რობოტული შედუღების ხარისხის კონტროლი: ხელოვნური ინტელექტის ვიზუალური შემოწმება, NDT და ISO 5817 დეფექტების შეფასება (2026)
რობოტული შედუღების ხარისხის კონტროლი ოთხ ფენას აერთიანებს: რკალის ძაბვის, დენის და მავთულის მიწოდების ხაზოვანი პროცესის მონიტორინგი; შედუღების ღერძის ხელოვნური ინტელექტით ვიზუალური შემოწმება შედუღებამდე, შედუღების დროს და შედუღების შემდეგ; უსაფრთხოებისთვის კრიტიკული შეერთებების არადესტრუქციული ტესტირება (UT, RT, MT, PT ან VT); და სტრუქტურირებული დეფექტების კლასიფიკაცია ISO 5817 / ISO 6520 მიღების დონეებისა და კოდების, როგორიცაა AWS D1.1, შესაბამისად. ეს ფენები ერთად შედუღების დეფექტების მაჩვენებელს ხელით მუშაობისთვის დამახასიათებელი 5-8%-დან კალიბრირებულ რობოტურ სისტემებში 1%-ზე ქვემოთ ამცირებს.
QC დასტა ერთი შეხედვით: რას იჭერს თითოეული ფენა
თითოეული ფენის სიღრმისეულად განხილვამდე, ქვემოთ მოცემული შედარებითი ცხრილი აჩვენებს, თუ რას აღმოაჩენს თითოეული მეთოდი, მის ხარჯთაღრიცხვას უჯრედის მიხედვით და შედეგების ხელმისაწვდომობის სიჩქარეს. ამ განსხვავებების გაგება საწყისი წერტილია იმის გადასაწყვეტად, თუ რომელი კომბინაცია შეეფერება მოცემულ საწარმოო გარემოს.
| ხარისხის კონტროლის მეთოდი | რასაც ის აღმოაჩენს | დაფარვის | დამატებითი ღირებულება (თითო უჯრედზე) | შედეგის სიჩქარე |
|---|---|---|---|---|
| ინლაინ პროცესის მონიტორინგი (რკალის პარამეტრები) | ძაბვის/დენის დრიფტი, მავთულის მიწოდების ანომალიები, გაზის ნაკადის დანაკარგი — პროცესის გადახრები დეფექტებად ჩამოყალიბებამდე. | რკალის ჩართვის დროის 100% | $2,000–$8,000 (სენსორი + ჟურნალირება) | რეალურ დროში (მილიწამებში) |
| ხელოვნური ინტელექტის ხედვა — შედუღებამდელი (შეერთების გეომეტრია) | უფსკრული, არასწორი განლაგება, სახსრის მორგება ტოლერანტობის მიღმა | სახსრების 100% | გაზიარებულია შედუღების შემდგომი ხედვის აპარატურასთან | 1–3 წამი თითო სკანირებაზე |
| ხელოვნური ინტელექტის ხედვა — პროცესშია (დნობის აუზი) | რკალის არასტაბილურობა, არასრული შერწყმის ნიშნები, გაფანტვის ანომალიები | რკალის სიგრძის 100% | $10,000–$25,000 (მაღალსიჩქარიანი კამერა + ინფრაწითელი) | რეალურ დროში ~100ms შეყოვნებით |
| ხელოვნური ინტელექტის ხედვა — შედუღების შემდგომი (მძივის პროფილი) | ქვედა ჭრა, გადაფარვა, ქვედა შევსება, ზედაპირის ფორიანობა, მძივების გეომეტრიის გადახრები | შედუღების ზედაპირის 100% | $15,000–$55,000 (3D პროფილერი + კიდის გამოთვლა) | 5–30 წამი თითო სახსარზე |
| ულტრაბგერითი ტესტირება (UT / PAUT) | შიდა დეფექტები: შერწყმის არარსებობა, ბზარები, მოცულობითი ჩანართები მასალაში ≥6 მმ სისქის | სინჯის აღება ან 100% უსაფრთხოების სახსრებზე | $0 (აუთსორსინგი) – $45,000 (უჯრედშიდა PAUT) | წუთები თითო სახსარზე (ოფლაინში) |
| რენტგენოგრაფიული ტესტირება (RT) | შიდა დეფექტები სრული შეერთების განივი კვეთის გასწვრივ; კოდით გათვალისწინებულია CJP შედუღებებისთვის. | კოდით სავალდებულო პარტიის ნიმუშის აღება | აუთსორსინგი თითო შედუღებულ ან თითო პარტიაზე | საათები (ფირი) წუთებამდე (ციფრული) |
| მაგნიტური ნაწილაკი (MT) | ფერომაგნიტურ მასალაში ზედაპირული და ზედაპირთან ახლოს არსებული ბზარები | ნიმუში | 500–3,000 აშშ დოლარი (აღჭურვილობა) | 15–30 წუთი თითო ტესტზე |
| საღებავის შეღწევადი ნივთიერება (PT) | ღია ზედაპირის ბზარები და ფორიანობა ნებისმიერ მასალაში | ნიმუში | 200–1,500 აშშ დოლარი (სახარჯი მასალები) | 30–60 წუთი თითო ტესტზე |
| ვიზუალური ტესტირება (VT) | ზედაპირის გეომეტრია, დაჭრა, გადაფარვა, ზომის შეუსაბამობები | ნიმუში ან 100%-ით ხელით | მხოლოდ შრომის | წუთები თითო სახსარზე |
ნაწილი 1 — პროცესების ინლაინ მონიტორინგი
რობოტიზებული შედუღების ხარისხის კონტროლის პირველი კარიბჭეა ხაზოვანი პროცესის მონიტორინგი. დეფექტების აღმოჩენის ნაცვლად, ის აკონტროლებს დეფექტების გამომწვევ პროცესის ცვლადებს და გადახრებს რკალის წინსვლამდე აფიქსირებს.
რკალის პარამეტრები: ძაბვა, დენი და მავთულის მიწოდება
GMAW (MIG/MAG) შედუღების დროს, ენერგიის წყარო აღრიცხავს რკალის ძაბვას და შედუღების დენს 1 kHz ან მეტი შერჩევის სიხშირით. ტალღის ფორმის მონიტორინგის პროგრამული უზრუნველყოფა ადარებს ცოცხალ სიგნალს შედუღების პროცედურის კვალიფიკაციის დროს დადგენილ საცნობარო ტალღის ფორმებს. დაყენებული წერტილიდან ±3 ვ-ზე მეტი ძაბვის ვარდნა მიუთითებს კონტაქტის წვერის პრობლემაზე, შეერთების არასწორ განლაგებაზე ან დამცავი გაზის პრობლემაზე. დენის გადახრები კორელაციაშია მავთულის მიწოდების სიჩქარის ცვლილებებთან, რაც გავლენას ახდენს შეღწევადობასა და მძივის გეომეტრიაზე. ისეთი სისტემები, როგორიცაა ABB-ის SmartPower მოდული და Lincoln Electric-ის CheckPoint მონაცემთა აღრიცხვის პლატფორმა, ახორციელებენ ტალღის ფორმის ანომალიის ამ ტიპის აღმოჩენას, თითოეული შეერთებისთვის შედუღების ხარისხის ინდექსის მინიჭებით პარამეტრის სტაბილურობის საფუძველზე.
გაზის ნაკადის და ჩირაღდნის მდგომარეობის მონიტორინგი
დამცავი გაზის ნაკადის მონიტორინგი რეგულატორზე ხდება, ხოლო ინსტრუმენტულ სისტემებზე - ჩირაღდნის კორპუსზე. მასის ნაკადის სენსორი ააქტიურებს შედუღების შეჩერების სიგნალს, თუ ნაკადი დაქვეითდება კვალიფიციურ მინიმუმზე, როგორც წესი, 12-18 ლ/წთ მყარი მავთულის GMAW-ისთვის, რაც ხელს უშლის ფორიანობას, რომელსაც იწვევს არასაკმარისი გაზის დაფარვა. ჩირაღდნის მდგომარეობის სენსორები აკონტროლებენ საქშენის წინააღმდეგობას (შხეფის დაგროვების პროქსი) და კონტაქტური წვერის ცვეთას, რაც იწვევს ხელსაწყოს შეცვლას წვერის დეგრადაციამდე, რაც TCP-ს გადაადგილებას და მძივის პოზიციონირების გაუარესებას გამოიწვევს.
Arc-On Time, როგორც ხარისხის სიგნალი
თითო სახსარზე რკალის ჩართვის დრო, რომელიც ავტომატურად აღირიცხება, ციკლის დონის ხარისხის სიგნალს იძლევა. სახსარი, რომელსაც ჩვეულებრივ 18 წამიანი რკალის ჩართვის დრო სჭირდება, 14 წამში დასრულებას მიუთითებს რკალის ნაადრევ ჩაქრობაზე, რაც პოტენციურად შერწყმის არარსებობის მოვლენაა. თანმიმდევრობის დონის მიკვლევადობის ჟურნალები აკავშირებს რკალის ჩართვის დროს, პიკურ დენს და ძაბვის სტაბილურობას სახსრის ID-სთან, რაც საშუალებას იძლევა ძირითადი მიზეზის ანალიზის, როდესაც დეფექტები აღმოჩენილია NDT-ში ქვემოთ.
ამერიკის შედუღების საზოგადოების (AWS) მიერ შეგროვებული ინდუსტრიული მონაცემების თანახმად, რობოტული შედუღება ამცირებს შედუღების დეფექტების მაჩვენებელს ხელით მუშაობისას ტიპიური 5-8%-დან სათანადოდ დაკალიბრებულ რობოტურ სისტემებში 1%-ზე ნაკლებამდე. დარჩენილი 1%-ზე ნაკლები დეფექტი ძირითადად დაკავშირებულია სამაგრების არასწორ განლაგებასთან და სახარჯი მასალების მართვის ხარვეზებთან და არა თავად შედუღების პროცესთან, რაც ჯართის წარმოქმნამდე ამ ნარჩენი დეფექტების აღმოსაჩენად ძირითად ინსტრუმენტად აქცევს ხაზოვანი პარამეტრების მონიტორინგს.
ნაწილი 2 — ხელოვნური ინტელექტის მხედველობის შემოწმება (ძირითადი ხარისხის ფენა)
ხელოვნური ინტელექტის ხედვის შემოწმება ამჟამად შედუღების სამივე დროებით ფაზას მოიცავს: რკალის დაწყებამდე (შედუღებამდე შეერთების შემოწმება), შედუღების დროს (დნობის აუზის და რკალის სინათლის მონიტორინგი) და შედუღების შემდეგ (შედუღების შემდგომი მძივების პროფილირება). თითოეული ფაზა იყენებს სხვადასხვა სენსორულ აპარატურას და იძლევა სხვადასხვა ხარისხის კონტროლის მნიშვნელობას.
შედუღებამდელი: შეერთების გეომეტრიის შემოწმება
ლაზერული ხაზის სკანერი ან სტრუქტურირებული სინათლის 3D კამერა აფიქსირებს შეერთების გეომეტრიას რობოტის შედუღების დაწყებამდე. სისტემა ამოწმებს ფესვის ნაპრალს, შეერთების გასწორებას და მიახლოების კუთხეს კვალიფიციური შედუღების პროცედურის სპეციფიკაციის (WPS) ლიმიტებთან მიმართებაში. ტოლერანტობის მიღმა არსებული შეერთებები, WPS მაქსიმუმზე ფართო ნაპრალი, არასწორი გასწორება, რომელიც გამოიწვევს მძივის ცენტრიდან გადახრას, გამოიწვევს შეკავების და გაფრთხილების სიგნალს, სანამ რკალის ჩართვის დრო დაიკარგება დეფექტური მონტაჟის გამო.
ამ სფეროში წამყვან სისტემებს შორისაა Meta Vision MV (EtherCAT-ინტეგრირებული, გავრცელებულია ავტომობილის კორპუსის სახელოსნოებში), Servo-Robot (ფართო გამოყენება სტრუქტურულ წარმოებაში), Scansonic (მაღალი ენერგიის გარემოს ტოლერანტული) და Octopuz (პუნქტოვანი ღრუბლიდან პროგრამული უზრუნველყოფის მხრიდან ბილიკის კორექცია). შედუღებამდელი სკანირება ასევე ასწორებს რობოტის შედუღების ბილიკს ნაწილიდან ნაწილამდე განზომილებიანი ვარიაციისთვის, რაც უჯრედის კომპონენტების სახელმძღვანელოში აღწერილი ნაკერების თვალთვალის ლაზერული პროფილომეტრების ძირითადი ფუნქციაა.
პროცესში: რკალის სინათლის პროფილი და დნობის პულის მონიტორინგი
მაღალსიჩქარიანი კამერები (10,000–50,000 კადრი წამში), რომლებიც გაფილტრულია რკალის ემისიის ტალღის სიგრძეებზე, რეალურ დროში აღიქვამენ რკალის სინათლის პროფილს და დნობის აუზის გეომეტრიას. ინფრაწითელი თერმოგრაფიული კამერები ერთდროულად აფიქსირებენ სითბოს ზემოქმედების ქვეშ მყოფი ზონის (HAZ) ტემპერატურის განაწილებას. ერთად, ეს სიგნალები მიუთითებს არასრულ დნობაზე, სანამ ის შემდგომი გავლებით დაიმალება: დნობის აუზი, რომელიც მოულოდნელად ვიწროვდება, ხოლო მოძრაობის სიჩქარე და დენი მუდმივი რჩება, მიუთითებს შეერთების ნაპრალის კოლაფსზე ან ძირითადი ლითონის დაბინძურებაზე.
პრაქტიკაში, პროცესის ხედვა გამოთვლების მხრივ ყველაზე მომთხოვნი ფენაა. კიდის ინფერენციის დაფები (NVIDIA Jetson ან მისი ეკვივალენტი) ამუშავებენ მსუბუქ CNN მოდელებს, რომლებიც გაწვრთნილია რკალის ანომალიის ეტიკეტირებულ სურათებზე, თითოეული კადრი კლასიფიცირდება 50–100 ms-ის ფარგლებში. NVIDIA Metropolis-ის სრული მილსადენები განლაგებულია მაღალი წარმადობის საავტომობილო უჯრედებში, სადაც ერთდროულად მუშაობს მრავალი კამერის მიწოდება.
შედუღების შემდგომი: მძივების პროფილი და დეფექტების კლასიფიკაცია
შედუღების შემდგომი მძივების პროფილირება იყენებს 3D ლაზერულ პროფილირომეტრს დასრულებული შედუღების განივი კვეთის წერტილოვანი ღრუბლის გენერირებისთვის. პროფილერი ზომავს მძივის სიგანეს, სიმაღლეს, ჭრის სიღრმეს, გადაფარვის გაფართოებას და წვერის კუთხეს, პარამეტრებს, რომლებიც პირდაპირ შეესაბამება ISO 5817 მიღების დონის მოთხოვნებს. ღრმა სწავლების მოდელები, რომლებიც მომზადებულია შედუღების დეფექტების ეტიკეტირებულ მონაცემთა ნაკრებებზე, კლასიფიცირებენ ზედაპირის მახასიათებლებს: ჭრილი (ISO 5817 ტიპი 5011), გადაფარვა (5041), შიგთავსი (5012), ზედაპირის ფორიანობა (2017) და გეომეტრიული გადახრები კვალიფიციური მძივის პროფილიდან.
საწარმოო განლაგებებში გამოყენებული კომერციული ხედვის პროგრამული პლატფორმებია Cognex VisionPro (ფართოდ გამოიყენება 2D ზედაპირის შემოწმებისთვის), MVTec HALCON (სასურველია კომპლექსური 3D პროფილის ანალიზისთვის სკრიპტის მოქნილობით) და Intel Geti (ღრუბლოვანი დახმარებით მოდელის ტრენინგი და განლაგების მართვა). აპლიკაციის სპეციფიკური შემოწმების დასტებია Inspekto S70 მოქნილი საწარმოო უჯრედებისთვის და Yxlon HBR-DL უსაფრთხოებისთვის კრიტიკული აერონავტიკისა და წნევის ჭურჭლის შედუღების რენტგენის ინტეგრირებული შემოწმებისთვის.
ინდუსტრიის დანერგვის მონაცემების მიხედვით, ხელოვნური ინტელექტის ხედვაზე დაფუძნებული შედუღების შემოწმება ზედაპირული და ზედაპირთან ახლოს არსებული დეფექტების 96–99%-იან დეფექტებს აღწევს, წარმოების სიჩქარით ჩატარებული ხელით ვიზუალური ტესტირების (VT) დაახლოებით 87%-თან შედარებით. ხელოვნური ინტელექტის სისტემებით ცრუ დადებითი შედეგების მაჩვენებელი ასევე უფრო დაბალია, ვიდრე ხელით VT-ით, რადგან მოდელი ყველა გაზომვაზე თანმიმდევრულ გადაწყვეტილების ზღვარს იყენებს, დაღლილობის ეფექტებისა და ზღურბლის რყევის გარეშე, რაც ხანგრძლივი ცვლის დროს ადამიან ინსპექტორებზე მოქმედებს.
ნაწილი 3 — არადესტრუქციული ტესტირების (NDT) მეთოდები
უსაფრთხოებისთვის კრიტიკული შეერთებებისთვის შედუღების კოდები მოითხოვს არადენობითი თერმული დათვალიერების მეთოდებს და მათი ჩანაცვლება მხოლოდ ვიზუალური ან ხელოვნური ინტელექტის გამოყენებით შეუძლებელია. თითოეულ მეთოდს აქვს კონკრეტული შესაძლებლობების დიაპაზონი; შეერთების ტიპისა და მასალის სისქის შესაბამისი მეთოდის მითითება კოდექსთან თავსებადი შემოწმების გეგმის საფუძველია.
ულტრაბგერითი ტესტირება (UT / PAUT)
ულტრაბგერითი ტესტირება იყენებს მაღალი სიხშირის ბგერით ტალღებს 6 მმ ან მეტი სისქის მასალაში შიდა წყვეტების აღმოსაჩენად. ფაზური მასივის UT (PAUT) ელექტრონულად მიმართავს სხივს მრავალი კუთხით ზონდის გადაადგილების გარეშე, რაც ერთი გავლისას წარმოქმნის შედუღების მოცულობის განივი S-სკანირების გამოსახულებას. PAUT-მა დიდწილად ჩაანაცვლა ტრადიციული ერთზონდიანი UT სტრუქტურულ და წნევის ჭურჭელში შედუღებისას, რადგან ის უზრუნველყოფს უკეთეს მოცულობით დაფარვას, ციფრულ გამოსახულებას და მუდმივ ჩანაწერს. AWS D1.1 დანართი K იღებს PAUT-ს, როგორც RT-ს ალტერნატივას სრული შეღწევადობის შედუღებისთვის, როდესაც არსებობს კვალიფიციური პროცედურა.
რენტგენოგრაფიული ტესტირება (RT)
რადიოთერაპია იყენებს რენტგენის ან გამა-სხივურ გამოსხივებას შედუღების განივი კვეთის ფირზე ან ციფრულ დეტექტორზე გამოსახულების მისაღებად. ის კვლავ რჩება საცნობარო მეთოდად მოცულობითი დეფექტების, ფორიანობის კლასტერების, წიდის ჩანართების და შეერთების არასრული შეღწევადობის აღმოსაჩენად, შედუღების მთელ სისქეზე. რადიოთერაპია სავალდებულოა AWS D1.1-ის მიერ მოტეხილობისადმი კრიტიკული ელემენტებისთვის და ASME Section IX-ის მიერ გარკვეული წნევის შემანარჩუნებელი შედუღების კატეგორიებისთვის. ციფრულმა რენტგენოგრაფიამ (DR) და კომპიუტერულმა ტომოგრაფიამ (CT) შეამცირა ფირის გადამუშავების დრო საათებიდან წუთებამდე და მხარს უჭერს 3D მოცულობით რეკონსტრუქციას რთული შეერთების გეომეტრიისთვის.
მაგნიტური ნაწილაკების ტესტირება (MT)
მაგნიტური მეტრია ფერომაგნიტურ მასალებში ზედაპირულ და ზედაპირთან ახლოს არსებულ წყვეტებს (ბზარები, ნაკერები, ცივი დახვევები) აფიქსირებს მაგნიტური ველის ინდუცირებით და ფერომაგნიტური ნაწილაკების სუსპენზიის გამოყენებით. ველის ხაზების პერპენდიკულარულად განლაგებული წყვეტები ნაწილაკებს თვალსაჩინოდ აგროვებს. მაგნიტური მეტრია სწრაფი, პორტატული და იაფია, რაც მას სტრუქტურული ფოლადის ნაკეთობებში ფილეტური და ღარიანი შედუღების სტანდარტულ პირველი გავლის მეთოდად აქცევს. მაგნიტურ მეტრიას არ შეუძლია აუსტენიტური უჟანგავი ფოლადის ან ალუმინის (არაფერომაგნიტური მასალები) შემოწმება და ის აფიქსირებს მხოლოდ იმ წყვეტებს, რომლებიც ზედაპირს არღვევს ან უახლოვდება.
საღებავის შეღწევადობის ტესტირება (PT)
PT გამოიყენება გაწმენდილ შედუღების ზედაპირზე დაბალი სიბლანტის მქონე შეღწევად სითხეზე; კაპილარული მოქმედება შეღწევად სითხეს ღია ზედაპირულ ბზარებში იწოვს. გარკვეული პერიოდის შემდეგ, გამოიყენება დეველოპერის ხსნარი, რომელიც შეღწევადს უკან, თვალსაჩინოდ გამოდევნის. PT გამოიყენება ნებისმიერ მასალაზე, ფერომაგნიტურზე, უჟანგავზე, ალუმინზე, ტიტანზე და წარმოადგენს სტანდარტულ მეთოდს არაფერომაგნიტურ შედუღებებში ზედაპირული ბზარების აღმოსაჩენად. ის მოითხოვს სუფთა, მშრალ ზედაპირს და კონტროლირებად დაყოვნების დროს, რაც მას ნაკლებად შესაფერისს ხდის მაღალი გამტარუნარიანობის შემოწმებისთვის, თუმცა პრაქტიკულს ხდის ნიმუშების პარტიების პერიოდულ შემოწმებად.
ვიზუალური ტესტირება (VT)
შედუღების ზედაპირს ყველაზე მარტივი, ყველაზე დაბალი ღირებულების მქონე და პირველად გამოყენებული შემოწმების მეთოდი ამოწმებს. გაწვრთნილი ინსპექტორი შედუღების ზედაპირს ამოწმებს ხილული დეფექტების აღმოსაჩენად: ჩაჭრა, გადაფარვა, ზედაპირული ბზარები, ჩასმა და პროფილის გეომეტრია ლიანდაგის ან საცნობარო შაბლონის მიხედვით. AWS D1.1 მუხლი 6 მოითხოვს შედუღების ზედაპირს ყველა შედუღებულ ნაწილზე შედუღების ზედაპირთან ... სხვა მეთოდის გამოყენებამდე. ხელოვნური ინტელექტის ვიზუალური შემოწმების სისტემები ფუნქციური თვალსაზრისით წარმოადგენს შედუღების ზედაპირთან შედუღების ავტომატიზირებულ და ინსტრუმენტულ ფორმას, რომელიც გაფართოვებულია 100%-იან დაფარვამდე, თანმიმდევრული ზღურბლებითა და დოკუმენტირებული ჩანაწერებით.
ნაწილი 4 — დეფექტების ტაქსონომია: ISO 6520-1 და ISO 5817 კლასიფიკაცია
ISO 6520-1 წარმოადგენს შედუღების ნაკლოვანებების კლასიფიკაციის საცნობარო სისტემას, რომელიც მათ ტიპის მიხედვით ექვს ჯგუფად აჯგუფებს. ISO 5817 ამ დეფექტების ტიპებს თითოეული ნაკლოვანების განზომილებიანი ზღვრების საფუძველზე B (ყველაზე მკაცრი), C (საშუალო) და D (ყველაზე ნაკლებად მკაცრი) მიღების დონეებთან აკავშირებს. ISO 6520-1 კატეგორიებზე გაწვრთნილი ხელოვნური ინტელექტის ხედვის მოდელები წარმოქმნიან შედეგებს, რომლებიც პირდაპირ ISO 5817-ის მიღების/უარყოფის გადაწყვეტილებებთან აკავშირებს.
ISO 6520-1 დეფექტების ჯგუფები
| ჯგუფი (რიცხვების დიაპაზონი) | არასრულყოფილების ტიპი | საერთო მაგალითები | ტიპიური გამოვლენის მეთოდი |
|---|---|---|---|
| ჯგუფი 1 (100) | ბზარები | გრძივი ბზარი (101), განივი ბზარი (102), ცხელი ბზარი (104), კრატერის ბზარი (107) | იუტა, რტ, მონტანა, პორტუგალია, ხელოვნური ინტელექტის ხედვა (ზედაპირული ბზარები) |
| ჯგუფი 2 (200) | cavities | ფორიანობა (2011), ჭიაყელა (2015), ზედაპირის ფორიანობა (2017), შეკუმშვის ღრუ (202) | RT (მოცულობითი), UT, AI ხედვა (ზედაპირული ფორები) |
| ჯგუფი 3 (300) | მყარი ჩანართები | წიდის ჩართვა (301), ნაკადის ჩართვა (302), ოქსიდის ჩართვა (3041), მეტალის ჩართვა (304) | RT, UT (PAUT უფრო დიდი ჩანართებისთვის) |
| ჯგუფი 4 (400) | შერწყმისა და შეღწევადობის ნაკლებობა | შერწყმის ნაკლებობა (401), არასრული შეღწევა (402), ფესვის შეღწევადობის ნაკლებობა (4021) | UT (PAUT), RT; ხელოვნური ინტელექტით ხედვა ფესვის ზედაპირზე (შეზღუდული წვდომა) |
| ჯგუფი 5 (500) | არასრულყოფილი ფორმა და ზომა | ჩაჭრა (5011), გადაფარვა (5041), ჩასმა (5012), ზედმეტი ამოზნექილობა (503), კუთხური გადახრა (508) | ხელოვნური ინტელექტის ხედვა (3D მძივების პროფილირება), VT, საზომი ხელსაწყოები |
| ჯგუფი 6 (600) | სხვადასხვა დეფექტები | რკალისებრი დარტყმა (601), შხეფები (602), დახეული ზედაპირი (6011), დაფქვის კვალი (6012) | ვერმონტი, ხელოვნური ინტელექტის ხედვა, მონტანა |
ISO 5817 მიღების დონეები B, C, D
ISO 5817:2023 განსაზღვრავს ფოლადის, ნიკელის, ტიტანის და ალუმინის შედუღებული შეერთებების სამ მიღების ხარისხის დონეს. D დონეს (საშუალო ხარისხი) აქვს ყველაზე ფართო განზომილებიანი ტოლერანტობა და ვრცელდება ზოგად წარმოებაზე. C დონე (საშუალო ხარისხი) სტანდარტულია სტრუქტურული გამოყენებისა და სამრეწველო წარმოების უმეტესი ნაწილისთვის. B დონე (მკაცრი ხარისხი) ვრცელდება უსაფრთხოებისთვის კრიტიკულ კონსტრუქციებზე, წნევის ქვეშ მომუშავე მოწყობილობებსა და საავტომობილო პირველად კონსტრუქციებზე, სადაც დაღლილობისა და მოტეხილობისადმი მდგრადობის მოთხოვნები მაღალია.
პრაქტიკული მაგალითისთვის: 0.5 მმ სიღრმის ქვედა ჭრა (ტიპი 5011) მისაღებია D დონეზე, ზღვრული - C დონეზე (სადაც ზღვარი 0.5 მმ-ია კონდახით შედუღებული შედუღებებისთვის) და უარყოფილია B დონეზე (ზღვარი 0.25 მმ კონდახით შედუღებული შედუღებებისთვის). კონკრეტული მიღების დონისთვის კონფიგურირებული ხელოვნური ინტელექტის ხედვის სისტემები ადგენენ თავიანთ აღმოჩენის ზღვრებს ISO 5817 სტანდარტის შესაბამის ცხრილში მოცემულ განზომილებიან ზღვრებთან, რაც საშუალებას იძლევა ავტომატური დაძლევის/ჩავარდნის გადაწყვეტილებების მიღებისა.
ნაწილი 5 — მიღების კრიტერიუმების შესაბამისობა: AWS D1.1, EN 15085 და ISO 3834
ISO 5817-ის გარდა, ინდუსტრიის სპეციფიკური კოდების მიხედვით მომუშავე მწარმოებლებმა თავიანთი შემოწმების გეგმა ამ კოდებში მოცემულ მიღების კრიტერიუმებს უნდა შეუსაბამონ. ქვემოთ მოცემულ ცხრილში შეჯამებულია რობოტული შედუღების აპლიკაციების ძირითადი კოდები და მათი ხარისხის ფარგლები.
| კოდი / სტანდარტი | განაცხადის ფარგლები | ვიზუალური (VT) მოთხოვნა | RT / UT მოთხოვნა | ხარისხის დონის მითითება |
|---|---|---|---|---|
| AWS D1.1 (კონსტრუქციული ფოლადი) | ფოლადის კონსტრუქციების წარმოება და მონტაჟი ჩრდილოეთ ამერიკაში | 100% ყველა შედუღებულ ნაწილზე (პუნქტი 6) | RT ან UT CJP დაჭიმვის ელემენტებზე და მოტეხილობისადმი კრიტიკულ ელემენტებზე | მიღება სახსრების კატეგორიისა და დატვირთვის ტიპის მიხედვით |
| AWS D1.2 (ალუმინი) | სტრუქტურული ალუმინის შედუღება | 100% VT | სახსრის კატეგორიის მიხედვით, RT ან UT; თხელი ალუმინის შემთხვევაში რენტგენოგრაფია სასურველია | D1.1-ის მსგავსი კატეგორიის მიდგომა, ადაპტირებული ალუმინის მიკროსტრუქტურისთვის |
| AWS D1.6 (უჟანგავი ფოლადი) | სტრუქტურული უჟანგავი ფოლადის შედუღება | 100% VT | RT ან PT (MT არ გამოიყენება აუსტენიტური კლასის პროდუქტებზე) | კრიტერიუმები ითვალისწინებს სენსიბილიზაციის რისკს HAZ-თან ახლოს |
| EN 15085 (რკინიგზის სატრანსპორტო საშუალებები) | რკინიგზის სატრანსპორტო საშუალებებისა და კომპონენტების შედუღება | 100%-ით CL1 უსაფრთხოებისთვის კრიტიკულ შეერთებებზე | 100% RT ან PAUT CL1 სახსრებზე; სინჯის აღება CL2/CL3-ზე | ISO 5817 დონე B CL1-ისთვის; C ან D დაბალი კრიტიკულობისთვის |
| ISO 3834 (ხარისხის მოთხოვნები) | შედუღების შედუღების ხარისხის მართვის ჩარჩო სტანდარტი; ციტირებულია EN 1090, EN 15085 და სხვა დოკუმენტებში. | მითითებული პროდუქტის სტანდარტის მიხედვით | მითითებული პროდუქტის სტანდარტის მიხედვით | ISO 3834-2 (ყოვლისმომცველი), -3 (სტანდარტული), -4 (დაწყებითი) |
| ASME-ს IX სექცია (წნევის ჭურჭლები) | ქვაბები, წნევის ჭურჭლები და მილსადენები აშშ-ში და მთელ მსოფლიოში, მითითებით | სამშენებლო კოდექსის მიხედვით (ASME VIII Div.1) | RT სავალდებულოა P-ნომრის შეერთებებისთვის, რომლებიც აღემატება წნევის ზღურბლს 1 დივიზიონში | ISO 5817 პირდაპირი რუკების შედგენა არ ხდება; მოქმედებს ASME QW და UW მიღების კრიტერიუმები. |
ამერიკის შედუღების საზოგადოების (AWS D1.1:2020, პუნქტი 6.9) თანახმად, ყველა შედუღებული ნაკეთობა უნდა შემოწმდეს ვიზუალური ტესტირებით ნებისმიერი სხვა არადესტრუქციული შემოწმების ჩატარებამდე. ეს მოთხოვნა ვოტაციას — და შესაბამისად, ავტომატიზირებულ ხელოვნური ინტელექტის ხედვის შემოწმებას, როგორც მის ინსტრუმენტულ ანალოგს — სრული შემოწმების თანმიმდევრობის სავალდებულო შესასვლელ კარიბჭედ აქცევს და არა არჩევით დამატებად. რობოტული შედუღების ოპერაციები, რომლებიც აღრიცხავენ ხელოვნური ინტელექტის ხედვის 100%-იან შედეგებს თითოეულ შეერთებაზე, აკმაყოფილებს ამ პუნქტის დოკუმენტაციის მიზანს და ამავდროულად ქმნის აუდიტირებულ ხარისხის ჩანაწერს თითოეული წარმოების პარტიისთვის.
ნაწილი 6 — ხელოვნური ინტელექტის განლაგების ROI შედუღების ხარისხის სისტემებისთვის
არსებულ რობოტულ შედუღების უჯრედში ხელოვნური ინტელექტის ხედვის შემოწმების დამატების ბიზნეს დასაბუთება სამ გაზომვად გაუმჯობესებას ემყარება: დეფექტების გამოვლენის უფრო მაღალი მაჩვენებელი, ცრუ დადებითი შედეგების დაბალი მაჩვენებელი, რაც ამცირებს არასაჭირო ჯართს და წარმოების პარტიებზე არასტაბილური დეფექტების სიხშირის შემცირებას, რომლებიც წარმატებით ასრულებენ ავტომატიზირებულ სკრინინგს.
გამოვლენის მაჩვენებლის ზრდა
რობოტული შედუღების შედეგებზე კვალიფიციური ინსპექტორების მიერ წარმოების სიჩქარით ჩატარებული ხელით ვიზუალური ტესტირების (VT) შედეგად, ზედაპირული და ზედაპირთან ახლოს არსებული დეფექტების აღმოჩენის მაჩვენებელი დაახლოებით 87%-ია, რაც კიდევ უფრო ეცემა ცვლის ბოლოს და მაღალი წარმოების წნევის დროს. ინდუსტრიის დანერგვის მონაცემების საფუძველზე, რობოტული შედუღების უჯრედებზე დამონტაჟებული ხელოვნური ინტელექტის ხედვის სისტემები იმავე კლასებში დეფექტების აღმოჩენის 96–99%-იან მაჩვენებლებს აღწევენ. 9-დან 12 პროცენტულ პუნქტამდე არსებული სხვაობა პირდაპირ აისახება ზედაპირული დეფექტების აღმოფხვრის შემცირებულ მაჩვენებლებზე, რომლებიც ქვედა ეტაპამდე ან მომხმარებლისთვის მიწოდებამდე აღწევს.
Vision აპარატურის ღირებულება
არსებულ უჯრედზე შედუღების შემდგომი ხელოვნური ინტელექტის ხედვის დამატების დამატებითი აპარატურული ღირებულება (3D ლაზერული პროფილერი, კიდის ინფერენციის მქონე სამრეწველო კომპიუტერი, ინტეგრაციის პროგრამული უზრუნველყოფა) შედუღების შემდგომი მძივების პროფილირების კონფიგურაციისთვის 25,000-დან 55,000 დოლარამდე მერყეობს. იმავე აპარატურულ პლატფორმაზე შედუღებამდელი შეერთების სკანირების დამატება 5,000-დან 15,000 დოლარამდე ზრდის ღირებულებას. მაღალსიჩქარიანი კამერით და ინფრაწითელი თერმოგრაფიით სრული პროცესის განმავლობაში დნობის აუზის მონიტორინგი ყველაზე ძვირადღირებული ფენაა, რომელიც 10,000-დან 25,000 დოლარამდე ზრდის ღირებულებას და ძირითადად განკუთვნილია აერონავტიკისთვის, წნევის ჭურჭლისა და უსაფრთხოებისთვის კრიტიკული რელსების შედუღებისთვის, ვიდრე ზოგადი წარმოებისთვის. ჯამში, ერთ უჯრედზე სრული სამფაზიანი ხელოვნური ინტელექტის ხედვის დასტა 40,000-დან 80,000 დოლარამდე ზრდის დამატებით ღირებულებას საბაზისო რობოტული უჯრედის შედარებით.
ანაზღაურების დრაივერები
საშუალო მოცულობის კონსტრუქციული წარმოების სახელოსნოში, რომელიც ცვლაში 300 შემოწმებულ შედუღებულ შეერთებას აწარმოებს, აღმოჩენის მაჩვენებლის 87%-დან 97%-მდე გაზრდა ყოველ 1,000 შეერთებაზე დაახლოებით 30 დამატებით დეფექტის გამოყოფას უშლის ხელს. თითოეული ხელახალი დამუშავების საშუალო ღირებულება 75 აშშ დოლარია (ქვედა დინების აწყობაში თითოეული გამოსვლის 400+ აშშ დოლარის წინააღმდეგ), მხოლოდ დეფექტების დაზოგვის წვლილი თითო უჯრედზე წელიწადში დაახლოებით 50,000-დან 120,000 აშშ დოლარამდე შემოსავალს გამოიმუშავებს, მოცულობისა და ხელახალი დამუშავების ღირებულების მიხედვით. 50,000 აშშ დოლარის ღირებულების ხედვის აპარატურის ანაზღაურება ამ პარამეტრებით 6-14 თვეში ხდება. არადენოპროცესორული დეფექტების სიხშირის შემცირება, როდესაც ხედვის სისტემიდან მიღებული პროცესის შესაძლებლობების მონაცემები მომხმარებელთან შეთანხმებულ შემცირებულ შერჩევის გეგმებს უჭერს მხარს, დამატებით დანაზოგს ქმნის, რომელიც სპეციფიკურია გამოყენებისთვის.
პრაქტიკაში, განლაგების ყველაზე მნიშვნელოვანი ცვლადი არ არის თავად ხედვის აპარატურა, არამედ იმ პროცესის ბიბლიოთეკის ხარისხი, რომლის მონიტორინგიც მას უწევს. კარგად კვალიფიციური შედუღების პროცედურის სპეციფიკაციით (WPS) მომუშავე უჯრედები, სტაბილური ფიქსაციის განმეორებადობითა და თანმიმდევრული სახარჯი მასალების მართვით, სრულად სარგებლობენ ხელოვნური ინტელექტის ხედვით. მაღალი პროცესის ცვალებადობის მქონე უჯრედები წარმოქმნიან ცრუ დადებითი შედეგების მომატებულ მაჩვენებლებს, რადგან მოდელს არ შეუძლია განასხვავოს ლეგიტიმური დეფექტი პარამეტრის გადახრისგან, რომელიც გამოწვეულია ცვეთილი კონტაქტური წვერით ან დენის წყაროს დრიფტით. პროცესის სტაბილურობის მოგვარება, შემდეგ კი ხელოვნური ინტელექტის ხედვის დამატება მონიტორინგის ფენად, უკეთეს შედეგებს იძლევა, ვიდრე ხედვის დამატება იმ პროცესზე, რომელიც უკვე წარმოქმნის საზღვრისპირა შედუღებებს.
ხუთსაფეხურიანი ხარისხის კონტროლის არქიტექტურა: სენსორიდან MES-მდე
წარმოებისთვის მზად ხარისხის კონტროლის არქიტექტურა ზემოთ აღწერილ შემოწმების ფენებს აკავშირებს მონაცემთა ნაკადში, რომელიც სენსორიდან ხარისხის გადაწყვეტილებითა და წარმოების ჩანაწერებით გადადის. ქვემოთ მოცემული ხუთსაფეხურიანი არქიტექტურა ვრცელდება რობოტული შედუღების უჯრედებზე ერთსადგურიანი კონფიგურაციებიდან მრავალსადგურიან ხაზებამდე.
- სენსორის ფენა. ხაზოვანი პროცესის მონიტორინგის სენსორები (რკალის ძაბვა/დენის ტალღის ფორმა, მავთულის მიწოდების სიჩქარე, გაზის ნაკადი), შედუღებამდელი ლაზერული სკანერი, პროცესის მიმდინარე მაღალსიჩქარიანი კამერა (არასავალდებულო) და შედუღების შემდგომი 3D პროფილერი, თითოეული წარმოქმნის დროის შტამპიან მონაცემთა ნაკადებს, რომლებიც მონიშნულია შეერთების ID-ზე. EtherCAT 1 kHz სიხშირეზე სინქრონიზაციას უწევს რკალის პარამეტრების სენსორებს რობოტის კონტროლერის პოზიციის მონაცემებთან, რაც შესაძლებელს ხდის ტალღის ფორმის ანომალიების სივრცულ რუკაზე შედუღების ნაკერზე ზუსტი პოზიციების დასადგენად.
- კიდის დასკვნა. Edge Compute მოდული (სამრეწველო კომპიუტერი ან ხელოვნური ინტელექტის ამაჩქარებლის სპეციალური დაფა) ახორციელებს რეალურ დროში დასკვნების გამოტანას პროცესის სიგნალებსა და ხედვის მონაცემებზე. კლასიფიკაციის მოდელები საეჭვო შეერთებებს აფიქსირებს რობოტის ერთი შეერთების გადაცემის დროის განმავლობაში, როგორც წესი, 2-5 წამის განმავლობაში, რათა ოპერატორმა მიიღოს შეტყობინება რობოტის შემდეგ შეერთებამდე, რაც საშუალებას იძლევა ჩარევა პროცესის დროს, პარტიის შემდგომი ხელახალი დამუშავების ნაცვლად.
- დეფექტების კლასიფიკაცია. დეფექტის ტიპის მიხედვით, ISO 6520-1 ტაქსონომიის მიხედვით, დეფექტის სიმძიმე კლასიფიცირდება დეფექტის ტიპის მიხედვით, ხოლო სიმძიმე შედარებულია წარმოების შეკვეთისთვის კონფიგურირებულ ISO 5817 მიღების დონესთან (B, C ან D). მიღების ზღვარს გადაჭარბებული შეერთებები აღირიცხება, როგორც შეუსაბამობა; ზღვრულ საზღვართან მდებარე შეერთებები, ხარისხის გეგმის მიხედვით, რიგში დგება ხელით ხელახალი შემოწმებისთვის ან არატრადიციული ტესტირებისთვის.
- მიკვლევადობის ჟურნალი. სენსორის ყველა ჩვენება, ვიზუალური გამოსახულება, კლასიფიკაციის შედეგები და ოპერატორის განლაგება იწერება მიკვლევადობის ჩანაწერში, რომელიც მიმაგრებულია ერთობლივი ID-ის, ნაწილის სერიული ნომრისა და წარმოების პარტიის მიხედვით. ეს ჩანაწერი მხარს უჭერს როგორც შიდა ხარისხის ანალიზს (ტენდენციის გამოვლენა, პარამეტრების ოპტიმიზაცია), ასევე მომხმარებლის ან მარეგულირებელი აუდიტის მოთხოვნებს ISO 3834 ან EN 15085 სტანდარტების შესაბამისად.
- MES ინტეგრაცია. მიკვლევადობის ჟურნალი რეალურ დროში აწვდის ინფორმაციას წარმოების შესრულების სისტემას (MES), აახლებს წარმოების პარტიის ხარისხის სტატუსს, აღნიშნავს ხელახალი დამუშავების შეკვეთებს და ააქტიურებს NDT დაგეგმვას იმ პარტიებისთვის, რომლებიც საჭიროებენ კოდით სავალდებულო სინჯის აღებას. ორმხრივი ინტეგრაცია საშუალებას აძლევს MES-ს, სამუშაოს შეცვლისას გადასცეს შედუღების პროცედურის პარამეტრები (WPS პარამეტრები) რობოტის კონტროლერს, რაც ამცირებს პარამეტრების არასწორი შერჩევის რისკს მრავალპროდუქტიულ ხაზებზე.
როგორ უმკლავდებიან წამყვანი მომწოდებლები ხარისხის კონტროლის საკითხებს
FANUC-მა, ABB-მ და KUKA-მ თავიანთ შედუღების რობოტების კონტროლერებში ინტეგრირებული აქვთ მონაცემთა აღრიცხვა და პარამეტრების მონიტორინგი, ABB-ის WeldGuide და SmartPower კომპლექტი და KUKA-ს ArcSense მოდული წარმოადგენს პირველი დონის საავტომობილო ხაზების სრულყოფილ იმპლემენტაციას. Yaskawa Motoman აერთიანებს შედუღების სპეციფიკური პროცესის მონიტორინგს თავისი Weld Navigator პროგრამული უზრუნველყოფის საშუალებით. ESTUN-მა დაამატა შედუღების ჩაშენებული მონიტორინგის შესაძლებლობა თავის საშუალო დონის შედუღების უჯრედებს ზოგადი წარმოების ბაზრისთვის.
EVST სრულ ხარისხის კონტროლის დასტას თავისი EVS-AI შედუღების სისტემის მეშვეობით აერთიანებს, რომელიც აერთიანებს 3D ხედვის ამოცნობას, RX შედუღების პროცესის ბიბლიოთეკას (წინასწარ კვალიფიცირებული პარამეტრები საერთო შეერთების ტიპებისა და მასალების კომბინაციებისთვის) და EtherCAT 1 kHz სენსორის სინქრონიზაციას რკალის პარამეტრების მონაცემებსა და რობოტის პოზიციას შორის მჭიდრო შესაბამისობისთვის. სისტემის თვითსწავლების ძრავა აზუსტებს შედუღების პარამეტრებს წარმოების მთელი ეტაპების განმავლობაში ხელით ხელახალი სწავლების გარეშე, რაც ამცირებს კვალიფიციურ პროცედურის პარამეტრებსა და ფაქტობრივ წარმოების პარამეტრებს შორის გადახრას, რაც ხანგრძლივი წარმოების ეტაპებზე მცირე დეფექტების დაგროვების საერთო წყაროა. EVST-ის შედუღების უჯრედები ფლობენ CE, SGS და TUV მესამე მხარის სერტიფიკატს, რაც აკმაყოფილებს ISO 3834 და EN 15085 ხარისხის სისტემის აუდიტის დოკუმენტაციის მოთხოვნებს ექსპორტის ბაზრებზე. ძირითადი რობოტული პლატფორმა, რომელიც დამზადებულია IATF16949 საავტომობილო დონის ხარისხის პროცესების შესაბამისად, მოიცავს დატვირთვის სრულ სპექტრს, კოლაბორაციული შედუღების მკლავებიდან დაწყებული მძიმე სამრეწველო კონფიგურაციებით დამთავრებული, რაც მოიცავს შედუღების ზომების დიაპაზონს, რომელიც, როგორც წესი, მოითხოვს ხარისხისთვის კრიტიკული წარმოების ხაზებს. EVST საველე ინჟინერიის მხარდაჭერას 100-ზე მეტ ქვეყანაში ახორციელებს, რაც მნიშვნელოვანი ფაქტორია, როდესაც ხარისხის კონტროლის სისტემის კალიბრაცია და ხელახალი კალიბრაცია ძირითადი მოწყობილობების ცვლილებების შემდეგ ადგილზე ტექნიკურ დახმარებას მოითხოვს.
მყიდველებისთვის, რომლებიც აფასებენ ინტეგრაციის სრულ სურათს, რობოტის მკლავიდან და პოზიციონერიდან დაწყებული ხარისხის კონტროლის დასტით დამთავრებული, რობოტული შედუღების უჯრედის კომპონენტები და ინტეგრაციის სახელმძღვანელო სენსორისა და fieldbus-ის არქიტექტურას სიღრმისეულად მოიცავს. უჯრედის სრული ინვესტიციის ROI მოდელირება, დეფექტების მაჩვენებლის დაზოგვის ჩათვლით, განხილულია. რობოტული შედუღების უჯრედის ROI და ანაზღაურების ანალიზი.
რობოტიკის საერთაშორისო ფედერაციის (IFR) 2025 წლის მსოფლიო რობოტიკის ანგარიშის თანახმად, შედუღება მსოფლიო მასშტაბით სამრეწველო რობოტების მთლიანი ინსტალაციის დაახლოებით 23%-ს შეადგენს და ახალი შედუღების უჯრედების ინსტალაციის წილი, რომელიც მოიცავს ხარისხის მონიტორინგსა და ხედვის შემოწმებას, მნიშვნელოვნად გაიზარდა მონაცემებზე დაფუძნებული წარმოებისკენ სწრაფვის პარალელურად. დანერგვის ეს ტენდენცია ასახავს როგორც ხელმისაწვდომი კიდის გამომთვლელი აპარატურის ხელმისაწვდომობას, ასევე მომხმარებლის მიერ ხარისხის დოკუმენტაციის მზარდ მკაცრ მოთხოვნებს - ფაქტორები, რომლებიც ხელოვნური ინტელექტით დახმარებულ შედუღების შემოწმებას მხოლოდ საავტომობილო ინდუსტრიიდან ზოგადი სტრუქტურული წარმოებისკენ გადაჰყავს.
დაკავშირებული საკითხავი და შიდა რესურსები
- რობოტული შედუღების ავტომატიზაციის სრული სახელმძღვანელო (2026), საყრდენი სტატია, რომელიც მოიცავს პროცესის შერჩევას, უჯრედის დიზაინს და შედუღების სრული გამოყენების ლანდშაფტს
- შედუღების რობოტების ტოპ 10 ბრენდი (2026), OEM შედარება ინტეგრაციის მხარდაჭერას, დატვირთვის დიაპაზონს და რეგიონალური მომსახურების დაფარვას შორის
- რობოტული შედუღების უჯრედის კომპონენტები და ინტეგრაცია (2026), სენსორული ფენა, fieldbus-ის არქიტექტურა, პოზიციონერის ტიპები და ექსპლუატაციაში გაშვების თანმიმდევრობა
- MIG vs TIG vs ლაზერული რობოტული შედუღება (2026), პროცესის შერჩევის სახელმძღვანელო ხარისხისა და ღირებულების კომპრომისებით შეერთების ტიპის მიხედვით
- სამრეწველო რობოტების უსაფრთხოების სტანდარტები: ISO 10218 და CE მარკირება (2026), უსაფრთხოების სისტემის მოთხოვნები რობოტული შედუღების უჯრედებისთვის
ხშირად დასმული შეკითხვები
შეუძლია თუ არა ხელოვნურ ინტელექტს რობოტული შედუღების ტრადიციული არადენობითი დიაგნოსტიკის ჩანაცვლება?
არა მთლიანად. ხელოვნური ინტელექტის ხედვის შემოწმება მოიცავს ზედაპირულ და ზედაპირთან ახლოს არსებულ დეფექტებს 100%-იანი წარმოების დაფარვით - ჩაჭრა, გადაფარვა, ზედაპირის ფორიანობა და მძივების გეომეტრიის გადახრები. მას არ შეუძლია PAUT-ის ან RT-ის მიერ იდენტიფიცირებული მოცულობითი ზედაპირქვეშა დეფექტების აღმოჩენა. AWS D1.1-ის, ASME Section IX-ის ან EN 15085-ის შესაბამისად უსაფრთხოებისთვის კრიტიკული შედუღებებისთვის, შედუღების შემდგომი NDT მოთხოვნები დადგენილია შესაბამისი კოდექსით და სავალდებულო რჩება. სწორი კონფიგურაცია არის ხელოვნური ინტელექტის ხედვა 100%-იანი ხაზოვანი სკრინინგისთვის პლუს კოდით სავალდებულო NDT დროში შეზღუდულ შეერთებებზე ან საჭირო სინჯის აღების პარტიებზე.
როდის მჭირდება რობოტული შედუღების რენტგენოგრაფიული ტესტირება (RT)?
RT სავალდებულოა კოდით კონკრეტული კატეგორიებისთვის შეერთებებისგან დამოუკიდებლად წარმოების მეთოდისა. AWS D1.1 მოითხოვს RT-ს ან UT-ს პირველადი სტრუქტურული შეერთებების დაჭიმვის ელემენტებში შეერთების ყველა სრულ შეღწევადობის ღარის შედუღებაზე და მოტეხილობისთვის კრიტიკულ ელემენტებში ყველა შედუღებაზე. ASME-ს IX ნაწილი მოითხოვს RT-ს განსაზღვრული მომსახურების ზღურბლების ზემოთ წნევის შენარჩუნების შედუღებებზე. EN 15085 CL1 რელსური შედუღება მოითხოვს 100%-იან RT-ს ან UT-ს უსაფრთხოებისთვის კრიტიკულ შეერთებებზე. დემონსტრირებული რობოტული პროცესის შესაძლებლობა (Cpk მონაცემები) ზოგჯერ შეიძლება დაეხმაროს შემცირებული RT შერჩევის გეგმებს კოდის ორგანოს დამტკიცებით, მაგრამ ეს მოითხოვს ფორმალურ კვალიფიკაციის დოკუმენტაციას.
როგორ გავაკონტროლო ხელოვნური ინტელექტით შედუღების შემოწმების სისტემებიდან მიღებული ცრუ დადებითი შედეგები?
ცრუ დადებითი შედეგების მაჩვენებლები დამოკიდებულია სასწავლო მონაცემთა ნაკრების ხარისხზე, გადაწყვეტილების ზღურბლის კალიბრაციაზე და კამერასთან გარემოს სტაბილურობაზე. დააკალიბრეთ გადაწყვეტილების ზღვარი თქვენთვის მისაღებ ცრუ დადებითი შედეგების მაჩვენებელზე — როგორც წესი, 2–5%-მდე — რომელიც დადასტურებულია შეკავების მონაცემთა ნაკრებზე, რომელიც მოიცავს თქვენი შედუღების ფაქტობრივ გეომეტრიას და ზედაპირის პირობებს. აკონტროლეთ შემოწმების გარემო: ნაწილის თანმიმდევრული პოზიციონირება, კამერის სტაბილური დაცვა რკალური სინათლისგან (პროცესში არსებული კამერებისთვის) და ერთგვაროვანი განათება შედუღების შემდგომი პროფილერებზე. ორეტაპიანი მიმოხილვის სამუშაო პროცესი — ხელოვნური ინტელექტის დროშები, ოპერატორი ადასტურებს 60 წამში — ცრუ დადებითი შედეგების უარყოფის ხარჯებს მართვადს ხდის აღმოჩენის დაფარვის შემცირების გარეშე.
რა სასწავლო მონაცემები სჭირდება ხელოვნური ინტელექტით შედუღების შემოწმების მოდელს?
წარმოების დონის მოდელს დეფექტის თითოეული კლასისთვის სჭირდება რამდენიმე ათასი მონიშნული შედუღების სურათი, რომლებიც მოიცავს თქვენს კონკრეტულ შეერთების ტიპებს, მასალებს და ზედაპირის პირობებს. საჯარო მონაცემთა ნაკრებებს შეუძლიათ ტრენინგის დაწყება, მაგრამ ზოგადი მონაცემებით გაწვრთნილი მოდელები ნაკლებად მუშაობენ კონკრეტულ წარმოების პირობებში. ყველაზე მაღალი ხარისხის განლაგებები აერთიანებს ზოგად წინასწარ ტრენინგს აპლიკაციის სპეციფიკურ დახვეწასთან 500–2,000 მონიშნული წარმოების მაგალითზე დეფექტის თითოეული კლასისთვის. აქტიური სწავლების მილსადენები — სადაც მოდელი აღნიშნავს გაურკვეველ პროგნოზებს ადამიანის მიერ მონიშნულისთვის, შემდეგ კი ხელახლა ამზადებს — ამცირებს მონაცემთა შეგროვების მიმდინარე დატვირთვას საბაზისო მოდელის განლაგების შემდეგ.
რას მატებს ხელოვნური ინტელექტით მხედველობის შემოწმება რობოტული შედუღების უჯრედს ღირებულებისა და დეფექტების გამოვლენის თვალსაზრისით?
აპარატურის დამატებითი ღირებულება 25,000-დან 80,000 დოლარამდე მერყეობს, იმისდა მიხედვით, შედის თუ არა შედუღებამდელი სკანირება, პროცესის განმავლობაში დნობის აუზის მონიტორინგი თუ მხოლოდ შედუღების შემდგომი მძივების პროფილირება. ინდუსტრიის დანერგვის მონაცემების საფუძველზე, ზედაპირული და ზედაპირთან ახლოს არსებული დეფექტების აღმოჩენის მაჩვენებელი იზრდება დაახლოებით 87%-დან ხელოვნური ინტელექტით გაწვრთნილი ხელით ხედვისთვის 96–99%-მდე ხელოვნური ინტელექტით ხედვისთვის წარმოების გამტარუნარიანობის სიჩქარით. ხედვის აპარატურის ანაზღაურება, როგორც წესი, 12–18 თვეა საშუალო და მაღალი მოცულობის წარმოებაში ჯართის, გადამუშავების და შემდგომი NDT სიხშირის შემცირების გზით.
გამავალი მითითებები:
ამერიკის შედუღების საზოგადოება (AWS), D1.1 სტრუქტურული შედუღების კოდექსი |
ISO 5817:2023, შედუღება: შედუღებით შედუღებული შეერთებები, ხარისხის დონეები |
IFR World Robotics 2025-ის ანგარიში |
Cognex VisionPro პროგრამული უზრუნველყოფა |
MVTec HALCON Machine Vision პროგრამული უზრუნველყოფა