|
7753 |
|
Tuesday, September 12, 2023, Mailand 12:00 PM Digitalisierung in der Fügetechnik II |
|
Ortsaufgelöste Qualitätsprädiktion aus transienten Schweißprozessdaten |
|
Marion Purrio* / FEF GmbH, Deutschland Guido Buchholz / FEF GmbH, Deutschland Matthias Angerhausen/ FEF GmbH, Deutschland Robert Maack/ TMDT, Bergische Universität Wuppertal, Deutschland Yannik Hahn/ TMDT, Bergische Universität Wuppertal, Deutschland Hasan Tercan/ TMDT, Bergische Universität Wuppertal, Deutschland Tobias Meisen/ TMDT, Bergische Universität Wuppertal, Deutschland |
|
Bereits seit einigen Jahren gibt es Bestrebungen, zeitdiskrete Strom- und Spannungsdaten aus Schweißprozessen zu nutzen, um Prozesse zu überwachen und Qualitätsmängel zu detektieren. Die Motivation dahinter reicht von der Nachweisbarkeit der Prozessgüte bis hin zum Erkennen von Verbesserungspotenzial in schweißtechnischen Fertigungsschritten. Je nach Anwendung und Schweißverfahren sind diese Modelle zuverlässig und valide. Werden Anwendungen allerdings komplexer oder verändern sich Randbedingungen während einer Schweißung, kann eine ortsaufgelöste Betrachtung der transienten Daten helfen, Qualitätsmängel präzise zu lokalisieren und Fehlerursachen genauer zu analysieren. Der angebotene Vortrag zeigt Möglichkeiten auf, zeitdiskrete, zyklische Signale, wie Spannungsdaten eines Impulslichtbogenschweißprozesses, in Phasen zu zerlegen und mittels Methoden der Datenanalyse und KI prozessspezifische Charakteristika zu bestimmen. Zu diesen Charakteristika gehören einerseits das prozesseigene Normverhalten für die jeweilige Anwendung, andererseits qualitätsbeeinflussende Anomalien und ihr zeitliches Auftreten in einer Prozessphase. Zu Anomalien gehören nicht nur Kurzschlüsse, welche auch ein konventionelles Prozessverhalten darstellen können, sondern Schwankungen in der Dauer eines Zyklus, die Ausprägung der Spannung während Grundstrom- oder Hochstromphase, Auffälligkeiten während des Materialtransfers, etc. Werden diese gelernten Muster daraufhin während oder unmittelbar nach einer Schweißung auf den aufgezeichneten Prozessverlauf angewendet, kann das Auftreten einer Anomalie mit überschaubarem Rechenaufwand zeitlich präzise ermittelt werden. Im nächsten Schritt müssen diese Anomalien bewertet werden. Dies geschieht mittels Expertenwissen, kombiniert mit einem Matchingverfahren der Signale auf das Prozessergebnis. Einen Fokus aktueller Forschung stellt dabei die Interpretation von Anomalien dar: ein einzelner Kurzschluss mit geringer Dauer in einem kurzschlussfreien Prozess muss anders bewertet werden als die wiederholte, aufeinanderfolgende Unter- oder Überschreitung einer erwarteten Spannung in einer Prozessphase. Solche Untersuchungen sind Bestandteil des laufenden Forschungsprojektes „ASIMoW“ aus dem Programm „KI4KMU“ in Kooperation des Lehrstuhls TMDT der Bergischen Universität Wuppertal und der FEF GmbH. Anhand von Beispielen werden die erzielten Forschungsergebnisse bezüglich der ortsaufgelösten Qualitätsprädiktion und des Datamatchings an realen Schweißungen gezeigt und die angewendeten Methoden beschrieben. |