KUKA nos muestra cómo la inteligencia Artificial es capaz de monitorizar eficientemente los procesos de soldadura robótica por fricción y agitación
La soldadura por fricción y agitación se ha consolidado como una técnica de fusión de materiales especialmente interesante para sectores como la industria automotriz. Para controlar la calidad de los cordones de soldadura durante el proceso y así reducir el tiempo y los costes de la inspección posterior, KUKA trabaja junto con otros socios de KI-Produktionsnetzwerk Augsburg en un sistema de supervisión de procesos basado en IA.
«La soldadura por fricción y agitación es un proceso de unión relativamente nuevo y pionero: además de muchas otras ventajas, es extremadamente eficiente desde el punto de vista energético, garantiza cordones de soldadura de alta resistencia e incluso se pueden unir materiales difíciles de soldar», afirma el Dr. Thomas Schlech. Él está a cargo del proyecto en la Universidad de Augsburgo y es responsable del foco de investigación «Aprendizaje de procesos de fabricación» en la red de producción de IA. Por otro lado, el proceso es físicamente muy complejo y no se pueden descartar anomalías y defectos en el proceso, especialmente si se desea optimizar la velocidad de soldadura robótica. «Las diferencias en el material o la forma de las piezas de unión o un control del proceso deficiente pueden provocar defectos en la unión. Por eso, en procesos complejos y a veces manuales, las empresas comprueban a menudo las costuras de soldadura a posteriori», explica Schlech. Esto requiere mucho tiempo y dinero. Por este motivo, los expertos de KI-Produktionsnetzwerk están investigando una forma fiable de controlar el proceso online y en tiempo real.
Los datos de los sensores proporcionan información detallada sobre el proceso
Para controlar el proceso, los socios de investigación confían en el uso de varios sensores que registran las fuerzas, temperaturas y vibraciones que se producen durante la soldadura y permiten sacar conclusiones sobre el proceso. El objetivo principal es analizar las señales en el rango ultrasónico, que se generan durante la soldadura por fricción y agitación (FSW) y se propagan a través del sistema hasta los sensores.
«Con este proyecto queremos cerrar un vacío en la investigación: todavía no existe un sistema para el FSW que pueda detectar y clasificar de forma independiente los errores y desviaciones más pequeños y evaluar la gravedad de un error de este tipo en la aplicación. Las ventajas son obvias: menos Las comprobaciones posteriores ahorran tiempo y dinero. Los datos también se pueden utilizar para optimizar los procesos», explica el Prof. Dr. Markus Sause, jefe de la unidad de enseñanza e investigación en ingeniería mecánica, donde se investiga el proyecto en la universidad.
De datos complejos a información de proceso
La inteligencia artificial o el aprendizaje automático supervisado entran en juego en el proyecto cuando se trata de interpretar los numerosos datos de sensores que se generan en procesos a escala industrial, tanto en los sistemas de los socios industriales como en los de KI-Produktionsnetzwerk de la Universidad de Augsburgo. Los investigadores evalúan los datos y los asignan a procesos del proceso de soldadura. Ciertos patrones en los datos del sensor pueden indicar que una costura de soldadura no se ha ejecutado correctamente.
Schlech: «Como un profesor, enseñamos a nuestro sistema con nuestros datos el significado de determinadas combinaciones de señales. De este modo, el sistema de vigilancia aprende la relación entre las señales de los sensores y la aparición de desviaciones en los cordones de soldadura. Una vez finalizada la formación, el modelo puede hacer declaraciones sobre la calidad de la costura basándose únicamente en las señales del sensor. Si las señales se pasan al sistema durante el proceso, se puede detectar, localizar y clasificar un defecto inmediatamente». Después del proceso, el inspector sólo tendrá que examinar más de cerca estos puntos críticos, si es que lo hace, y no toda la costura de soldadura.
«El proyecto planeado refleja exactamente lo que queremos lograr con la red de producción de IA. Podemos aportar nuestra experiencia en investigación en el campo de la IA en la producción en un contexto industrial específico para fortalecer a las empresas de la región. A cambio, la cooperación industrial y el networking con nuestros socios abre un interesante campo de investigación que va más allá del proyecto», resume Sause.
Fuente: Kuka.com
