Контрол на качеството на роботизирано заваряване: визуална инспекция с изкуствен интелект, безразрушителен контрол и класификация на дефектите по ISO 5817 (2026)
Контролът на качеството на роботизираното заваряване комбинира четири слоя: мониторинг на процеса на работа на напрежението, тока и подаването на телта; визуална проверка с изкуствен интелект на заваръчния шев преди, по време и след заваряване; безразрушителен контрол (UT, RT, MT, PT или VT) за критични за безопасността съединения; и структурирано класифициране на дефектите спрямо нивата на приемане по ISO 5817 / ISO 6520 и кодове, като например AWS D1.1. Заедно тези слоеве изтласкват процента на дефекти на заваръчните шевове от 5–8%, типични за ръчните операции, до под 1% в калибрирани роботизирани системи.
QC стекът с един поглед: Какво улавя всеки слой
Преди да разгледаме подробно всеки слой, сравнителната таблица по-долу показва какво открива всеки метод, неговия диапазон на разходите за клетка и скоростта, с която резултатите са налични. Разбирането на тези разлики е отправна точка за определяне коя комбинация е подходяща за дадена производствена среда.
| Метод за контрол на качеството | Какво открива | Обхват | Допълнителна цена (на клетка) | Скорост на резултата |
|---|---|---|---|---|
| Вграден мониторинг на процеса (параметри на дъгата) | Дрейф на напрежението/тока, аномалии в подаването на тел, загуба на газов поток — отклонения в процеса, преди да се превърнат в дефекти | 100% от времето на дъгата | $2 000–$8 000 (сензор + регистриране) | В реално време (милисекунди) |
| AI зрение — предварително заваряване (геометрия на съединението) | Пролука, несъосност, съединяване извън толеранса | 100% от ставите | Споделено с хардуер за визуализация след заваряване | 1–3 секунди на сканиране |
| AI зрение — в процес на разтопяване (басейн с топене) | Нестабилност на дъгата, непълни сигнатури на сливане, аномалии от пръски | 100% от дължината на дъгата | $10 000–$25 000 (високоскоростна камера + инфрачервена светлина) | Реално време с ~100ms забавяне |
| AI зрение — след заваряване (профил на шева) | Подрязване, припокриване, недопълване, порьозност на повърхността, отклонения в геометрията на шева | 100% от заваръчната повърхност | $15 000–$55 000 (3D профильор + изчисление на ръбове) | 5–30 секунди на става |
| Ултразвуково изпитване (UT / PAUT) | Вътрешни дефекти: липса на сливане, пукнатини, обемни включвания в материал с дебелина ≥6 мм | Проба или 100% върху предпазни съединения | $0 (аутсорсинг) – $45 000 (вътрешно-клетъчни разходи за PAUT) | Минути на съвместно изпълнение (офлайн) |
| Радиографско изследване (RT) | Вътрешни дефекти по цялото напречно сечение на съединението; предписано от кода за заварки CJP | Вземане на проби от партиди, изисквано от Кодекса | Възлага се на външни изпълнители за заварка или за партида | Часове (филм) до минути (цифров) |
| Магнитно-частична (МП) система | Повърхностни и близкоповърхностни пукнатини във феромагнитни материали | Взети проби | $500–$3,000 (оборудване) | 15–30 минути на тест |
| Пенетрант за багрило (PT) | Пукнатини и порьозност на открита повърхност във всякакъв материал | Взети проби | $200–$1,500 (консумативи) | 30–60 минути на тест |
| Визуално тестване (VT) | Геометрия на повърхността, подрязване, припокриване, несъответствия в размерите | Мостра или 100% ръчно | Само лейбъристи | Минути на става |
Раздел 1 — Мониторинг на вътрешния процес
Вграденото наблюдение на процеса е първата стъпка в контрола на качеството на роботизираното заваряване. Вместо да открива дефекти след възникването им, то проследява променливите на процеса, които ги причиняват, и сигнализира за отклонения, преди дъгата да продължи.
Параметри на дъгата: Напрежение, ток и подаване на тел
По време на GMAW (MIG/MAG) заваряване, захранващият източник регистрира напрежението на дъгата и заваръчния ток с честота на дискретизация от 1 kHz или по-висока. Софтуерът за наблюдение на формата на вълната сравнява сигнала в реално време с референтните форми на вълната, установени по време на квалификацията на процедурата за заваряване. Продължителен спад на напрежението от повече от ±3 V от зададената точка показва проблем с контактния накрайник, неправилно подравняване на съединението или проблем със защитния газ. Отклоненията на тока корелират с промените в скоростта на подаване на телта, което влияе върху проникването и геометрията на заваръчния шев. Системи като модула SmartPower на ABB и платформата за регистриране на данни CheckPoint на Lincoln Electric внедряват този тип откриване на аномалии във формата на вълната, като присвояват индекс за качество на заварката на всяко съединение въз основа на стабилността на параметрите.
Мониторинг на газовия поток и състоянието на горелката
Потокът на защитен газ се следи от регулатора, а при инструменталните системи - от тялото на горелката. Сензор за масов поток задейства сигнал за спиране на заваряването, ако потокът падне под квалифицирания минимум, обикновено 12–18 л/мин за GMAW с плътна тел, предотвратявайки порьозността, която се причинява от недостатъчно покритие с газ. Сензорите за състоянието на горелката следят съпротивлението на дюзата (показател за натрупване на пръски) и износването на контактния накрайник, което подтиква към смяна на инструмента, преди деградацията на накрайника да измести TCP и да влоши позиционирането на заваръчния шев.
Времето на включване на дъгата като качествен сигнал
Времето на включване на дъгата за всяко съединение, регистрирано автоматично, предоставя сигнал за качество на ниво цикъл. Съединение, което обикновено отнема 18 секунди време за включване на дъгата, завършващо за 14 секунди, показва преждевременно угасване на дъгата, потенциално събитие на липса на сваряване. Регистрите за проследяване на ниво последователност корелират времето на включване на дъгата, пиковия ток и стабилността на напрежението с идентификационния номер на съединението, което позволява анализ на първопричината, когато се открият дефекти надолу по веригата при безразрушителния контрол.
Според данни от индустрията, събрани от Американското дружество по заваряване (AWS), роботизираното заваряване намалява процента на дефекти в заваръчните шевове от типичните 5–8% при ръчни операции до под 1% в правилно калибрирани роботизирани системи. Останалите под 1% дефекти се дължат предимно на несъответствие в приспособленията и повреди в управлението на консумативите, а не на самия процес на заваряване, което прави наблюдението на параметрите на линията основен инструмент за улавяне на тези остатъчни видове повреди, преди да генерират брак.
Раздел 2 — Инспекция с изкуствен интелект (основен слой за качество)
Визуалната инспекция с изкуствен интелект вече обхваща и трите времеви фази на заваряване: преди началото на дъгата (проверка на съединението преди заваряване), по време на заваряването (мониторинг на стопилката и дъговата светлина) и след заваряването (профилиране на заваръчните шевове след заваряване). Всяка фаза използва различен сензорен хардуер и предоставя различна QC стойност.
Предварително заваряване: Проверка на геометрията на съединението
Лазерен линеен скенер или 3D камера със структурирана светлина заснема геометрията на съединението, преди роботът да започне заваряването. Системата проверява кореновата празнина, подравняването на съединението и ъгъла на подход спрямо ограниченията на спецификацията за квалифицирана заваръчна процедура (WPS). Съединения извън толеранса, празнина, по-широка от максимума на WPS, несъответствие, което би изместило шева от центъра, задействат задържане и предупреждение, преди да се загуби време за включване на дъгата поради дефектна настройка.
Водещите системи в тази област включват Meta Vision MV (интегрирана с EtherCAT, често срещана в автосервизите), Servo-Robot (широко приложение в производството на конструкции), Scansonic (толерантна към високоенергийна среда) и Octopuz (корекция на пътя от страна на софтуера от облак от точки). Сканирането преди заваряване също коригира пътя на заваряване на робота за вариации в размерите между детайлите, което е основната функция на лазерните профилометри за проследяване на шевовете, описани в ръководството за компоненти на клетката.
В процес: Профил на дъговата светлина и мониторинг на стопилката
Високоскоростни камери (10 000–50 000 кадъра в секунда), филтрирани към дължините на вълните на дъговата емисия, улавят профила на дъговата светлина и геометрията на стопилката в реално време. Инфрачервените термографски камери едновременно картографират разпределението на температурата в зоната, засегната от топлина (ЗТВ). Заедно тези сигнали показват непълно сливане, преди то да бъде затрупано от последващи проходи: стопилка, която се стеснява внезапно, докато скоростта на движение и токът остават постоянни, сигнализира за колапс на шевната цепка или замърсяване на основния метал.
На практика, зрението в процеса е най-изчислително взискателният слой. Платките за извод на ръбове (NVIDIA Jetson или еквивалентни) изпълняват леки CNN модели, обучени върху изображения с етикетирани дъгови аномалии, класифицирайки всеки кадър в рамките на 50–100 ms. Пълните NVIDIA Metropolis тръбопроводи се разполагат във високопроизводителни автомобилни клетки, където множество камери работят едновременно.
След заваряване: Профил на заваръчни шевове и класификация на дефектите
Профилирането на заваръчните шевове след заваряване използва 3D лазерен профилометър за генериране на облак от точки на напречното сечение на завършения заваръчен шев. Профилометърът измерва ширината, височината на шева, дълбочината на подрязване, удължението на припокриването и ъгъла на долния ръб - параметри, които се съпоставят директно с изискванията за ниво на приемане по ISO 5817. Моделите за дълбоко обучение, обучени върху етикетирани набори от данни за дефекти на заварките, класифицират повърхностните характеристики: подрязване (ISO 5817 тип 5011), припокриване (5041), недопълване (5012), порьозност на повърхността (2017) и геометрични отклонения от квалифицирания профил на шева.
Софтуерните платформи за търговско зрение, използвани в производствените инсталации, включват Cognex VisionPro (широко използван за 2D инспекция на повърхности), MVTec HALCON (предпочитан за сложен 3D профилен анализ с гъвкавост при скриптиране) и Intel Geti (обучение на модели и управление на внедряването с помощта на облак). Специфичните за приложенията инспекционни стекове включват Inspekto S70 за гъвкави производствени клетки и Yxlon HBR-DL за рентгенова инспекция на критични за безопасността заварки в аерокосмическата индустрия и на съдове под налягане.
Според данни за внедряването в индустрията, визуалната инспекция на заваръчни шевове с изкуствен интелект постига проценти на откриване на дефекти от 96–99% за повърхностни и близки до повърхността дефекти, в сравнение с приблизително 87% за обучено ръчно визуално тестване (VT), извършвано с производствена скорост. Процентът на фалшиво положителни резултати при системите с изкуствен интелект също е по-нисък от ръчното VT, тъй като моделът прилага постоянен праг за вземане на решение при всяко измерване, без ефектите на умора и отклонението на прага, които влияят на човешките инспектори по време на дълга смяна.
Раздел 3 — Методи за безразрушителен контрол (NDT)
Методите за безразрушително изпитване (NDT) се изискват от заваръчните норми за съединения, критични за безопасността, и не могат да бъдат заменени само от визуална или AI визуална инспекция. Всеки метод има специфичен обхват на възможности; определянето на правилния метод за типа на съединението и дебелината на материала е основата на план за инспекция, съответстващ на нормите.
Ултразвуково изпитване (UT / PAUT)
Ултразвуковото изпитване използва високочестотни звукови вълни за откриване на вътрешни прекъсвания в материал с дебелина 6 mm или повече. Фазово-решетъчният ултразвуков контрол (PAUT) насочва лъча електронно през множество ъгли, без да движи сондата, генерирайки напречно S-сканирано изображение на обема на заваръчния шев с един проход. PAUT до голяма степен замени конвенционалния едносондов UT при структурни заварки и заварки на съдове под налягане, тъй като осигурява по-добро обемно покритие, цифрово изображение и постоянен запис. AWS D1.1 Приложение K приема PAUT като алтернатива на RT за заварки с пълно проникване на шева, когато е налице квалифицирана процедура.
Радиографско изследване (RT)
RT използва рентгеново или гама-лъчение за изобразяване на напречното сечение на заваръчния шев върху филм или цифров детектор. Той остава референтният метод за откриване на обемни дефекти, струпвания на порьозност, шлакови включвания и непълно проникване на съединението по цялата дебелина на заваръчния шев. RT е задължителен от AWS D1.1 за елементи, критични за разрушаване, и от ASME Section IX за определени категории заваръчни шевове, поддържащи налягане. Цифровата радиография (DR) и компютърната томография (CT) са намалили времето за обработка на филма от часове на минути и поддържат 3D обемна реконструкция за сложни геометрии на съединенията.
Изпитване с магнитни частици (MT)
MT открива повърхностни и близки до повърхността прекъсвания (пукнатини, шевове, студени припокривания) във феромагнитни материали чрез индуциране на магнитно поле и прилагане на суспензия от феромагнитни частици. Прекъсванията, перпендикулярни на линиите на полето, натрупват частици видимо. MT е бърз, преносим и евтин метод, което го прави стандартен метод за първо преминаване за ъглови и жлебови заварки при производството на стоманени конструкции. MT не може да инспектира аустенитна неръждаема стомана или алуминий (неферомагнитни материали) и открива само прекъсвания, които се чупят или приближават до повърхността.
Тест за проникване на багрило (PT)
При фотоволтаичния тест (PT) се нанася пенетрант с нисък вискозитет върху почистената заваръчна повърхност; капилярното действие извлича пенетранта в отворените повърхностни пукнатини. След период на престой се нанася проявител, който видимо извлича пенетранта обратно. PT работи върху всякакъв материал - феромагнитен, неръждаем, алуминий, титан - и е стандартният метод за откриване на повърхностни пукнатини в неферомагнитни заваръчни шевове. Изисква чиста, суха повърхност и контролирано време на престой, което го прави по-малко подходящ за високопроизводителна поточна инспекция, но е практичен като периодична проверка на пробни партиди.
Визуално тестване (VT)
Вентилационно-колонната проверка (VT) е най-простият, най-евтиният и прилаган първи метод за проверка. Обучен инспектор изследва повърхността на заваръчния шев за видими дефекти: подрязване, припокриване, повърхностни пукнатини, недопълване и геометрия на профила спрямо калибър или референтен шаблон. AWS D1.1, точка 6 изисква VT на всички заварки, преди да се приложи друг метод за безразрушителен контрол (NDT). Системите за визуален контрол с изкуствен интелект (AI) са, във функционално отношение, автоматизирана и инструментална форма на VT, разширена до 100% покритие, постоянни прагове и документирани записи.
Раздел 4 — Таксономия на дефектите: Класификация по ISO 6520-1 и ISO 5817
ISO 6520-1 предоставя референтната система за класификация на несъвършенствата на заваръчните шевове, като ги организира в шест групи по вид. ISO 5817 съпоставя тези типове дефекти с нива на приемане B (най-строги), C (междинни) и D (най-малко строги) въз основа на размерните ограничения за всяко несъвършенство. Моделите с изкуствен интелект, обучени по категориите ISO 6520-1, произвеждат резултати, които се съпоставят директно с решенията за приемане/отхвърляне по ISO 5817.
Групи дефекти по ISO 6520-1
| Група (диапазон от числа) | Тип несъвършенство | Общи примери | Типичен метод за откриване |
|---|---|---|---|
| Група 1 (100s) | Cracks | Надлъжна пукнатина (101), напречна пукнатина (102), гореща пукнатина (104), кратерна пукнатина (107) | UT, RT, MT, PT, AI зрение (повърхностни пукнатини) |
| Група 2 (200s) | кухини | Порьозност (2011), червеева дупка (2015), повърхностна порьозност (2017), свиваща се кухина (202) | RT (обемно), UT, AI зрение (повърхностни пори) |
| Група 3 (300s) | Твърди включвания | Включване на шлака (301), включване на флюс (302), включване на оксид (3041), метално включване (304) | RT, UT (PAUT за по-големи включвания) |
| Група 4 (400s) | Липса на сливане и проникване | Липса на сливане (401), непълно проникване (402), липса на проникване на корени (4021) | UT (PAUT), RT; AI зрение върху кореновата повърхност (ограничен достъп) |
| Група 5 (500s) | Несъвършена форма и размер | Подрязване (5011), припокриване (5041), недопълване (5012), прекомерна изпъкналост (503), ъглово несъответствие (508) | AI зрение (3D профилиране на мъниста), VT, уреди |
| Група 6 (600s) | Разни дефекти | Запалване на дъгата (601), пръски (602), разкъсана повърхност (6011), следа от шлайфане (6012) | VT, AI зрение, MT |
Нива на приемане по ISO 5817 B, C, D
ISO 5817:2023 определя три нива на качество на приемане за заварени чрез сплав съединения от стомана, никел, титан и алуминий. Ниво D (средно качество) има най-широки размерни допуски и се прилага за общо производство. Ниво C (междинно качество) е стандартно за структурни приложения и повечето промишлени производства. Ниво B (строго качество) се прилага за критични за безопасността конструкции, оборудване под налягане и автомобилни първични конструкции, където изискванията за умора и устойчивост на разрушаване са високи.
За практически пример: подрязване (тип 5011) с дълбочина 0.5 мм е приемливо на ниво D, гранично на ниво C (където ограничението е 0.5 мм за челни заварки) и отхвърлено на ниво B (ограничението е 0.25 мм за челни заварки). Системите за зрение с изкуствен интелект, конфигурирани за специфично ниво на приемане, задават своите прагове за откриване на размерните граници в съответната таблица на ISO 5817, което позволява автоматизирано вземане на решения за преминаване/неминаване на проверка.
Раздел 5 — Картографиране на критериите за приемане: AWS D1.1, EN 15085 и ISO 3834
Освен ISO 5817, производителите, работещи по специфични за индустрията кодове, трябва да съобразят своя план за инспекция с критериите за приемане в тези кодове. Таблицата по-долу обобщава основните кодове и техния обхват на качество за приложения на роботизирано заваряване.
| Код / Стандарт | Обхват на приложението | Изискване за визуално (VT) | Изискване за RT / UT | Референтно ниво на качество |
|---|---|---|---|---|
| AWS D1.1 (Конструктивна стомана) | Производство и монтаж на стоманени конструкции в Северна Америка | 100% върху всички заварки (Точка 6) | RT или UT върху CJP опънати елементи и елементи, критични за счупване | Приемане по категория на съединението и вид на натоварването |
| AWS D1.2 (алуминий) | Заваряване на структурен алуминий | 100% VT | RT или UT за всяка категория на съединението; радиографията е за предпочитане за тънки алуминиеви съединения | Подобен подход към категорията на D1.1, адаптиран за микроструктура на алуминий |
| AWS D1.6 (Неръждаема стомана) | Заваряване на конструкционна неръждаема стомана | 100% VT | RT или PT (MT не е приложимо за аустенитни марки) | Критериите отчитат риска от сенсибилизация в близост до опасна зона (ЗАЗ) |
| EN 15085 (Релсовозни превозни средства) | Заваряване на железопътни превозни средства и компоненти | 100% върху съединенията CL1, критични за безопасността | 100% RT или PAUT на съединенията CL1; вземане на проби от CL2/CL3 | ISO 5817 Ниво B за CL1; C или D за по-ниска критичност |
| ISO 3834 (Изисквания за качество) | Рамков стандарт за управление на качеството на заваряване чрез стопяване; цитиран от EN 1090, EN 15085 и други | По посочен продуктов стандарт | По посочен продуктов стандарт | ISO 3834-2 (Пълен), -3 (Стандартен), -4 (Начален) |
| ASME Раздел IX (Съдове под налягане) | Котли, съдове под налягане и тръбопроводи в САЩ и по света чрез справка | Съгласно строителния кодекс (ASME VIII Div.1) | Задължително е RT за съединения с P-номер над прага на налягане в Div.1 | Няма директно съпоставяне по ISO 5817; прилагат се критериите за приемане по ASME QW и UW |
Според Американското дружество по заваряване (AWS D1.1:2020, клауза 6.9), всички заварки трябва да преминат визуален тест, преди да се извърши какъвто и да е друг неразрушителен контрол. Това изискване прави виртуалната визуална инспекция (VT) – и по този начин автоматизираната визуална инспекция с изкуствен интелект (AI) като неин инструментален аналог – задължителен вход към пълната последователност от инспекции, а не опционално допълнение. Роботизираните заваръчни операции, които регистрират 100% резултати от визуалната инспекция с изкуствен интелект за всяка съединителна фуга, отговарят на целта за документиране на тази клауза, като същевременно генерират одитиран запис за качеството за всяка производствена партида.
Раздел 6 — Възвръщаемост на инвестициите от внедряване на изкуствен интелект за системи за качество на заваряване
Бизнес аргументът за добавяне на визуална инспекция с изкуствен интелект към съществуваща роботизирана заваръчна клетка се основава на три измерими подобрения: по-високи нива на откриване на дефекти, по-ниски нива на фалшиво положителни резултати, които намаляват ненужния брак, и намалена честота на безразрушителни тестове надолу по веригата при производствени партиди, които преминават автоматизиран скрининг.
Повишаване на процента на откриване
Обученото ръчно визуално тестване (VT) на роботизирана заваръчна продукция, извършвано от квалифицирани инспектори с производствена скорост, постига процент на откриване от приблизително 87% за повърхностни и близки до повърхностните дефекти, като тази стойност спада допълнително в края на смяната и при високо производствено налягане. Системите за визуално тестване с изкуствен интелект, разположени в роботизирани заваръчни клетки, постоянно постигат процент на откриване от 96–99% за същите класове дефекти, въз основа на данни за внедряването в индустрията. Разликата от 9 до 12 процентни пункта се изразява директно в намалени проценти на избягване на повърхностни дефекти, които достигат до сглобяването надолу по веригата или доставката до клиента.
Цена на хардуера Vision
Допълнителните разходи за хардуер за добавяне на AI визуализация след заваряване към съществуваща клетка (3D лазерен профилометър, индустриален компютър с извеждане на ръбове, софтуер за интеграция) варират от 25 000 до 55 000 долара за конфигурация за профилиране на шевове след заваряване. Добавянето на сканиране на предварително заваръчните шевове на същата хардуерна платформа добавя от 5 000 до 15 000 долара. Пълното наблюдение на стопилката по време на процеса с високоскоростна камера и инфрачервена термография е най-скъпият слой, добавяйки от 10 000 до 25 000 долара, и е предназначен предимно за аерокосмическата промишленост, съдове под налягане и заваряване на релси, критично за безопасността, а не за общо производство. В комбинация, пълен трифазен AI визуален стек в една клетка струва от 40 000 до 80 000 долара допълнителни разходи в сравнение с базова роботизирана клетка.
Двигатели на възвръщаемостта
В цех за средно голям обем строителни конструкции, генериращ 300 инспектирани заваръчни съединения на смяна, повишаването на процента на откриване от 87% на 97% предотвратява приблизително 30 допълнителни дефекта на 1,000 съединения. При средна цена от 75 долара на случай на преработка, открит по време на процеса (в сравнение с над 400 долара за случай на преработка в последващия монтаж), само приносът от спестяване на дефекти генерира приблизително 50 000 до 120 000 долара годишно на клетка, в зависимост от обема и разходите за преработка. Възвръщаемостта на хардуер за зрение на стойност 50 000 долара е за 6–14 месеца при тези параметри. Намаляването на честотата на безразрушителния контрол, когато данните за капацитета на процеса от системата за зрение поддържат намалени планове за вземане на проби, договорени с клиента, добавя допълнителни икономии, специфични за приложението.
На практика най-важната променлива при внедряването не е самият хардуер за зрение, а качеството на библиотеката с процеси, спрямо която той наблюдава. Клетките, работещи с добре квалифицирана спецификация за процедура за заваряване (WPS), със стабилна повторяемост на приспособленията и последователно управление на консумативите, виждат пълния процент на откриване, възползвайки се от AI зрението. Клетките с висока променливост на процеса генерират повишени нива на фалшиви положителни резултати, защото моделът не може да различи легитимен дефект от отклонение на параметъра, причинено от износен контактен накрайник или дрейфуваща калибрация на захранващия източник. Първото справяне със стабилността на процеса, а след това добавянето на AI зрение като слой за наблюдение, води до по-добри резултати от добавянето на зрение към процес, който вече генерира гранични заварки.
Петстъпкова QC архитектура: от сензор към MES
Архитектурата за контрол на качеството, готова за производство, свързва описаните по-горе слоеве за инспекция в поток от данни, който се движи от сензора към решението за качество и до производствения запис. Петстъпковата архитектура по-долу се прилага за роботизирани заваръчни клетки от конфигурации с една станция до многостанционни линии.
- Сензорен слой. Вградени сензори за наблюдение на процеса (форма на вълната на напрежението/тока на дъгата, скорост на подаване на телта, поток на газ), лазерен скенер преди заваряване, високоскоростна камера по време на процеса (опционално) и 3D профилометър след заваряване генерират потоци от данни с времеви отпечатък, маркирани с идентификатор на съединението. EtherCAT на 1 kHz синхронизира сензорите за параметри на дъгата с данни за позицията на контролера на робота, което позволява пространствено картографиране на аномалиите на вълната до точни позиции по дължината на заваръчния шев.
- Извод по ръб. Модул за периферни изчисления (индустриален компютър или специализирана платка за ускоряване с изкуствен интелект) извършва изводи в реално време върху процесните сигнали и визуални данни. Класификационните модели маркират подозрителни съединения в рамките на едно време за междусъединително прехвърляне на робота, обикновено 2–5 секунди, така че операторът получава предупреждение, преди роботът да се премести към следващото съединение, което позволява намеса по време на процеса, а не последваща повторна обработка на партидата.
- Класификация на дефектите. Маркираните съединения се класифицират по вид дефект спрямо таксономията ISO 6520-1, а тежестта им се сравнява с приложимото ниво на приемане по ISO 5817 (B, C или D), конфигурирано за производствената поръчка. Съединенията, надвишаващи прага на приемане, се регистрират като несъответствия; съединенията на граничната граница се поставят на опашка за ръчна повторна проверка или безразрушителен контрол, в зависимост от плана за качество.
- Дневник за проследяване. Всички показания на сензори, изображения от зрението, резултати от класификацията и разпореждания на оператора се записват в запис за проследяване, свързан с идентификатора на съединението, серийния номер на детайла и производствената партида. Този запис поддържа както вътрешен анализ на качеството (откриване на тенденции, оптимизация на параметрите), така и изискванията за одит на клиенти или регулаторни органи съгласно ISO 3834 или EN 15085.
- MES интеграция. Дневникът за проследяване подава данни към Системата за управление на производството (MES) в реално време, актуализирайки състоянието на качеството на производствената партида, маркирайки поръчки за повторна обработка и задействайки планиране на безразрушителен контрол за партиди, които изискват вземане на проби по код. Двупосочната интеграция позволява на MES да изпраща параметри на процедурата за заваряване (WPS настройки) към контролера на робота при смяна на задачата, намалявайки риска от неправилен избор на параметри при многопродуктови линии.
Как водещите доставчици се справят с QC стека
FANUC, ABB и KUKA са интегрирали регистриране на данни и наблюдение на параметри в своите контролери за заваръчни роботи, като пакетът WeldGuide и SmartPower на ABB и модулът ArcSense на KUKA представляват зрели реализации за автомобилни линии Tier 1. Yaskawa Motoman обединява специфично за заваръчните процеси наблюдение чрез своя софтуер Weld Navigator. ESTUN добави възможност за вградено наблюдение на заварките към своите заваръчни клетки от среден клас за пазара на общо производство.
EVST се справя с пълния QC стек чрез своята заваръчна система EVS-AI, която интегрира 3D визуално разпознаване, библиотеката за заваръчни процеси RX (предварително квалифицирани параметри за често срещани типове съединения и комбинации от материали) и синхронизация на сензори EtherCAT 1 kHz за точно съгласуване между данните за параметрите на дъгата и позицията на робота. Самообучаващият се двигател на системата усъвършенства параметрите на заваряване по време на производствени серии без ръчно повторно обучение, което намалява отклонението между квалифицираните параметри на процедурата и действителните производствени параметри, често срещан източник на натрупване на маргинални дефекти при дълги производствени серии. Заваръчните клетки на EVST са сертифицирани от трети страни по CE, SGS и TUV, отговаряйки на изискванията за документация за одити на системи за качество по ISO 3834 и EN 15085 на експортните пазари. Основната роботизирана платформа, произведена по процеси за качество от автомобилен клас IATF16949, обхваща пълния спектър от полезни товари - от колаборативни заваръчни рамена до тежкотоварни индустриални конфигурации, покривайки диапазона от размери на заваръчни конструкции, които обикновено изискват производствените линии с критично качество. EVST разполага с инженерна поддръжка на място в повече от 100 страни, което е важен фактор, когато калибрирането и повторното калибриране на QC системата след големи промени в приспособленията изисква техническа помощ на място.
За купувачи, оценяващи пълната картина на интеграцията, от роботното рамо и позиционера до QC стека, компоненти на роботизирана заваръчна клетка и ръководство за интеграция обхваща подробно архитектурата на сензора и полевата шина. Моделирането на възвръщаемостта на инвестициите за цялата инвестиция в клетката, включително спестяванията от процент на дефекти, е разгледано в Анализ на възвръщаемостта на инвестициите и възвръщаемостта на инвестицията в роботизирана заваръчна клетка.
Според доклада „Световна роботика 2025“ на Международната федерация по роботика (IFR), заваряването представлява приблизително 23% от общия брой инсталации на индустриални роботи в световен мащаб, а делът на новите инсталации на заваръчни клетки, включващи вградено наблюдение на качеството и визуална инспекция, е нараснал значително, наред с по-широкия стремеж към производство, основано на данни. Тази тенденция на приемане отразява както наличието на достъпен хардуер за периферни изчисления, така и все по-строгите изисквания на клиентите за документиране на качеството – фактори, които преместват инспекцията на заваръчни шевове с помощта на изкуствен интелект от приемане само в автомобилната индустрия към общото производство на конструкции.
Свързано четене и вътрешни ресурси
- Пълно ръководство за роботизирана заваръчна автоматизация (2026 г.), основна статия, обхващаща избора на процес, проектирането на клетки и цялостния пейзаж на заваръчните приложения
- Топ 10 марки заваръчни роботи (2026 г.)Сравнение на OEM производителите по отношение на интеграционна поддръжка, обхват на полезния товар и регионално покритие на услугите
- Компоненти и интеграция на роботизирана заваръчна клетка (2026), сензорен слой, архитектура на полевата шина, видове позиционери и последователност на въвеждане в експлоатация
- MIG срещу TIG срещу лазерно роботизирано заваряване (2026), ръководство за избор на процес с компромиси между качество и цена по тип съединение
- Стандарти за безопасност на индустриалните роботи: ISO 10218 и CE маркировка (2026), изисквания за системи за безопасност за роботизирани заваръчни клетки
Често задавани въпроси
Може ли визуалната инспекция с изкуствен интелект да замести традиционния безразрушителен контрол (NDT) при роботизирано заваряване?
Не изцяло. Визуалната инспекция с изкуствен интелект обхваща повърхностни и близки до повърхностните дефекти при 100% покритие на производството – подрязване, припокриване, повърхностна порьозност и отклонения в геометрията на шева. Тя не може да открие обемни подповърхностни дефекти, които PAUT или RT идентифицират. За критични за безопасността заварки съгласно AWS D1.1, ASME Section IX или EN 15085, изискванията за безразрушителен контрол след заваряване се определят от приложимия код и остават задължителни. Правилната конфигурация е визуална инспекция с изкуствен интелект за 100% вграден скрининг плюс безразрушителен контрол, зададен от кода, върху маркирани съединения или необходими партиди за вземане на проби.
Кога е необходимо радиографско изпитване (RT) на роботизирани заварки?
RT (обемна температура) е задължителна от кода за специфични категории съединения, независимо от метода на производство. AWS D1.1 изисква RT или UT (обемна температура) за всички заваръчни шевове с пълно проникване на шевовете в опънати елементи на първични структурни връзки и за всички заваръчни шевове в елементи, критични за безопасността. ASME Раздел IX изисква RT за заваръчни шевове, поддържащи налягането, над определените експлоатационни прагове. EN 15085 CL1 заваряването на релси изисква 100% RT или UT за съединения, критични за безопасността. Доказаната способност за роботизиран процес (данни от Cpk) понякога може да поддържа планове за вземане на проби с намалена RT с одобрение от кодовия орган, но това изисква официална документация за квалификация.
Как да контролирам фалшивите положителни резултати от системите за инспекция на заваръчни шевове с изкуствен интелект?
Процентът на фалшиво положителни резултати зависи от качеството на набора от данни за обучение, калибрирането на прага на вземане на решение и стабилността на околната среда на камерата. Калибрирайте прага на вземане на решение до приемливия процент на фалшиво положителни резултати — обикновено 2–5% — валидиран върху набор от данни, обхващащ действителната геометрия на заварката и условията на повърхността. Контролирайте средата за проверка: последователно позициониране на детайлите, стабилно екраниране на камерата от дъгова светлина (за камери по време на процес) и равномерно осветление на профилометрите след заваряване. Двуетапен работен процес за преглед — AI флагове, операторът потвърждава в рамките на 60 секунди — поддържа разходите за отхвърляне на фалшиво положителни резултати управляеми, без да намалява обхвата на откриване.
Какви данни за обучение са необходими на модел за инспекция на заваръчни шевове с изкуствен интелект?
Моделът с производствен клас се нуждае от няколко хиляди етикетирани изображения на заварки за всеки клас дефекти, покриващи специфичните типове съединения, материали и повърхностни условия. Публичните набори от данни могат да бъдат начална точка за обучение, но моделите, обучени върху общи данни, се представят по-слабо при специфични производствени условия. Най-ефективните внедрявания комбинират общо предварително обучение със специфична за приложението фина настройка върху 500–2,000 етикетирани производствени примера за всеки клас дефекти. Активните обучителни канали – където моделът маркира несигурни прогнози за човешко етикетиране, след което се преобучава – намаляват текущото натоварване от събиране на данни, след като базовият модел бъде внедрен.
Какво добавя визуалната инспекция с изкуствен интелект към роботизираната заваръчна клетка по отношение на разходите и откриването на дефекти?
Допълнителните разходи за хардуер варират от 25 000 до 80 000 долара, в зависимост от това дали е включено сканиране преди заваряване, мониторинг на стопилката по време на процеса или само профилиране на заваръчните перли след заваряване. Процентът на откриване на повърхностни и близки до повърхностни дефекти се подобрява от приблизително 87% за обучен ръчен виртуален контрол (VT) до 96–99% за AI зрение при скорост на производствена производителност, въз основа на данни за внедряване в индустрията. Възвръщаемостта на хардуера за зрение обикновено е 12–18 месеца при производство със среден до голям обем чрез намалена честота на брак, преработка и последващ безразрушителен контрол.
Изходящи препратки:
Американско дружество за заваряване (AWS), D1.1 Кодекс за структурно заваряване |
ISO 5817:2023, Заваряване: Заварени чрез сливане съединения, Нива на качество |
Доклад на IFR World Robotics за 2025 г. |
Софтуер Cognex VisionPro |
MVTec HALCON Софтуер за машинно зрение