artículos por industria y técnica específica de trabajo aplicada para su posterior análisis de utilidad y funcionamiento.
Resultados:
Los resultados muestran por medio de casos de éxito la adaptabilidad y el potencial de aplicabilidad de esta técnica de inteligencia artificial a casi cualquier etapa de proceso de cualquier producto, esto debido al manejo de técnicas complementarias que se ajustan a las diferentes particularidades de los datos, los procesos de producción y los requerimientos de calidad.
Conclusiones:
El Deep Learning, en complemento con técnicas como Machine Learning o Transfer Learning, genera herramientas automatizadas, precisas y confiables para controlar la calidad de producción de todas las industrias.
Palabras clave : control de calidad en producción; Deep Learning; defectos superficiales; Machine Learning..