O capítulo6deste documento dedicou-se em explicar tecnicamente todos os passos da cadeia de processamento de imagens, apresentando alguns resultados intermediários alcançados a partir da execução de cada algoritmo de processamento.
Será apresentado aqui um quadro completo da sequência de resultados obtidos para quatro ferramentas de corte inspecionadas, duas da SECO (figuras7.1e 7.2) e outras duas da SANDVIK (figuras7.3e7.4), demonstrando todas as etapas de processamento intermediárias para um caso de quebra e outro de desgaste de flanco em cada tipo de ferramenta de corte.
Este capítulo comentou detalhadamente todos os resultados alcançados ao longo do desenvol- vimento do projeto. O próximo capítulo apresenta as conclusões deste trabalho e sugestões para a continuação do projeto em trabalhos futuros.
Ferramenta SECO ID10: V B = 0, 085mm, V Bmax= 0, 146mm, AV B= 0, 225mm2
1 - Imagem com iluminação frontal 2 - Imagem com iluminação lateral 3 - Detecção de bordas da ferramenta
4 - Eliminação do fundo da imagem 5 - Equalização automática do histograma 6 - Binarização da imagem
7 - Primeira aplicação do pré-filtro 8 - Segunda aplicação do pré-filtro 9 - Terceira aplicação do pré-filtro
10 - Desgaste envolvido pelo jacket 11 - Detecção do contorno pelo snakes 12 - Medição perpendicular ao topo
Ferramenta SECO ID2: Quebra
1 - Imagem com iluminação frontal 2 - Imagem com iluminação lateral 3 - Detecção de bordas da ferramenta
4 - Eliminação do fundo da imagem 5 - Equalização automática do histograma 6 - Binarização da imagem
7 - Primeira aplicação do pré-filtro 8 - Segunda aplicação do pré-filtro 9 - Terceira aplicação do pré-filtro
10 - Desgaste envolvido pelo jacket 11 - Detecção do contorno pelo snakes 12 - Medição perpendicular ao topo
Ferramenta SANDVIK ID4cp: V B = 0, 052mm, V Bmax= 0, 094mm, AV B= 0, 147mm2
1 - Imagem com iluminação frontal 2 - Imagem com iluminação lateral 3 - Detecção de bordas da ferramenta
4 - Eliminação do fundo da imagem 5 - Equalização automática do histograma 6 - Binarização da imagem
7 - Primeira aplicação do pré-filtro 8 - Segunda aplicação do pré-filtro 9 - Terceira aplicação do pré-filtro
10 - Desgaste envolvido pelo jacket 11 - Detecção do contorno pelo snakes 12 - Medição perpendicular ao topo
Ferramenta SANDVIK ID8c: Quebra
1 - Imagem com iluminação frontal 2 - Imagem com iluminação lateral 3 - Detecção de bordas da ferramenta
4 - Eliminação do fundo da imagem 5 - Equalização automática do histograma 6 - Binarização da imagem
7 - Primeira aplicação do pré-filtro 8 - Segunda aplicação do pré-filtro 9 - Terceira aplicação do pré-filtro
10 - Desgaste envolvido pelo jacket 11 - Detecção do contorno pelo snakes 12 - Medição perpendicular ao topo
Conclusões e Perspectivas Futuras
Neste capítulo serão apresentadas as conclusões do autor sobre os avanços alcançados no de- senvolvimento do projeto TOOLSPYdurante o período deste trabalho de mestrado. Algumas pers-
pectivas para trabalhos futuros na área são levantadas em seqüência.
8.1
Conclusões
O principal objetivo do sistema TOOLSPYé alcançar a medição e classificação automática do
desgaste de ferramentas de corte. Este objetivo já foi alcançado e tem sido otimizado freqüentemente, para tornar a solução cada vez mais amigável e de fácil operação para usuários do sistema. Não só as medições do desgaste se tornaram mais robustas com as otimizações feitas ao longo dos algoritmos da cadeia de processamento de imagens, como também a classificação do desgaste apresentou resul- tados muito bons, sendo que a solução deixou de ser apenas um estudo de caso para um único tipo de ferramenta e passou a abranger três tipos diferentes de ferramentas a partir da mesma solução apli- cada. Isso graças em parte ao novo módulo de iluminação do sistema, que devido a sua flexibilidade proporciona à aplicação diferentes técnicas de iluminação para realce das características do desgaste, e em parte a adaptações na cadeia de processamento de imagens.
Desta forma, fica provado através dos resultados deste trabalho que a solução de medição e classificação do desgaste das ferramentas é totalmente viável de ser aplicada pela tecnologia de visão, garantindo resultados mais precisos do que os métodos tradicionais empregados e sem a necessidade de um operador experiente junto ao sistema. Lembra-se ainda que os métodos tradicionais de mi- croscopia óptica somente retornam poucas informações a respeito do desgaste da ferramenta, sendo parte dela inferida subjetivamente pelo próprio operador. A classificação do desgaste da ferramenta é extremamente difícil de ser corretamente definida por um operador. E esta informação é útil para
a definição de que tipo de tarefas de usinagem podem ainda ser realizadas com a ferramenta (alta ou baixa precisão).
Ficou claro, ao longo do desenvolvimento da solução, que a dificuldade para conseguir criar algoritmos adaptativos que se adequassem às diferentes características das três ferramentas cresceu bastante, tendo praticamente saturado todas as capacidades de generalização. É importante tentar otimizar este processo de generalização, para facilitar o emprego da solução para novos tipos de ferramentas, evitando que o operador do sistema tenha que realizar algum tipo de ajuste avançado para adaptar o sistema ao seu caso. Porém, sabe-se que as dificuldades de expansão e generalização para diversas ferramentas são grandes. Por isso, acredita-se que o sistema deveria ser empregado direcionado a famílias de ferramentas, que apresentem algumas características em comum, como por exemplo, a geometria, a cor de revestimento, as características reflexivas da superfície. Desta forma, o sistema trabalharia com distintas soluções (diferentes configurações da cadeia de processamento de imagens) para as diferentes famílias de ferramentas, permitindo uma generalização aceitável do sistema, sem requisitar esforço demasiado por parte do software de processamento.
Outra solução para este problema seria utilizar os recursos do banco de dados e passar a guardar uma série de informações e parâmetros de algoritmos de processamento para cada tipo de ferramenta. Esta situação permitiria o funcionamento adequado do sistema para todo e qualquer tipo de ferramenta de corte, porém, deixaria de ser amigável e de fácil uso pelo operador, pois exigiria conhecimentos avançados de sua parte toda vez em que um novo tipo de ferramenta tivesse de ser incluído no sistema para inspeção, tendo de ser reconhecidos e configurados os melhores parâmetros de processamento para este. Esta solução foge um pouco da idéia original do sistema TOOLSPY, que deve ser amigável e de fácil operação e por isso não é muito atraente.
Outra questão a ser discutida é a eficiência do sistema por si só. Já está claro que o TOOLSPY
apresenta eficiência igual ou superior a qualquer método tradicional de medição direta do desgaste em ferramentas de corte, pois uma inspeção do sistema leva atualmente em média 10 segundos. Po- rém, justamente por tratar-se de um método direto e também pós-processo de inspeção, é necessária a retirada da ferramenta da máquina-ferramenta para que a inspeção seja realizada. Isto não neces- sariamente impede que a máquina continue trabalhando, mas implica sim na troca da ferramenta da máquina, o que pode ser em alguns casos um fator que atrapalhe o desempenho do processo como um todo. Desta forma, nota-se que é necessário uma certa inteligência por parte do controle central do processo ou da máquina-ferramenta para definir em que instantes seria mais adequado disparar uma inspeção automática do desgaste da ferramenta pelo sistema TOOLSPY, para otimizar este processo de troca de ferramentas.
de inspeção sem expor o sistema a um possível caso de quebra da ferramenta, antes de ser disparada a medição do desgaste, o que poderia ser muito mais prejudicial do que requisitar o processo de medição sucessivamente, a cada término de operação de usinagem da ferramenta. Uma boa solução para este problema é a integração dos métodos diretos e indiretos de medição do desgaste das ferramentas em uma mesma solução (fusão de sensores), como recomendam e avaliam como a tendência futura para as células de desenvolvimento autônomas muitos especialistas na área [6, 10, 18, 19, 61, 112, 116]. Desta forma é possível realizar inspeções em processo e pós-processo em conjunto, permitindo dar inteligência à lógica de controle para requisitar uma inspeção visual automática da ferramenta no mo- mento correto. Ou seja, através do uso de técnicas indiretas de monitoramento do desgaste busca-se descobrir quando os parâmetros de usinagem do sistema começam a sofrer alterações consideráveis, representando um aumento no estado de desgaste da ferramenta. Poderiam ser usados sensores acús- ticos, sensores de força e torque, sensores de vibração, dentre outros para exercer esta tarefa. Deve-se então definir alguns critérios, de acordo com a mudança dos parâmetros de usinagem, para disparar uma inspeção direta do desgaste da ferramenta de corte, para evitar frequentes paradas de máquina e trocas de ferramenta. Estes critérios devem ser escolhidos cautelosamente para evitar que casos de quebra ocorram antes que uma inspeção direta do desgaste da ferramenta tenha sido disparado.