Controle de Qualidade em Soldagem Robótica: Inspeção por Visão com IA, END e Classificação de Defeitos ISO 5817 (2026)

Atualizado pela última vez: maio 8, 2026

Controle de Qualidade em Soldagem Robótica: Inspeção por Visão com IA, END e Classificação de Defeitos ISO 5817 (2026)

O controle de qualidade da soldagem robótica combina quatro camadas: monitoramento em linha do processo, incluindo tensão do arco, corrente e alimentação do arame; inspeção por visão computacional da solda antes, durante e após a soldagem; ensaios não destrutivos (UT, RT, MT, PT ou VT) para juntas críticas de segurança; e classificação estruturada de defeitos de acordo com os níveis de aceitação ISO 5817 / ISO 6520 e códigos como AWS D1.1. Juntas, essas camadas reduzem as taxas de defeitos de solda de 5 a 8%, típicas de operações manuais, para menos de 1% em sistemas robóticos calibrados.

Visão geral da pilha de controle de qualidade: o que cada camada detecta.

Antes de analisar cada camada em detalhes, a tabela comparativa abaixo mostra o que cada método detecta, sua faixa de custo por célula e a velocidade com que os resultados ficam disponíveis. Compreender essas diferenças é o ponto de partida para decidir qual combinação se adequa a um determinado ambiente de produção.

Seção 1 — Monitoramento de Processos em Linha

O monitoramento em linha do processo é o primeiro passo no controle de qualidade da soldagem robótica. Em vez de detectar defeitos depois que eles ocorrem, ele rastreia as variáveis ​​do processo que causam defeitos e sinaliza desvios antes que o arco se mova.

Parâmetros do arco: tensão, corrente e alimentação do arame

Durante a soldagem GMAW (MIG/MAG), a fonte de alimentação registra a tensão do arco e a corrente de soldagem com taxas de amostragem de 1 kHz ou superiores. O software de monitoramento de forma de onda compara o sinal em tempo real com formas de onda de referência estabelecidas durante a qualificação do procedimento de soldagem. Uma queda de tensão sustentada superior a ±3 V em relação ao ponto de ajuste indica um problema na ponta de contato, desalinhamento da junta ou problema com o gás de proteção. Desvios de corrente correlacionam-se com mudanças na velocidade de alimentação do arame, que afetam a penetração e a geometria do cordão. Sistemas como o módulo SmartPower da ABB e a plataforma de aquisição de dados CheckPoint da Lincoln Electric implementam esse tipo de detecção de anomalias na forma de onda, atribuindo um índice de qualidade de solda a cada junta com base na estabilidade dos parâmetros.

Monitoramento do fluxo de gás e da condição da tocha

O fluxo de gás de proteção é monitorado no regulador e, em sistemas instrumentados, no corpo da tocha. Um sensor de fluxo de massa aciona um sinal de parada da soldagem se o fluxo cair abaixo do mínimo qualificado, tipicamente 12–18 L/min para soldagem GMAW com arame sólido, evitando a porosidade causada pela cobertura inadequada de gás. Sensores de condição da tocha monitoram a resistência do bocal (um indicador de acúmulo de respingos) e o desgaste da ponta de contato, acionando a troca da ferramenta antes que a degradação da ponta altere o TCP (ponto de contato da tocha) e prejudique o posicionamento do cordão.

Tempo de arco como sinal de qualidade

O tempo de arco elétrico por junta, registrado automaticamente, fornece um sinal de qualidade em nível de ciclo. Uma junta que normalmente leva 18 segundos de arco elétrico e se completa em 14 segundos indica extinção prematura do arco, um potencial evento de falta de fusão. Os registros de rastreabilidade em nível de sequência correlacionam o tempo de arco elétrico, a corrente de pico e a estabilidade da tensão com a identificação da junta, permitindo a análise da causa raiz quando defeitos são encontrados posteriormente no ensaio não destrutivo (END).

Seção 2 — Inspeção por Visão com IA (Camada de Qualidade Essencial)

A inspeção por visão com IA agora abrange todas as três fases temporais da soldagem: antes do início do arco (verificação da junta pré-soldagem), durante a soldagem (monitoramento da poça de fusão e da luz do arco) e após a soldagem (perfilamento do cordão pós-soldagem). Cada fase utiliza hardware de sensor diferente e fornece um valor de controle de qualidade distinto.

Pré-soldagem: Verificação da geometria da junta

Um scanner a laser ou uma câmera 3D de luz estruturada captura a geometria da junta antes que o robô inicie a soldagem. O sistema verifica a folga da raiz, o alinhamento da junta e o ângulo de aproximação em relação aos limites da especificação do procedimento de soldagem (EPS) qualificada. Juntas fora da tolerância, uma folga maior que o máximo da EPS ou um desalinhamento que descentralize o cordão de solda acionam uma pausa e um alerta antes que qualquer tempo de arco seja desperdiçado em uma configuração defeituosa.

Os principais sistemas neste segmento incluem o Meta Vision MV (integrado ao EtherCAT, comum em oficinas de carroceria automotiva), o Servo-Robot (amplamente adotado na fabricação de estruturas), o Scansonic (tolerante a ambientes de alta energia) e o Octopuz (correção de trajetória via software a partir de nuvem de pontos). A varredura pré-soldagem também corrige a trajetória de soldagem do robô para variações dimensionais entre as peças, que é a principal função dos perfilômetros a laser de rastreamento de costura descritos no guia de componentes da célula.

Em processo: Monitoramento do perfil da luz de arco e da poça de fusão

Câmeras de alta velocidade (10,000 a 50,000 quadros por segundo), filtradas para os comprimentos de onda da emissão do arco, capturam o perfil da luz do arco e a geometria da poça de fusão em tempo real. Câmeras de termografia infravermelha mapeiam simultaneamente a distribuição de temperatura da zona afetada pelo calor (ZAC). Juntos, esses sinais indicam fusão incompleta antes que ela seja soterrada por passes subsequentes: uma poça de fusão que se estreita repentinamente enquanto a velocidade de deslocamento e a corrente permanecem constantes sinaliza um colapso da junta ou contaminação do metal base.

Na prática, a visão computacional em processo é a camada que exige maior poder computacional. Placas de inferência de borda (NVIDIA Jetson ou equivalente) executam modelos CNN leves, treinados em imagens de anomalias de arco rotuladas, classificando cada quadro em 50 a 100 ms. Pipelines completos do NVIDIA Metropolis são implementados em células de produção automotiva de alta capacidade, onde múltiplas câmeras operam simultaneamente.

Pós-soldagem: Perfil do cordão e classificação de defeitos

A análise de perfil do cordão de solda pós-soldagem utiliza um perfilômetro a laser 3D para gerar uma nuvem de pontos transversal da solda concluída. O perfilômetro mede a largura, a altura, a profundidade do rebaixo, a extensão da sobreposição e o ângulo da raiz do cordão, parâmetros que correspondem diretamente aos requisitos de nível de aceitação da norma ISO 5817. Modelos de aprendizado profundo, treinados com conjuntos de dados rotulados de defeitos de solda, classificam as características da superfície: rebaixo (ISO 5817 tipo 5011), sobreposição (5041), falta de preenchimento (5012), porosidade superficial (2017) e desvios geométricos do perfil de cordão qualificado.

As plataformas de software de visão comercial utilizadas em implantações de produção incluem o Cognex VisionPro (amplamente utilizado para inspeção de superfície 2D), o MVTec HALCON (preferido para análise complexa de perfil 3D com flexibilidade de script) e o Intel Geti (treinamento de modelos assistido por nuvem e gerenciamento de implantação). Entre os conjuntos de soluções de inspeção específicas para cada aplicação, destacam-se o Inspekto S70 para células de manufatura flexíveis e o Yxlon HBR-DL para inspeção integrada por raios X em soldas críticas para a segurança nas áreas aeroespacial e de vasos de pressão.

Seção 3 — Métodos de Ensaios Não Destrutivos (END)

Os métodos de END (Ensaios Não Destrutivos) são exigidos pelas normas de soldagem para juntas críticas de segurança e não podem ser substituídos apenas por inspeção visual ou por visão com inteligência artificial. Cada método possui uma gama de capacidades específica; especificar o método correto para o tipo de junta e a espessura do material é a base de um plano de inspeção em conformidade com as normas.

Teste ultrassônico (UT / PAUT)

O ensaio ultrassônico utiliza ondas sonoras de alta frequência para detectar descontinuidades internas em materiais com 6 mm ou mais de espessura. O ultrassom phased-array (PAUT) direciona o feixe eletronicamente em múltiplos ângulos sem mover a sonda, gerando uma imagem transversal em formato de S do volume da solda em uma única passagem. O PAUT substituiu em grande parte o ultrassom convencional com sonda única em soldas estruturais e de vasos de pressão, pois oferece melhor cobertura volumétrica, imagens digitais e registro permanente. A norma AWS D1.1 Anexo K aceita o PAUT como alternativa à radiografia para soldas de penetração total em juntas, quando um procedimento qualificado estiver em vigor.

Teste radiográfico (RT)

A radiografia (RT) utiliza raios X ou raios gama para gerar imagens da seção transversal da solda em filme ou em um detector digital. Ela continua sendo o método de referência para detectar defeitos volumétricos, aglomerados de porosidade, inclusões de escória e penetração incompleta da junta, em toda a espessura da solda. A RT é obrigatória pela norma AWS D1.1 para elementos críticos à fratura e pela Seção IX da ASME para certas categorias de soldas que retêm pressão. A radiografia digital (DR) e a tomografia computadorizada (TC) reduziram o tempo de processamento dos filmes de horas para minutos e permitem a reconstrução volumétrica 3D para geometrias de juntas complexas.

Teste de Partículas Magnéticas (MT)

O ensaio por magnetometria (MT) detecta descontinuidades superficiais e próximas à superfície (trincas, juntas, juntas frias) em materiais ferromagnéticos, induzindo um campo magnético e aplicando uma suspensão de partículas ferromagnéticas. Descontinuidades perpendiculares às linhas do campo acumulam partículas visivelmente. O MT é rápido, portátil e de baixo custo, tornando-se o método padrão de primeira inspeção para soldas de filete e de chanfro na fabricação de aço estrutural. O MT não inspeciona aço inoxidável austenítico ou alumínio (materiais não ferromagnéticos) e detecta apenas descontinuidades que se rompem ou se aproximam da superfície.

Teste de penetração de corante (PT)

O ensaio por líquido penetrante (PT) aplica um líquido penetrante de baixa viscosidade na superfície da solda limpa; a ação capilar atrai o penetrante para dentro das fissuras superficiais abertas. Após um período de contato, aplica-se um revelador que extrai o penetrante de forma visível. O PT funciona em qualquer material, ferromagnético, inoxidável, alumínio, titânio, e é o método padrão para detectar fissuras superficiais em soldas não ferromagnéticas. Requer uma superfície limpa e seca e um tempo de contato controlado, o que o torna menos adequado para inspeções em linha de alto volume, mas prático como verificação periódica em lotes de amostras.

Teste Visual (VT)

O ensaio visual (VT) é o método de inspeção mais simples, de menor custo e o primeiro a ser aplicado. Um inspetor treinado examina a superfície da solda em busca de defeitos visíveis: mordeduras, sobreposições, trincas superficiais, falta de preenchimento e geometria do perfil, comparando-os com um gabarito ou modelo de referência. A norma AWS D1.1, Cláusula 6, exige o ensaio visual em todas as soldas antes da aplicação de qualquer outro método de ensaio não destrutivo (END). Os sistemas de inspeção por visão com inteligência artificial são, em termos funcionais, uma forma automatizada e instrumentada de ensaio visual, com cobertura de 100%, limites consistentes e registros documentados.

Seção 4 — Taxonomia de defeitos: Classificação ISO 6520-1 e ISO 5817

A norma ISO 6520-1 fornece o sistema de classificação de referência para imperfeições de solda, organizando-as em seis grupos por tipo. A norma ISO 5817 mapeia esses tipos de defeitos para os níveis de aceitação B (mais rigoroso), C (intermediário) e D (menos rigoroso), com base nos limites dimensionais para cada imperfeição. Modelos de visão computacional com inteligência artificial, treinados com base nas categorias da ISO 6520-1, produzem resultados que se correlacionam diretamente com as decisões de aceitação/rejeição da ISO 5817.

Grupos de defeitos ISO 6520-1

Níveis de aceitação B, C e D da norma ISO 5817

A norma ISO 5817:2023 define três níveis de qualidade aceitáveis ​​para juntas soldadas por fusão em aço, níquel, titânio e alumínio. O nível D (qualidade moderada) possui as maiores tolerâncias dimensionais e aplica-se à fabricação em geral. O nível C (qualidade intermediária) é padrão para aplicações estruturais e para a maioria das fabricações industriais. O nível B (qualidade rigorosa) aplica-se a estruturas críticas para a segurança, equipamentos pressurizados e estruturas primárias automotivas, onde os requisitos de resistência à fadiga e à fratura são elevados.

Para um exemplo prático: um rebaixo (tipo 5011) com profundidade de 0.5 mm é aceitável no Nível D, marginal no Nível C (onde o limite é de 0.5 mm para soldas de topo) e reprovado no Nível B (limite de 0.25 mm para soldas de topo). Sistemas de visão com IA configurados para um nível de aceitação específico definem seus limiares de detecção para os limites dimensionais na tabela relevante da ISO 5817, permitindo decisões automatizadas de aprovação/reprovação.

Seção 5 — Mapeamento dos Critérios de Aceitação: AWS D1.1, EN 15085 e ISO 3834

Além da ISO 5817, os fabricantes que trabalham com normas específicas do setor devem adequar seu plano de inspeção aos critérios de aceitação dessas normas. A tabela abaixo resume as principais normas e seu escopo de qualidade para aplicações de soldagem robótica.

Seção 6 — Retorno sobre o Investimento (ROI) da Implantação de IA para Sistemas de Qualidade de Soldagem

A justificativa comercial para adicionar inspeção por visão com IA a uma célula de soldagem robótica existente baseia-se em três melhorias mensuráveis: taxas de detecção de defeitos mais altas, taxas de falsos positivos mais baixas que reduzem o desperdício desnecessário e frequência reduzida de END (Ensaios Não Destrutivos) subsequentes em lotes de produção que passam pela triagem automatizada.

Aumento da taxa de detecção

A inspeção visual manual (IV) realizada por inspetores qualificados em soldas robotizadas, em velocidade de produção, atinge taxas de detecção de aproximadamente 87% para defeitos superficiais e subsuperficiais, um valor que cai ainda mais no final do turno e sob alta pressão de produção. Sistemas de visão com inteligência artificial (IA) implementados em células de soldagem robotizada alcançam consistentemente taxas de detecção de 96% a 99% para as mesmas classes de defeitos, com base em dados de implementação na indústria. Essa diferença, de 9 a 12 pontos percentuais, se traduz diretamente em taxas reduzidas de defeitos superficiais que chegam à montagem subsequente ou à entrega ao cliente.

Custo do hardware de visão

O custo adicional de hardware para adicionar visão computacional por IA pós-soldagem a uma célula existente (perfilador a laser 3D, PC industrial com inferência de borda, software de integração) varia de US$ 25,000 a US$ 55,000 para uma configuração de perfilamento de cordão pós-soldagem. Adicionar escaneamento de junta pré-soldagem na mesma plataforma de hardware aumenta o custo em US$ 5,000 a US$ 15,000. O monitoramento completo da poça de fusão durante o processo, com câmera de alta velocidade e termografia infravermelha, é o componente de maior custo, adicionando de US$ 10,000 a US$ 25,000, e é especificado principalmente para soldagem aeroespacial, de vasos de pressão e de trilhos de segurança crítica, em vez de fabricação em geral. Combinando todos esses elementos, um sistema completo de visão computacional por IA em três fases, em uma única célula, representa um custo adicional de US$ 40,000 a US$ 80,000 em relação a uma célula robótica básica.

Motoristas de Retorno

Em uma oficina de fabricação estrutural de médio volume, que gera 300 juntas de solda inspecionadas por turno, o aumento da taxa de detecção de 87% para 97% evita aproximadamente 30 defeitos adicionais a cada 1,000 juntas. Com um custo médio de US$ 75 por retrabalho detectado no processo (contra mais de US$ 400 por defeito que escapa para a montagem subsequente), a economia com a redução de defeitos gera uma economia de aproximadamente US$ 50,000 a US$ 120,000 por ano por célula, dependendo do volume e do custo do retrabalho. O retorno do investimento de US$ 50,000 em hardware de visão ocorre em 6 a 14 meses, considerando esses parâmetros. A redução na frequência de END (Ensaios Não Destrutivos), quando os dados de capacidade do processo obtidos pelo sistema de visão permitem planos de amostragem reduzidos, conforme acordado com o cliente, gera economias adicionais específicas para cada aplicação.

Na prática, a variável de implementação mais importante não é o hardware de visão em si, mas a qualidade da biblioteca de processos que ele monitora. Células operando com base em uma especificação de procedimento de soldagem (EPS) bem qualificada, com repetibilidade estável da fixação e gerenciamento consistente de consumíveis, obtêm o máximo benefício da taxa de detecção proporcionada pela visão com IA. Células com alta variabilidade de processo geram taxas elevadas de falsos positivos porque o modelo não consegue distinguir um defeito legítimo de um desvio de parâmetro causado por uma ponta de contato desgastada ou uma calibração de fonte de alimentação instável. Priorizar a estabilidade do processo e, em seguida, adicionar a visão com IA como uma camada de monitoramento, produz melhores resultados do que adicionar visão a um processo que já está gerando soldas com defeitos limítrofes.

Arquitetura de controle de qualidade em cinco etapas: do sensor ao MES

Uma arquitetura de controle de qualidade pronta para produção conecta as camadas de inspeção descritas acima em um fluxo de dados que vai do sensor à decisão de qualidade e ao registro de produção. A arquitetura de cinco etapas abaixo se aplica a células de soldagem robotizadas, desde configurações de estação única até linhas com múltiplas estações.

1. Camada de sensores. Sensores de monitoramento de processo em linha (forma de onda de tensão/corrente do arco, taxa de alimentação do arame, fluxo de gás), scanner a laser pré-soldagem, câmera de alta velocidade durante o processo (opcional) e perfilômetro 3D pós-soldagem geram fluxos de dados com registro de data e hora, associados a um ID de junta. O EtherCAT a 1 kHz sincroniza os sensores de parâmetros do arco com os dados de posição do controlador do robô, permitindo o mapeamento espacial de anomalias na forma de onda para posições exatas ao longo da junta de solda.
2. Inferência de arestas. Um módulo de computação de borda (PC industrial ou placa aceleradora de IA dedicada) executa inferência em tempo real sobre sinais de processo e dados de visão. Os modelos de classificação sinalizam juntas suspeitas dentro de um tempo de transferência entre juntas do robô, tipicamente de 2 a 5 segundos, para que o operador receba um alerta antes que o robô se mova para a próxima junta, permitindo intervenção durante o processo em vez de retrabalho após o lote.
3. Classificação de defeitos. As juntas sinalizadas são classificadas por tipo de defeito de acordo com a taxonomia ISO 6520-1, e a gravidade é comparada com o nível de aceitação ISO 5817 aplicável (B, C ou D) configurado para a ordem de produção. As juntas que excedem o limite de aceitação são registradas como não conformidades; as juntas no limite marginal são encaminhadas para reinspeção manual ou END (Ensaios Não Destrutivos), dependendo do plano de qualidade.
4. Registro de rastreabilidade. Todas as leituras dos sensores, imagens de visão, resultados de classificação e decisões do operador são registradas em um arquivo de rastreabilidade vinculado à identificação da junta, ao número de série da peça e ao lote de produção. Esse registro atende tanto à análise interna de qualidade (detecção de tendências, otimização de parâmetros) quanto aos requisitos de auditoria do cliente ou de órgãos reguladores, conforme as normas ISO 3834 ou EN 15085.
5. Integração MES. O registro de rastreabilidade alimenta o Sistema de Execução de Manufatura (MES) em tempo real, atualizando o status de qualidade do lote de produção, sinalizando ordens de retrabalho e acionando o agendamento de END (Ensaios Não Destrutivos) para lotes que exigem amostragem conforme exigido por normas. A integração bidirecional permite que o MES envie os parâmetros do procedimento de soldagem (configurações WPS) para o controlador do robô na troca de tarefas, reduzindo o risco de seleção incorreta de parâmetros em linhas de produção com múltiplos produtos.

Como os principais fornecedores abordam a estrutura de controle de qualidade

A FANUC, a ABB e a KUKA integraram o registro de dados e o monitoramento de parâmetros em seus controladores de robôs de soldagem. O pacote WeldGuide e SmartPower da ABB e o módulo ArcSense da KUKA representam implementações consolidadas para linhas de produção automotivas de nível 1. A Yaskawa Motoman oferece monitoramento de processos específicos de soldagem por meio de seu software Weld Navigator. A ESTUN adicionou a capacidade de monitoramento de soldagem em linha às suas células de soldagem de médio porte para o mercado de fabricação em geral.

A EVST aborda toda a cadeia de controle de qualidade por meio de seu sistema de soldagem EVS-AI, que integra reconhecimento de visão 3D, a biblioteca de processos de soldagem RX (parâmetros pré-qualificados para tipos de juntas e combinações de materiais comuns) e sincronização de sensores EtherCAT de 1 kHz para alinhamento preciso entre os dados dos parâmetros do arco e a posição do robô. O mecanismo de autoaprendizagem do sistema refina os parâmetros de soldagem ao longo das produções sem necessidade de reprogramação manual, o que reduz a discrepância entre os parâmetros do procedimento qualificado e os parâmetros reais de produção, uma fonte comum de acúmulo de defeitos marginais em longas séries de produção. As células de soldagem da EVST possuem certificação de terceiros CE, SGS e TUV, atendendo aos requisitos de documentação para auditorias de sistemas de qualidade ISO 3834 e EN 15085 em mercados de exportação. A plataforma robótica subjacente, fabricada sob processos de qualidade de nível automotivo IATF16949, abrange todo o espectro de carga útil, desde braços de soldagem colaborativos até configurações industriais de alta resistência, cobrindo a gama de tamanhos de solda que as linhas de produção com padrões de qualidade críticos normalmente exigem. A EVST disponibiliza suporte técnico de campo em mais de 100 países, um fator relevante quando a calibração e recalibração do sistema de controle de qualidade após grandes alterações nos dispositivos de fixação exigem assistência técnica no local.

Para compradores que avaliam o panorama completo da integração, desde o braço robótico e o posicionador até a pilha de controle de qualidade, o Guia de componentes e integração de células de soldagem robótica Abrange a arquitetura de sensores e barramentos de campo em detalhes. A modelagem do ROI (retorno sobre o investimento) para o investimento total na célula, incluindo a redução da taxa de defeitos, é abordada no documento. Análise de ROI e retorno do investimento em células de soldagem robótica.

Leituras complementares e recursos internos

• Guia completo para automação de soldagem robótica (2026)Artigo fundamental que aborda a seleção de processos, o projeto de células e o panorama completo das aplicações de soldagem.
• As 10 principais marcas de robôs de soldagem (2026)Comparação de fabricantes de equipamentos originais (OEMs) em relação ao suporte à integração, alcance da carga útil e cobertura de serviço regional.
• Componentes e integração de células de soldagem robótica (2026)camada de sensores, arquitetura de barramento de campo, tipos de posicionadores e sequência de comissionamento
• Soldagem robótica MIG vs TIG vs a laser (2026)Guia de seleção de processos com considerações sobre qualidade e custo por tipo de junta
• Normas de segurança para robôs industriais: ISO 10218 e marcação CE (2026)Requisitos do sistema de segurança para células de soldagem robótica

Perguntas frequentes

Referências de saída:
Código de Soldagem Estrutural da American Welding Society (AWS), D1.1 |
ISO 5817:2023, Soldagem: Juntas soldadas por fusão, Níveis de qualidade |
Relatório IFR World Robotics 2025 |
Software Cognex VisionPro |
Software de visão mecânica MVTec HALCON

Atualizado pela última vez: maio 8, 2026