การควบคุมคุณภาพการเชื่อมด้วยหุ่นยนต์: การตรวจสอบด้วยระบบ AI Vision, การตรวจสอบแบบไม่ทำลาย (NDT) และการจัดระดับความบกพร่องตามมาตรฐาน ISO 5817 (2026)
การควบคุมคุณภาพการเชื่อมด้วยหุ่นยนต์ประกอบด้วยสี่ส่วนหลัก ได้แก่ การตรวจสอบกระบวนการแบบเรียลไทม์ของแรงดันอาร์ค กระแส และการป้อนลวด การตรวจสอบรอยเชื่อมด้วยระบบ AI ก่อน ระหว่าง และหลังการเชื่อม การทดสอบแบบไม่ทำลาย (UT, RT, MT, PT หรือ VT) สำหรับรอยต่อที่สำคัญต่อความปลอดภัย และการจัดระดับข้อบกพร่องอย่างเป็นระบบตามระดับการยอมรับของ ISO 5817 / ISO 6520 และรหัสต่างๆ เช่น AWS D1.1 โดยรวมแล้ว การควบคุมเหล่านี้ช่วยลดอัตราข้อบกพร่องของการเชื่อมจาก 5-8% ซึ่งเป็นเรื่องปกติของการเชื่อมด้วยมือ ให้เหลือต่ำกว่า 1% ในระบบหุ่นยนต์ที่ได้รับการปรับเทียบแล้ว
ภาพรวมของ QC Stack: แต่ละชั้นดักจับอะไรบ้าง
ก่อนที่จะพิจารณาแต่ละชั้นอย่างละเอียด ตารางเปรียบเทียบด้านล่างแสดงให้เห็นว่าแต่ละวิธีตรวจจับอะไรได้บ้าง ช่วงราคาต่อเซลล์ และความเร็วในการแสดงผลลัพธ์ การทำความเข้าใจความแตกต่างเหล่านี้เป็นจุดเริ่มต้นในการตัดสินใจว่าการผสมผสานแบบใดเหมาะสมกับสภาพแวดล้อมการผลิตที่กำหนด
| วิธีการควบคุมคุณภาพ | สิ่งที่ตรวจจับได้ | คุ้มครอง | ต้นทุนส่วนเพิ่ม (ต่อเซลล์) | ความเร็วผลลัพธ์ |
|---|---|---|---|---|
| การตรวจสอบกระบวนการแบบเรียลไทม์ (พารามิเตอร์อาร์ค) | การเปลี่ยนแปลงของแรงดัน/กระแสไฟฟ้า ความผิดปกติในการป้อนลวด การสูญเสียการไหลของก๊าซ — ความเบี่ยงเบนของกระบวนการก่อนที่จะกลายเป็นข้อบกพร่อง | 100% ของเวลาเปิดอาร์ค | 2,000–8,000 ดอลลาร์สหรัฐ (เซ็นเซอร์ + ระบบบันทึกข้อมูล) | เวลาจริง (มิลลิวินาที) |
| ระบบ AI Vision — การตรวจสอบก่อนการเชื่อม (รูปทรงรอยต่อ) | ช่องว่าง การเยื้องศูนย์ การประกอบข้อต่อที่อยู่นอกค่าความคลาดเคลื่อน | ข้อต่อ 100% | แชร์กับฮาร์ดแวร์วิชั่นหลังการเชื่อม | 1–3 วินาทีต่อการสแกน |
| ระบบ AI Vision — อยู่ในระหว่างดำเนินการ (บริเวณหลอมเหลว) | ความไม่เสถียรของอาร์ค, สัญญาณการหลอมรวมที่ไม่สมบูรณ์, ความผิดปกติของการกระเด็น | ความยาวส่วนโค้ง 100% | 10,000–25,000 ดอลลาร์สหรัฐ (กล้องความเร็วสูง + อินฟราเรด) | แบบเรียลไทม์โดยมีความล่าช้าประมาณ 100 มิลลิวินาที |
| ระบบ AI วิชั่น — หลังการเชื่อม (โปรไฟล์แนวเชื่อม) | การกัดเซาะใต้ผิว การทับซ้อน การเติมไม่เต็ม ความพรุนของพื้นผิว ความเบี่ยงเบนของรูปทรงลูกปัด | พื้นผิวรอยเชื่อม 100% | 15,000–55,000 ดอลลาร์สหรัฐ (เครื่องวิเคราะห์โปรไฟล์ 3 มิติ + การประมวลผลแบบ Edge Computing) | 5-30 วินาทีต่อข้อต่อ |
| การทดสอบด้วยคลื่นอัลตราโซนิค (UT / PAUT) | ข้อบกพร่องภายใน: การหลอมรวมไม่สมบูรณ์ รอยแตก สิ่งเจือปนในเนื้อวัสดุที่มีความหนา ≥6 มม. | สุ่มตัวอย่างหรือ 100% บนข้อต่อเพื่อความปลอดภัย | 0 ดอลลาร์ (จ้างภายนอก) – 45,000 ดอลลาร์ (PAUT ภายในเซลล์) | นาทีต่อข้อต่อ (แบบออฟไลน์) |
| การตรวจเอกซเรย์ (RT) | ข้อบกพร่องภายในตลอดแนวรอยต่อทั้งหมด; ข้อกำหนดตามมาตรฐานสำหรับรอยเชื่อม CJP | การสุ่มตัวอย่างล็อตตามข้อกำหนดของกฎหมาย | จ้างเหมาช่วงต่อการเชื่อมแต่ละครั้งหรือต่อล็อต | แปลงจากชั่วโมง (ฟิล์ม) เป็นนาที (ดิจิทัล) |
| อนุภาคแม่เหล็ก (MT) | รอยแตกบนพื้นผิวและใกล้พื้นผิวในวัสดุเฟอร์โรแมกเนติก | สุ่มตัวอย่าง | 500–3,000 ดอลลาร์สหรัฐ (อุปกรณ์) | 15–30 นาทีต่อการทดสอบ |
| สารแทรกซึมสี (PT) | รอยแตกและรูพรุนบนพื้นผิวเปิดในวัสดุใดๆ | สุ่มตัวอย่าง | 200–1,500 ดอลลาร์สหรัฐ (วัสดุสิ้นเปลือง) | 30–60 นาทีต่อการทดสอบ |
| การทดสอบด้วยสายตา (VT) | รูปทรงพื้นผิว, ร่องลึก, การซ้อนทับ, ความไม่สอดคล้องของขนาด | ใช้ตัวอย่างหรือทำด้วยมือ 100% | แรงงานเท่านั้น | นาทีต่อข้อต่อ |
ส่วนที่ 1 — การตรวจสอบกระบวนการแบบเรียลไทม์
การตรวจสอบกระบวนการแบบเรียลไทม์เป็นด่านแรกในการควบคุมคุณภาพการเชื่อมด้วยหุ่นยนต์ แทนที่จะค้นหาข้อบกพร่องหลังจากที่เกิดขึ้นแล้ว ระบบจะติดตามตัวแปรของกระบวนการที่ก่อให้เกิดข้อบกพร่องและแจ้งเตือนความผิดปกติก่อนที่อาร์คจะเคลื่อนต่อไป
พารามิเตอร์ของอาร์ค: แรงดัน กระแส และการป้อนลวด
ระหว่างการเชื่อม GMAW (MIG/MAG) แหล่งจ่ายไฟจะบันทึกแรงดันอาร์คและกระแสเชื่อมที่อัตราการสุ่มตัวอย่าง 1 kHz หรือสูงกว่า ซอฟต์แวร์ตรวจสอบรูปคลื่นจะเปรียบเทียบสัญญาณแบบเรียลไทม์กับรูปคลื่นอ้างอิงที่กำหนดไว้ระหว่างการตรวจสอบคุณสมบัติขั้นตอนการเชื่อม การลดลงของแรงดันอย่างต่อเนื่องมากกว่า ±3 V จากค่าที่ตั้งไว้ บ่งชี้ถึงปัญหาที่ปลายหัวเชื่อม การจัดแนวรอยเชื่อมที่ไม่ถูกต้อง หรือปัญหาเกี่ยวกับก๊าซปกคลุม การเบี่ยงเบนของกระแสไฟฟ้ามีความสัมพันธ์กับการเปลี่ยนแปลงความเร็วในการป้อนลวด ซึ่งส่งผลต่อการแทรกซึมและรูปทรงของแนวเชื่อม ระบบต่างๆ เช่น โมดูล SmartPower ของ ABB และแพลตฟอร์มการบันทึกข้อมูล CheckPoint ของ Lincoln Electric ใช้การตรวจจับความผิดปกติของรูปคลื่นประเภทนี้ โดยกำหนดดัชนีคุณภาพการเชื่อมให้กับแต่ละรอยเชื่อมตามความเสถียรของพารามิเตอร์
การตรวจสอบการไหลของแก๊สและสภาพของหัวเผา
การไหลของก๊าสปกคลุมจะถูกตรวจสอบที่ตัวควบคุม และในระบบที่มีอุปกรณ์วัด จะมีการตรวจสอบที่ตัวหัวเชื่อมด้วย เซ็นเซอร์วัดอัตราการไหลจะส่งสัญญาณหยุดการเชื่อมหากอัตราการไหลลดลงต่ำกว่าค่าต่ำสุดที่กำหนดไว้ ซึ่งโดยทั่วไปคือ 12–18 ลิตร/นาที สำหรับการเชื่อม GMAW ด้วยลวดแข็ง เพื่อป้องกันรูพรุนที่เกิดจากปริมาณก๊าสปกคลุมที่ไม่เพียงพอ เซ็นเซอร์ตรวจสอบสภาพหัวเชื่อมจะตรวจสอบความต้านทานของหัวฉีด (ซึ่งเป็นตัวบ่งชี้การสะสมของเศษโลหะกระเด็น) และการสึกหรอของปลายหัวเชื่อม ทำให้ต้องเปลี่ยนหัวเชื่อมก่อนที่การเสื่อมสภาพของปลายหัวเชื่อมจะทำให้จุดตัดของแนวเชื่อมเปลี่ยนไปและทำให้การวางแนวเชื่อมไม่แม่นยำ
ระยะเวลาการทำงานของอาร์คเป็นสัญญาณบ่งชี้คุณภาพ
เวลาการเกิดประกายไฟต่อข้อต่อแต่ละจุด ซึ่งบันทึกโดยอัตโนมัติ จะให้สัญญาณคุณภาพในระดับรอบการทำงาน ข้อต่อที่ปกติใช้เวลาเกิดประกายไฟ 18 วินาที แต่เสร็จสิ้นภายใน 14 วินาที แสดงว่าประกายไฟดับก่อนกำหนด ซึ่งอาจเป็นเหตุการณ์การเชื่อมที่ไม่สมบูรณ์ บันทึกการตรวจสอบย้อนกลับในระดับลำดับจะเชื่อมโยงเวลาเกิดประกายไฟ กระแสสูงสุด และความเสถียรของแรงดันไฟฟ้ากับรหัสข้อต่อ ทำให้สามารถวิเคราะห์สาเหตุที่แท้จริงได้เมื่อพบข้อบกพร่องในขั้นตอนการตรวจสอบแบบไม่ทำลาย (NDT) ต่อไป
จากข้อมูลอุตสาหกรรมที่รวบรวมโดยสมาคมการเชื่อมแห่งอเมริกา (AWS) การเชื่อมด้วยหุ่นยนต์ช่วยลดอัตราข้อบกพร่องของการเชื่อมจาก 5-8% ในการเชื่อมด้วยมือ เหลือต่ำกว่า 1% ในระบบหุ่นยนต์ที่ได้รับการปรับเทียบอย่างเหมาะสม ข้อบกพร่องที่เหลืออยู่ซึ่งต่ำกว่า 1% นั้นส่วนใหญ่เกิดจากการจัดตำแหน่งอุปกรณ์จับยึดที่ไม่ถูกต้องและความล้มเหลวในการจัดการวัสดุสิ้นเปลือง มากกว่ากระบวนการเชื่อมเอง ทำให้การตรวจสอบพารามิเตอร์แบบเรียลไทม์เป็นเครื่องมือหลักในการตรวจจับความล้มเหลวที่เหลืออยู่เหล่านี้ก่อนที่จะก่อให้เกิดเศษวัสดุ
ส่วนที่ 2 — การตรวจสอบด้วยระบบ AI Vision (ชั้นคุณภาพหลัก)
ปัจจุบัน การตรวจสอบด้วยระบบ AI Vision ครอบคลุมทั้งสามช่วงเวลาของการเชื่อม ได้แก่ ก่อนเริ่มการอาร์ค (การตรวจสอบรอยต่อก่อนการเชื่อม) ระหว่างการเชื่อม (การตรวจสอบบ่อหลอมและแสงอาร์ค) และหลังการเชื่อม (การตรวจสอบรูปทรงรอยเชื่อมหลังการเชื่อม) แต่ละช่วงใช้ฮาร์ดแวร์เซ็นเซอร์ที่แตกต่างกันและให้ค่า QC ที่แตกต่างกัน
ก่อนการเชื่อม: การตรวจสอบรูปทรงเรขาคณิตของรอยต่อ
เครื่องสแกนเส้นเลเซอร์หรือกล้อง 3 มิติแบบแสงโครงสร้างจะจับภาพรูปทรงเรขาคณิตของรอยเชื่อมก่อนที่หุ่นยนต์จะเริ่มทำการเชื่อม ระบบจะตรวจสอบช่องว่างที่ฐานรอยเชื่อม การจัดแนวรอยเชื่อม และมุมการเข้าถึงเทียบกับขีดจำกัดของข้อกำหนดขั้นตอนการเชื่อมที่ผ่านการรับรอง (WPS) หากรอยเชื่อมอยู่นอกค่าความคลาดเคลื่อนที่ยอมรับได้ ช่องว่างกว้างกว่าค่าสูงสุดของ WPS หรือการจัดแนวที่ไม่ถูกต้องซึ่งจะทำให้แนวเชื่อมไม่อยู่ตรงกลาง ระบบจะหยุดการทำงานและแจ้งเตือนก่อนที่จะเสียเวลาในการเชื่อมไปกับชุดอุปกรณ์ที่ผิดพลาด
ระบบชั้นนำในด้านนี้ ได้แก่ Meta Vision MV (ผสานรวมกับ EtherCAT ซึ่งใช้กันทั่วไปในอู่ซ่อมรถยนต์), Servo-Robot (ใช้กันอย่างแพร่หลายในการผลิตโครงสร้าง), Scansonic (ทนต่อสภาพแวดล้อมที่มีพลังงานสูง) และ Octopuz (การแก้ไขเส้นทางจากจุดคลาวด์ด้วยซอฟต์แวร์) การสแกนก่อนการเชื่อมยังช่วยแก้ไขเส้นทางการเชื่อมของหุ่นยนต์สำหรับความแปรผันของขนาดระหว่างชิ้นส่วน ซึ่งเป็นหน้าที่หลักของเครื่องวัดโปรไฟล์เลเซอร์ติดตามรอยเชื่อมที่อธิบายไว้ในคู่มือส่วนประกอบของเซลล์
ระหว่างดำเนินการ: การตรวจสอบโปรไฟล์แสงอาร์คและบ่อหลอม
กล้องความเร็วสูง (10,000–50,000 เฟรมต่อวินาที) ที่กรองตามความยาวคลื่นการปล่อยแสงอาร์คจะบันทึกภาพลักษณะแสงอาร์คและรูปทรงของบ่อหลอมเหลวแบบเรียลไทม์ ในขณะเดียวกัน กล้องถ่ายภาพความร้อนอินฟราเรดจะสร้างแผนที่การกระจายอุณหภูมิของบริเวณที่ได้รับผลกระทบจากความร้อน (HAZ) สัญญาณเหล่านี้ร่วมกันบ่งชี้ถึงการหลอมเหลวที่ไม่สมบูรณ์ก่อนที่จะถูกฝังอยู่ใต้การเชื่อมครั้งต่อไป: บ่อหลอมเหลวที่แคบลงอย่างกะทันหันในขณะที่ความเร็วในการเคลื่อนที่และกระแสไฟฟ้ายังคงที่ บ่งชี้ถึงการยุบตัวของช่องว่างรอยต่อหรือการปนเปื้อนของโลหะฐาน
ในทางปฏิบัติ การประมวลผลภาพแบบเรียลไทม์ (in-process vision) เป็นชั้นที่ต้องการพลังการคำนวณมากที่สุด บอร์ดประมวลผลภาพแบบ Edge inference (NVIDIA Jetson หรือเทียบเท่า) รันโมเดล CNN ขนาดเล็กที่ฝึกฝนด้วยภาพความผิดปกติของเส้นโค้งที่มีการติดป้ายกำกับ โดยจำแนกแต่ละเฟรมภายใน 50–100 มิลลิวินาที ระบบประมวลผลภาพ NVIDIA Metropolis แบบเต็มรูปแบบถูกนำไปใช้ในเซลล์การผลิตยานยนต์ที่มีกำลังการผลิตสูง ซึ่งมีการทำงานของฟีดกล้องหลายตัวพร้อมกัน
หลังการเชื่อม: ลักษณะแนวเชื่อมและการจำแนกประเภทข้อบกพร่อง
การตรวจสอบรูปทรงรอยเชื่อมหลังการเชื่อมเสร็จสิ้น ใช้เครื่องวัดโปรไฟล์เลเซอร์ 3 มิติ เพื่อสร้างกลุ่มจุดตัดขวางของรอยเชื่อมที่เสร็จสมบูรณ์ เครื่องวัดโปรไฟล์จะวัดความกว้าง ความสูง ความลึกของรอยบาก การซ้อนทับ และมุมปลายรอยเชื่อม ซึ่งพารามิเตอร์เหล่านี้จะตรงกับข้อกำหนดระดับการยอมรับของ ISO 5817 โดยตรง โมเดลการเรียนรู้เชิงลึกที่ฝึกฝนด้วยชุดข้อมูลข้อบกพร่องของรอยเชื่อมที่มีการติดป้ายกำกับ จะจำแนกคุณลักษณะของพื้นผิว ได้แก่ รอยบาก (ISO 5817 ประเภท 5011) การซ้อนทับ (5041) การเติมไม่เต็ม (5012) รูพรุนบนพื้นผิว (2017) และความเบี่ยงเบนทางเรขาคณิตจากรูปทรงรอยเชื่อมที่ผ่านการรับรอง
แพลตฟอร์มซอฟต์แวร์วิชั่นเชิงพาณิชย์ที่ใช้ในงานผลิต ได้แก่ Cognex VisionPro (ใช้กันอย่างแพร่หลายสำหรับการตรวจสอบพื้นผิว 2 มิติ), MVTec HALCON (นิยมใช้สำหรับการวิเคราะห์โปรไฟล์ 3 มิติที่ซับซ้อน พร้อมความยืดหยุ่นในการเขียนสคริปต์) และ Intel Geti (การฝึกอบรมโมเดลและการจัดการการใช้งานบนระบบคลาวด์) ส่วนซอฟต์แวร์ตรวจสอบเฉพาะงาน ได้แก่ Inspekto S70 สำหรับเซลล์การผลิตที่ยืดหยุ่น และ Yxlon HBR-DL สำหรับการตรวจสอบแบบบูรณาการด้วยรังสีเอ็กซ์บนรอยเชื่อมที่สำคัญต่อความปลอดภัยในอุตสาหกรรมการบินและอวกาศและภาชนะรับแรงดัน
จากข้อมูลการใช้งานในอุตสาหกรรม การตรวจสอบรอยเชื่อมด้วยระบบ AI สามารถตรวจจับข้อบกพร่องบนพื้นผิวและใกล้พื้นผิวได้ในอัตรา 96–99% เมื่อเทียบกับประมาณ 87% สำหรับการตรวจสอบด้วยสายตาโดยผู้ตรวจสอบที่ผ่านการฝึกฝนมาแล้ว ซึ่งดำเนินการด้วยความเร็วในการผลิต อัตราการเกิดผลบวกเท็จของระบบ AI ก็ต่ำกว่าการตรวจสอบด้วยสายตาโดยผู้ตรวจสอบที่ผ่านการฝึกฝนมาแล้วเช่นกัน เนื่องจากแบบจำลองใช้เกณฑ์การตัดสินใจที่สม่ำเสมอในการวัดทุกครั้ง โดยไม่มีผลกระทบจากความเหนื่อยล้าและการเปลี่ยนแปลงของเกณฑ์ที่เกิดขึ้นกับผู้ตรวจสอบที่เป็นมนุษย์ในระหว่างการทำงานเป็นเวลานาน
ส่วนที่ 3 — วิธีการทดสอบแบบไม่ทำลาย (NDT)
วิธีการตรวจสอบแบบไม่ทำลาย (NDT) เป็นข้อกำหนดตามมาตรฐานการเชื่อมสำหรับรอยต่อที่สำคัญต่อความปลอดภัย และไม่สามารถทดแทนได้ด้วยการตรวจสอบด้วยสายตาหรือการตรวจสอบด้วยระบบ AI เพียงอย่างเดียว แต่ละวิธีมีขอบเขตความสามารถเฉพาะ การกำหนดวิธีการที่เหมาะสมสำหรับประเภทของรอยต่อและความหนาของวัสดุเป็นพื้นฐานของแผนการตรวจสอบที่สอดคล้องกับข้อกำหนด
การทดสอบด้วยคลื่นอัลตราโซนิค (UT / PAUT)
การทดสอบด้วยคลื่นเสียงความถี่สูงใช้ตรวจจับความไม่ต่อเนื่องภายในวัสดุที่มีความหนา 6 มม. หรือมากกว่า การทดสอบด้วยคลื่นเสียงความถี่สูงแบบเฟสอาร์เรย์ (PAUT) ควบคุมทิศทางของลำแสงด้วยระบบอิเล็กทรอนิกส์ไปยังหลายมุมโดยไม่ต้องขยับหัววัด ทำให้เกิดภาพตัดขวางแบบ S-scan ของปริมาตรการเชื่อมในครั้งเดียว PAUT ได้เข้ามาแทนที่การทดสอบด้วยคลื่นเสียงความถี่สูงแบบหัววัดเดี่ยวแบบดั้งเดิมในการเชื่อมโครงสร้างและภาชนะรับแรงดันเป็นส่วนใหญ่ เนื่องจากให้การครอบคลุมปริมาตรที่ดีกว่า การสร้างภาพดิจิทัล และบันทึกถาวร มาตรฐาน AWS D1.1 ภาคผนวก K ยอมรับ PAUT เป็นทางเลือกแทนการทดสอบด้วยรังสี (RT) สำหรับการเชื่อมแบบทะลุทะลวงทั้งหมดเมื่อมีขั้นตอนที่ผ่านการรับรองแล้ว
การทดสอบด้วยรังสี (RT)
การตรวจสอบด้วยรังสีเอกซ์ (RT) ใช้รังสีเอกซ์หรือรังสีแกมมาในการสร้างภาพตัดขวางของรอยเชื่อมบนฟิล์มหรือตัวตรวจจับดิจิทัล วิธีนี้ยังคงเป็นวิธีการอ้างอิงสำหรับการตรวจจับข้อบกพร่องเชิงปริมาตร กลุ่มรูพรุน สิ่งเจือปนของตะกรัน และการเชื่อมที่ไม่สมบูรณ์ตลอดความหนาของรอยเชื่อม การตรวจสอบด้วยรังสีเอกซ์เป็นข้อกำหนดของ AWS D1.1 สำหรับชิ้นส่วนที่มีความเสี่ยงต่อการแตกหัก และโดย ASME Section IX สำหรับรอยเชื่อมที่รับแรงดันบางประเภท การถ่ายภาพรังสีดิจิทัล (DR) และการถ่ายภาพเอกซเรย์คอมพิวเตอร์ (CT) ได้ลดเวลาในการประมวลผลฟิล์มจากหลายชั่วโมงเหลือเพียงไม่กี่นาที และรองรับการสร้างภาพสามมิติเชิงปริมาตรสำหรับรูปทรงรอยเชื่อมที่ซับซ้อน
การทดสอบอนุภาคแม่เหล็ก (MT)
MT ตรวจจับความไม่ต่อเนื่องบนพื้นผิวและใกล้พื้นผิว (รอยแตก รอยต่อ รอยเชื่อมเย็น) ในวัสดุเฟอร์โรแมกเนติกโดยการเหนี่ยวนำสนามแม่เหล็กและใช้สารแขวนลอยอนุภาคเฟอร์โรแมกเนติก ความไม่ต่อเนื่องที่ตั้งฉากกับเส้นสนามแม่เหล็กจะทำให้เกิดการสะสมของอนุภาคอย่างเห็นได้ชัด MT มีความรวดเร็ว พกพาได้ และราคาไม่แพง ทำให้เป็นวิธีการตรวจสอบเบื้องต้นมาตรฐานสำหรับรอยเชื่อมมุมและรอยเชื่อมร่องในการผลิตเหล็กโครงสร้าง MT ไม่สามารถตรวจสอบเหล็กกล้าไร้สนิมออสเทนิติกหรืออะลูมิเนียม (วัสดุที่ไม่ใช่เฟอร์โรแมกเนติก) และตรวจจับได้เฉพาะความไม่ต่อเนื่องที่แตกหักหรือเข้าใกล้พื้นผิวเท่านั้น
การทดสอบสารแทรกซึมสีย้อม (PT)
การตรวจสอบด้วยวิธี PT (Protocol Transforming) ใช้ของเหลวที่มีความหนืดต่ำทาลงบนพื้นผิวรอยเชื่อมที่ทำความสะอาดแล้ว แรงดึงดูดของเส้นเลือดฝอยจะดึงของเหลวนั้นเข้าไปในรอยแตกที่เปิดอยู่บนพื้นผิว หลังจากระยะเวลาที่กำหนดแล้ว จะใช้สารเร่งปฏิกิริยา (Developer) เพื่อดึงของเหลวนั้นออกมาให้เห็นได้ชัดเจน การตรวจสอบด้วยวิธี PT สามารถใช้ได้กับวัสดุทุกชนิด ไม่ว่าจะเป็นแม่เหล็ก สแตนเลส อลูมิเนียม ไทเทเนียม และเป็นวิธีการมาตรฐานในการตรวจจับรอยแตกที่พื้นผิวในรอยเชื่อมที่ไม่ใช่แม่เหล็ก วิธีนี้ต้องการพื้นผิวที่สะอาดและแห้ง และระยะเวลาในการทาที่ควบคุมได้ ทำให้ไม่เหมาะสำหรับการตรวจสอบแบบต่อเนื่องในปริมาณมาก แต่ใช้งานได้จริงสำหรับการตรวจสอบเป็นระยะในชิ้นงานตัวอย่าง
การทดสอบภาพ (VT)
การตรวจสอบด้วยภาพ (VT) เป็นวิธีการตรวจสอบที่ง่ายที่สุด ต้นทุนต่ำที่สุด และเป็นวิธีแรกที่ใช้กัน ผู้ตรวจสอบที่ผ่านการฝึกอบรมจะตรวจสอบพื้นผิวรอยเชื่อมเพื่อหาข้อบกพร่องที่มองเห็นได้ เช่น รอยบาก รอยซ้อนทับ รอยแตกบนพื้นผิว การเติมไม่เต็ม และรูปทรงของรอยเชื่อมเทียบกับเกจหรือแม่แบบอ้างอิง ข้อกำหนด AWS D1.1 ข้อ 6 กำหนดให้ใช้การตรวจสอบด้วยภาพ (VT) กับรอยเชื่อมทั้งหมดก่อนที่จะใช้วิธีการตรวจสอบแบบไม่ทำลาย (NDT) อื่นๆ ระบบตรวจสอบด้วยภาพ AI นั้น ในแง่ของการทำงานแล้ว เป็นรูปแบบการตรวจสอบด้วยภาพ (VT) แบบอัตโนมัติและมีอุปกรณ์วัด ซึ่งขยายขอบเขตให้ครอบคลุม 100% มีเกณฑ์ที่สม่ำเสมอ และมีการบันทึกข้อมูลอย่างเป็นระบบ
ส่วนที่ 4 — การจำแนกประเภทข้อบกพร่อง: การจัดระดับตามมาตรฐาน ISO 6520-1 และ ISO 5817
มาตรฐาน ISO 6520-1 กำหนดระบบการจำแนกประเภทอ้างอิงสำหรับความไม่สมบูรณ์ของการเชื่อม โดยจัดกลุ่มความไม่สมบูรณ์เหล่านั้นออกเป็นหกกลุ่มตามประเภท มาตรฐาน ISO 5817 จะกำหนดระดับการยอมรับให้กับความไม่สมบูรณ์แต่ละประเภท ได้แก่ ระดับ B (เข้มงวดที่สุด), C (ปานกลาง) และ D (เข้มงวดน้อยที่สุด) โดยพิจารณาจากข้อจำกัดด้านมิติ โมเดล AI ที่ได้รับการฝึกฝนโดยใช้หมวดหมู่ของ ISO 6520-1 จะสร้างผลลัพธ์ที่สอดคล้องกับการตัดสินใจยอมรับ/ปฏิเสธใน ISO 5817 โดยตรง
กลุ่มข้อบกพร่องตามมาตรฐาน ISO 6520-1
| กลุ่ม (ช่วงหมายเลข) | ประเภทความไม่สมบูรณ์แบบ | ตัวอย่างทั่วไป | วิธีการตรวจจับทั่วไป |
|---|---|---|---|
| กลุ่ม 1 (100s) | รอยแตก | รอยแตกตามยาว (101), รอยแตกตามขวาง (102), รอยแตกร้อน (104), รอยแตกรูปหลุม (107) | UT, RT, MT, PT, การมองเห็นด้วย AI (รอยแตกบนพื้นผิว) |
| กลุ่ม 2 (200s) | ฟันผุ | ความพรุน (2011), รูหนอน (2015), ความพรุนของพื้นผิว (2017), โพรงหดตัว (202) | RT (การวัดปริมาตร), UT, AI vision (รูพรุนบนพื้นผิว) |
| กลุ่ม 3 (300s) | สิ่งเจือปนที่เป็นของแข็ง | สิ่งเจือปนตะกรัน (301), สิ่งเจือปนฟลักซ์ (302), สิ่งเจือปนออกไซด์ (3041), สิ่งเจือปนโลหะ (304) | RT, UT (PAUT สำหรับสิ่งเจือปนขนาดใหญ่) |
| กลุ่ม 4 (400s) | ขาดการหลอมรวมและการแทรกซึม | ขาดการหลอมรวม (401), การแทรกซึมไม่สมบูรณ์ (402), ขาดการแทรกซึมของราก (4021) | UT (PAUT), RT; การมองเห็นด้วย AI บนใบหน้าหลัก (การเข้าถึงจำกัด) |
| กลุ่ม 5 (500s) | รูปทรงและขนาดไม่สมบูรณ์ | การตัดใต้ (5011), การทับซ้อน (5041), การเติมไม่เต็ม (5012), ความนูนมากเกินไป (503), การเยื้องศูนย์เชิงมุม (508) | ระบบ AI วิชั่น (การสร้างโปรไฟล์ลูกปัด 3 มิติ), VT, เกจวัด |
| กลุ่ม 6 (600s) | ข้อบกพร่องอื่นๆ | รอยอาร์ค (601), รอยกระเด็น (602), พื้นผิวฉีกขาด (6011), รอยขัด (6012) | VT, AI วิชั่น, MT |
ระดับการยอมรับ ISO 5817 ระดับ B, C, D
มาตรฐาน ISO 5817:2023 กำหนดระดับคุณภาพที่ยอมรับได้สามระดับสำหรับรอยเชื่อมแบบหลอมละลายในเหล็ก นิกเกิล ไทเทเนียม และอลูมิเนียม ระดับ D (คุณภาพปานกลาง) มีค่าความคลาดเคลื่อนของขนาดที่กว้างที่สุดและใช้สำหรับงานผลิตทั่วไป ระดับ C (คุณภาพระดับกลาง) เป็นมาตรฐานสำหรับงานโครงสร้างและงานผลิตทางอุตสาหกรรมส่วนใหญ่ ระดับ B (คุณภาพเข้มงวด) ใช้กับโครงสร้างที่สำคัญต่อความปลอดภัย อุปกรณ์รับแรงดัน และโครงสร้างหลักของยานยนต์ ซึ่งมีความต้องการความต้านทานต่อความล้าและการแตกหักสูง
ตัวอย่างที่เป็นรูปธรรม: รอยบาก (ประเภท 5011) ที่มีความลึก 0.5 มม. เป็นที่ยอมรับได้ที่ระดับ D อยู่ในเกณฑ์ที่ยอมรับได้ที่ระดับ C (ซึ่งขีดจำกัดคือ 0.5 มม. สำหรับรอยเชื่อมชน) และถูกปฏิเสธที่ระดับ B (ขีดจำกัด 0.25 มม. สำหรับรอยเชื่อมชน) ระบบวิชั่น AI ที่กำหนดค่าสำหรับระดับการยอมรับเฉพาะ จะตั้งค่าเกณฑ์การตรวจจับให้ตรงกับขีดจำกัดมิติในตารางที่เกี่ยวข้องของ ISO 5817 ทำให้สามารถตัดสินใจผ่าน/ไม่ผ่านได้โดยอัตโนมัติ
ส่วนที่ 5 — การเทียบเคียงเกณฑ์การยอมรับ: AWS D1.1, EN 15085 และ ISO 3834
นอกเหนือจากมาตรฐาน ISO 5817 แล้ว ผู้ผลิตที่ทำงานตามมาตรฐานเฉพาะอุตสาหกรรมจะต้องจัดทำแผนการตรวจสอบให้สอดคล้องกับเกณฑ์การยอมรับในมาตรฐานเหล่านั้น ตารางด้านล่างสรุปมาตรฐานหลักและขอบเขตคุณภาพสำหรับการใช้งานการเชื่อมด้วยหุ่นยนต์
| รหัส / มาตรฐาน | ขอบเขตการใช้งาน | ข้อกำหนดด้านภาพ (VT) | ข้อกำหนด RT / UT | การอ้างอิงระดับคุณภาพ |
|---|---|---|---|---|
| มาตรฐาน AWS D1.1 (เหล็กโครงสร้าง) | การผลิตและติดตั้งโครงสร้างเหล็กในอเมริกาเหนือ | รับประกัน 100% สำหรับรอยเชื่อมทั้งหมด (ข้อ 6) | RT หรือ UT บนชิ้นส่วนรับแรงดึง CJP และชิ้นส่วนที่มีความเสี่ยงต่อการแตกหัก | การยอมรับตามประเภทข้อต่อและประเภทการรับน้ำหนัก |
| AWS D1.2 (อะลูมิเนียม) | การเชื่อมโครงสร้างอะลูมิเนียม | VT 100% | RT หรือ UT ขึ้นอยู่กับประเภทของข้อต่อ; การถ่ายภาพรังสีเป็นวิธีที่เหมาะสมกว่าสำหรับข้อต่ออะลูมิเนียมบาง | วิธีการจัดหมวดหมู่ที่คล้ายคลึงกับ D1.1 ที่ปรับใช้สำหรับโครงสร้างจุลภาคของอะลูมิเนียม |
| AWS D1.6 (สแตนเลส) | การเชื่อมโครงสร้างสแตนเลส | VT 100% | RT หรือ PT (MT ใช้ไม่ได้กับเกรดออสเทนิติก) | เกณฑ์ต่างๆ พิจารณาถึงความเสี่ยงต่อการเกิดปฏิกิริยาแพ้ในบริเวณใกล้เคียง HAZ |
| EN 15085 (ยานพาหนะทางราง) | การเชื่อมประกอบรถไฟและชิ้นส่วนต่างๆ | 100% สำหรับข้อต่อที่สำคัญต่อความปลอดภัยระดับ CL1 | RT หรือ PAUT 100% บนข้อต่อ CL1; การสุ่มตัวอย่างบน CL2/CL3 | มาตรฐาน ISO 5817 ระดับ B สำหรับ CL1; ระดับ C หรือ D สำหรับระดับความสำคัญที่ต่ำกว่า |
| ISO 3834 (ข้อกำหนดด้านคุณภาพ) | กรอบมาตรฐานสำหรับการจัดการคุณภาพการเชื่อมแบบหลอมรวม; อ้างอิงโดย EN 1090, EN 15085 และอื่นๆ | ตามมาตรฐานผลิตภัณฑ์ที่อ้างอิง | ตามมาตรฐานผลิตภัณฑ์ที่อ้างอิง | ISO 3834-2 (แบบครอบคลุม), -3 (แบบมาตรฐาน), -4 (แบบพื้นฐาน) |
| มาตรฐาน ASME หมวด IX (ภาชนะรับแรงดัน) | หม้อไอน้ำ ภาชนะรับแรงดัน และท่อส่งในสหรัฐอเมริกาและทั่วโลก (อ้างอิงจาก) | ตามมาตรฐานการก่อสร้าง (ASME VIII Div.1) | RT เป็นสิ่งจำเป็นสำหรับข้อต่อหมายเลข P ที่เกินเกณฑ์ความดันใน Div.1 | ไม่มีการจับคู่โดยตรงกับ ISO 5817 เกณฑ์การยอมรับของ ASME QW และ UW มีผลบังคับใช้ |
ตามมาตรฐานของสมาคมการเชื่อมแห่งอเมริกา (AWS D1.1:2020, ข้อ 6.9) การเชื่อมทั้งหมดต้องได้รับการตรวจสอบด้วยสายตา (Visual Testing หรือ VT) ก่อนที่จะทำการตรวจสอบแบบไม่ทำลายอื่นๆ ข้อกำหนดนี้ทำให้ VT — และโดยเฉพาะอย่างยิ่งการตรวจสอบด้วยระบบ AI อัตโนมัติ ซึ่งเป็นส่วนเสริมของการตรวจสอบด้วยเครื่องมือ — เป็นด่านแรกที่บังคับใช้ในกระบวนการตรวจสอบทั้งหมด ไม่ใช่ส่วนเสริมที่ไม่จำเป็น การทำงานของหุ่นยนต์เชื่อมที่บันทึกผลการตรวจสอบด้วยระบบ AI 100% ต่อรอยเชื่อมแต่ละจุดนั้น ตรงตามเจตนารมณ์ของการบันทึกเอกสารในข้อนี้ ในขณะเดียวกันก็สร้างบันทึกคุณภาพที่ตรวจสอบได้สำหรับแต่ละล็อตการผลิต
ส่วนที่ 6 — ผลตอบแทนจากการลงทุน (ROI) ในการนำ AI มาใช้กับระบบคุณภาพการเชื่อม
ข้อดีทางธุรกิจของการเพิ่มระบบตรวจสอบด้วยภาพ AI เข้าไปในเซลล์การเชื่อมด้วยหุ่นยนต์ที่มีอยู่เดิมนั้น มาจากการปรับปรุงที่วัดผลได้สามประการ ได้แก่ อัตราการตรวจจับข้อบกพร่องที่สูงขึ้น อัตราผลบวกเท็จที่ลดลงซึ่งช่วยลดของเสียที่ไม่จำเป็น และความถี่ในการตรวจสอบแบบไม่ทำลาย (NDT) ในขั้นตอนถัดไปที่ลดลงสำหรับล็อตการผลิตที่ผ่านการคัดกรองอัตโนมัติ
อัตราการตรวจจับเพิ่มสูงขึ้น
การตรวจสอบด้วยสายตา (VT) ด้วยมือโดยผู้ตรวจสอบที่มีคุณสมบัติเหมาะสม ซึ่งผ่านการฝึกอบรมมาแล้ว สำหรับชิ้นงานเชื่อมด้วยหุ่นยนต์ สามารถทำได้ด้วยความเร็วในการผลิต ทำให้ตรวจพบข้อบกพร่องบนพื้นผิวและใกล้พื้นผิวได้ประมาณ 87% ซึ่งตัวเลขนี้จะลดลงอีกในช่วงท้ายกะและภายใต้แรงกดดันการผลิตสูง ในขณะที่ระบบวิชั่น AI ที่ติดตั้งในเซลล์การเชื่อมด้วยหุ่นยนต์ สามารถตรวจพบข้อบกพร่องประเภทเดียวกันได้ 96–99% อย่างสม่ำเสมอ โดยอิงจากข้อมูลการใช้งานในอุตสาหกรรม ช่องว่างดังกล่าว 9 ถึง 12 เปอร์เซ็นต์ ส่งผลโดยตรงต่ออัตราการหลุดรอดของข้อบกพร่องบนพื้นผิวที่ไปถึงขั้นตอนการประกอบหรือการส่งมอบให้กับลูกค้า
ต้นทุนของอุปกรณ์ฮาร์ดแวร์สำหรับการมองเห็น
ต้นทุนฮาร์ดแวร์เพิ่มเติมสำหรับการเพิ่มระบบ AI วิชั่นหลังการเชื่อมลงในเซลล์ที่มีอยู่ (เครื่องวัดโปรไฟล์เลเซอร์ 3 มิติ, คอมพิวเตอร์อุตสาหกรรมพร้อมการประมวลผลแบบ Edge Inference, ซอฟต์แวร์การรวมระบบ) อยู่ที่ 25,000 ถึง 55,000 ดอลลาร์สหรัฐ สำหรับการกำหนดค่าการวัดโปรไฟล์รอยเชื่อมหลังการเชื่อม การเพิ่มการสแกนรอยต่อก่อนการเชื่อมบนแพลตฟอร์มฮาร์ดแวร์เดียวกันจะเพิ่มต้นทุน 5,000 ถึง 15,000 ดอลลาร์สหรัฐ การตรวจสอบบ่อหลอมเหลวแบบครบวงจรในระหว่างกระบวนการด้วยกล้องความเร็วสูงและเทอร์โมกราฟีอินฟราเรดเป็นชั้นที่มีต้นทุนสูงที่สุด โดยเพิ่มต้นทุน 10,000 ถึง 25,000 ดอลลาร์สหรัฐ และส่วนใหญ่จะระบุไว้สำหรับการเชื่อมในอุตสาหกรรมการบินและอวกาศ ภาชนะรับแรงดัน และรางรถไฟที่สำคัญต่อความปลอดภัย มากกว่าการผลิตทั่วไป เมื่อรวมกันแล้ว ชุดระบบ AI วิชั่นแบบสามเฟสเต็มรูปแบบในเซลล์เดียวจะมีต้นทุนเพิ่มขึ้น 40,000 ถึง 80,000 ดอลลาร์สหรัฐ เมื่อเทียบกับเซลล์หุ่นยนต์พื้นฐาน
คนขับรถจ่ายเงินคืน
ในโรงงานผลิตโครงสร้างขนาดกลางที่ผลิตรอยเชื่อมตรวจสอบ 300 ชิ้นต่อกะ การเพิ่มอัตราการตรวจจับจาก 87% เป็น 97% จะช่วยป้องกันการหลุดรอดของข้อบกพร่องได้ประมาณ 30 ชิ้นต่อรอยเชื่อม 1,000 ชิ้น โดยมีต้นทุนเฉลี่ย 75 ดอลลาร์ต่อการแก้ไขงานที่ตรวจพบในกระบวนการผลิต (เทียบกับ 400 ดอลลาร์ขึ้นไปต่อการหลุดรอดไปยังการประกอบในขั้นตอนถัดไป) การประหยัดจากข้อบกพร่องเพียงอย่างเดียวจะสร้างรายได้ประมาณ 50,000 ถึง 120,000 ดอลลาร์ต่อปีต่อหน่วยการผลิต ขึ้นอยู่กับปริมาณการผลิตและต้นทุนการแก้ไขงาน การคืนทุนจากฮาร์ดแวร์ระบบวิชั่นมูลค่า 50,000 ดอลลาร์จะเกิดขึ้นภายใน 6-14 เดือนภายใต้พารามิเตอร์เหล่านี้ การลดความถี่ในการตรวจสอบแบบไม่ทำลาย (NDT) เมื่อข้อมูลความสามารถของกระบวนการจากระบบวิชั่นสนับสนุนแผนการสุ่มตัวอย่างที่ลดลงซึ่งตกลงกับลูกค้า จะช่วยประหยัดค่าใช้จ่ายเพิ่มเติมได้ตามการใช้งานเฉพาะด้าน
ในทางปฏิบัติ ตัวแปรสำคัญที่สุดในการติดตั้งใช้งานไม่ใช่ฮาร์ดแวร์ด้านการมองเห็นเอง แต่เป็นคุณภาพของไลบรารีของกระบวนการที่ใช้ตรวจสอบ เซลล์ที่ทำงานตามข้อกำหนดขั้นตอนการเชื่อม (WPS) ที่มีคุณภาพ มีความเสถียรในการติดตั้งอุปกรณ์ และมีการจัดการวัสดุสิ้นเปลืองที่สม่ำเสมอ จะได้รับประโยชน์จากอัตราการตรวจจับสูงสุดจากระบบ AI ด้านการมองเห็น เซลล์ที่มีความแปรปรวนของกระบวนการสูงจะสร้างอัตราการตรวจจับผิดพลาดสูงขึ้น เนื่องจากแบบจำลองไม่สามารถแยกแยะข้อบกพร่องที่แท้จริงออกจากความเบี่ยงเบนของพารามิเตอร์ที่เกิดจากปลายสัมผัสที่สึกหรอหรือการปรับเทียบแหล่งจ่ายไฟที่เปลี่ยนแปลงไป การแก้ไขปัญหาความเสถียรของกระบวนการก่อน แล้วจึงเพิ่มระบบ AI ด้านการมองเห็นเป็นชั้นการตรวจสอบ จะให้ผลลัพธ์ที่ดีกว่าการเพิ่มระบบการมองเห็นเข้าไปในกระบวนการที่สร้างรอยเชื่อมที่อยู่ในเกณฑ์ก้ำกึ่งอยู่แล้ว
สถาปัตยกรรม QC ห้าขั้นตอน: จากเซ็นเซอร์สู่ MES
สถาปัตยกรรม QC ที่พร้อมใช้งานสำหรับการผลิตจะเชื่อมโยงชั้นการตรวจสอบที่อธิบายไว้ข้างต้นเข้ากับกระแสข้อมูลที่เคลื่อนจากเซ็นเซอร์ไปยังการตัดสินใจด้านคุณภาพและบันทึกการผลิต สถาปัตยกรรมห้าขั้นตอนด้านล่างนี้ใช้ได้กับเซลล์การเชื่อมด้วยหุ่นยนต์ ตั้งแต่การกำหนดค่าสถานีเดียวไปจนถึงสายการผลิตหลายสถานี
- ชั้นเซนเซอร์ เซ็นเซอร์ตรวจสอบกระบวนการแบบอินไลน์ (รูปคลื่นแรงดัน/กระแสไฟฟ้าของอาร์ค อัตราการป้อนลวด การไหลของก๊าซ) สแกนเนอร์เลเซอร์ก่อนการเชื่อม กล้องความเร็วสูงระหว่างกระบวนการ (อุปกรณ์เสริม) และเครื่องวัดโปรไฟล์ 3 มิติหลังการเชื่อม แต่ละตัวจะสร้างกระแสข้อมูลที่มีการประทับเวลาและติดแท็กไปยังรหัสข้อต่อ EtherCAT ที่ความถี่ 1 kHz จะซิงโครไนซ์เซ็นเซอร์พารามิเตอร์ของอาร์คกับข้อมูลตำแหน่งของตัวควบคุมหุ่นยนต์ ทำให้สามารถสร้างแผนที่เชิงพื้นที่ของความผิดปกติของรูปคลื่นไปยังตำแหน่งที่แน่นอนตามแนวรอยเชื่อมได้
- การอนุมานขอบ โมดูลประมวลผลแบบ Edge Compute (พีซีอุตสาหกรรมหรือบอร์ดเร่งความเร็ว AI โดยเฉพาะ) จะทำการประมวลผลแบบเรียลไทม์กับสัญญาณกระบวนการและข้อมูลภาพ แบบจำลองการจำแนกประเภทจะระบุข้อต่อที่น่าสงสัยภายในเวลาการเคลื่อนย้ายหุ่นยนต์ระหว่างข้อต่อหนึ่งครั้ง ซึ่งโดยทั่วไปคือ 2-5 วินาที เพื่อให้ผู้ปฏิบัติงานได้รับการแจ้งเตือนก่อนที่หุ่นยนต์จะเคลื่อนไปยังข้อต่อถัดไป ทำให้สามารถแก้ไขปัญหาได้ในระหว่างกระบวนการผลิต แทนที่จะต้องแก้ไขหลังจากการผลิตเสร็จสิ้นแล้ว
- การจำแนกประเภทข้อบกพร่อง รอยต่อที่พบข้อบกพร่องจะถูกจำแนกตามประเภทของข้อบกพร่องโดยใช้ระบบการจำแนกประเภท ISO 6520-1 และความรุนแรงจะถูกเปรียบเทียบกับระดับการยอมรับ ISO 5817 ที่เกี่ยวข้อง (B, C หรือ D) ซึ่งกำหนดไว้สำหรับใบสั่งผลิต รอยต่อที่เกินเกณฑ์การยอมรับจะถูกบันทึกว่าเป็นข้อบกพร่องที่ไม่เป็นไปตามมาตรฐาน รอยต่อที่อยู่ในขอบเขตที่ก้ำกึ่งจะถูกส่งต่อไปยังการตรวจสอบซ้ำด้วยตนเองหรือการตรวจสอบแบบไม่ทำลาย (NDT) ขึ้นอยู่กับแผนคุณภาพ
- บันทึกการตรวจสอบย้อนกลับ ข้อมูลการอ่านค่าจากเซ็นเซอร์ ภาพจากระบบวิชั่น ผลการจำแนกประเภท และการตัดสินใจของผู้ปฏิบัติงานทั้งหมดจะถูกบันทึกไว้ในบันทึกการตรวจสอบย้อนกลับที่เชื่อมโยงกับรหัสข้อต่อ หมายเลขซีเรียลของชิ้นส่วน และล็อตการผลิต บันทึกนี้สนับสนุนทั้งการวิเคราะห์คุณภาพภายใน (การตรวจจับแนวโน้ม การเพิ่มประสิทธิภาพพารามิเตอร์) และข้อกำหนดการตรวจสอบจากลูกค้าหรือหน่วยงานกำกับดูแลภายใต้มาตรฐาน ISO 3834 หรือ EN 15085
- การบูรณาการระบบ MES บันทึกการตรวจสอบย้อนกลับจะส่งข้อมูลไปยังระบบการจัดการการผลิต (MES) แบบเรียลไทม์ เพื่ออัปเดตสถานะคุณภาพของล็อตการผลิต ระบุคำสั่งแก้ไข และกระตุ้นการกำหนดตารางการตรวจสอบแบบไม่ทำลาย (NDT) สำหรับล็อตที่ต้องมีการสุ่มตัวอย่างตามข้อกำหนด การบูรณาการแบบสองทิศทางช่วยให้ MES สามารถส่งพารามิเตอร์ขั้นตอนการเชื่อม (การตั้งค่า WPS) ไปยังตัวควบคุมหุ่นยนต์เมื่อเปลี่ยนงาน ซึ่งช่วยลดความเสี่ยงของการเลือกพารามิเตอร์ที่ไม่ถูกต้องในสายการผลิตหลายผลิตภัณฑ์
ซัพพลายเออร์ชั้นนำจัดการกับ QC Stack อย่างไร
FANUC, ABB และ KUKA ต่างได้บูรณาการระบบบันทึกข้อมูลและตรวจสอบพารามิเตอร์เข้ากับตัวควบคุมหุ่นยนต์เชื่อมของตน โดยชุดซอฟต์แวร์ WeldGuide และ SmartPower ของ ABB และโมดูล ArcSense ของ KUKA เป็นตัวอย่างของการใช้งานที่ครบวงจรสำหรับสายการผลิตชิ้นส่วนยานยนต์ระดับ Tier 1 Yaskawa Motoman รวมระบบตรวจสอบกระบวนการเชื่อมเฉพาะงานไว้ในซอฟต์แวร์ Weld Navigator ส่วน ESTUN ได้เพิ่มความสามารถในการตรวจสอบการเชื่อมแบบเรียลไทม์ให้กับเซลล์เชื่อมขนาดกลางสำหรับตลาดการผลิตทั่วไป
EVST แก้ปัญหาการควบคุมคุณภาพแบบครบวงจรด้วยระบบเชื่อม EVS-AI ซึ่งผสานรวมการจดจำภาพ 3 มิติ ไลบรารีของกระบวนการเชื่อม RX (พารามิเตอร์ที่ผ่านการรับรองสำหรับประเภทข้อต่อและวัสดุทั่วไป) และการซิงโครไนซ์เซ็นเซอร์ EtherCAT 1 kHz เพื่อให้ข้อมูลพารามิเตอร์การเชื่อมและตำแหน่งของหุ่นยนต์อยู่ในแนวเดียวกันอย่างแม่นยำ ระบบการเรียนรู้ด้วยตนเองจะปรับปรุงพารามิเตอร์การเชื่อมตลอดการผลิตโดยไม่ต้องทำการสอนซ้ำด้วยตนเอง ซึ่งช่วยลดความคลาดเคลื่อนระหว่างพารามิเตอร์กระบวนการที่ผ่านการรับรองและพารามิเตอร์การผลิตจริง ซึ่งเป็นสาเหตุทั่วไปของการสะสมข้อบกพร่องเล็กน้อยในการผลิตระยะยาว เซลล์การเชื่อมของ EVST ได้รับการรับรองจากหน่วยงานภายนอก CE, SGS และ TUV ซึ่งตรงตามข้อกำหนดด้านเอกสารสำหรับการตรวจสอบระบบคุณภาพ ISO 3834 และ EN 15085 ในตลาดส่งออก แพลตฟอร์มหุ่นยนต์พื้นฐานซึ่งผลิตภายใต้กระบวนการคุณภาพระดับยานยนต์ IATF16949 ครอบคลุมช่วงน้ำหนักบรรทุกทั้งหมด ตั้งแต่แขนเชื่อมแบบร่วมมือไปจนถึงการกำหนดค่าอุตสาหกรรมสำหรับงานหนัก ครอบคลุมช่วงขนาดของชิ้นงานเชื่อมที่สายการผลิตที่ต้องการคุณภาพสูงมักต้องการ EVST ให้บริการสนับสนุนด้านวิศวกรรมภาคสนามในกว่า 100 ประเทศ ซึ่งเป็นปัจจัยสำคัญเมื่อการสอบเทียบและการสอบเทียบซ้ำของระบบควบคุมคุณภาพหลังจากการเปลี่ยนแปลงอุปกรณ์หลักจำเป็นต้องได้รับความช่วยเหลือทางเทคนิคในสถานที่
สำหรับผู้ซื้อที่ประเมินภาพรวมการบูรณาการอย่างครบวงจร ตั้งแต่แขนหุ่นยนต์และอุปกรณ์จัดตำแหน่ง ไปจนถึงระบบควบคุมคุณภาพ (QC stack) คู่มือส่วนประกอบและการบูรณาการของเซลล์เชื่อมด้วยหุ่นยนต์ เนื้อหาครอบคลุมสถาปัตยกรรมของเซ็นเซอร์และฟิลด์บัสอย่างละเอียด การสร้างแบบจำลอง ROI สำหรับการลงทุนทั้งหมดในเซลล์ รวมถึงการประหยัดจากอัตราข้อบกพร่อง จะกล่าวถึงในส่วนนี้ด้วย การวิเคราะห์ผลตอบแทนจากการลงทุนและระยะเวลาคืนทุนของเซลล์เชื่อมด้วยหุ่นยนต์.
จากรายงาน IFR World Robotics 2025 ของสหพันธ์หุ่นยนต์นานาชาติ (International Federation of Robotics) พบว่า การเชื่อมโลหะคิดเป็นประมาณ 23% ของการติดตั้งหุ่นยนต์อุตสาหกรรมทั้งหมดทั่วโลก และส่วนแบ่งของการติดตั้งเซลล์การเชื่อมใหม่ที่รวมการตรวจสอบคุณภาพแบบเรียลไทม์และการตรวจสอบด้วยระบบวิชั่นได้เติบโตขึ้นอย่างมีนัยสำคัญควบคู่ไปกับการผลักดันไปสู่การผลิตที่ขับเคลื่อนด้วยข้อมูลในวงกว้าง แนวโน้มการนำไปใช้ดังกล่าวสะท้อนให้เห็นถึงความพร้อมของฮาร์ดแวร์ประมวลผลแบบ Edge Computing ที่ราคาไม่แพง และข้อกำหนดด้านเอกสารคุณภาพของลูกค้าที่เข้มงวดมากขึ้น ซึ่งเป็นปัจจัยที่ผลักดันให้การตรวจสอบการเชื่อมด้วย AI จากการนำไปใช้เฉพาะในอุตสาหกรรมยานยนต์ไปสู่การผลิตโครงสร้างทั่วไป
เอกสารอ่านเพิ่มเติมและแหล่งข้อมูลภายในที่เกี่ยวข้อง
- คู่มือฉบับสมบูรณ์เกี่ยวกับการเชื่อมโลหะด้วยหุ่นยนต์อัตโนมัติ (2026)บทความหลักที่ครอบคลุมการเลือกกระบวนการ การออกแบบเซลล์ และภาพรวมการใช้งานการเชื่อมอย่างครบวงจร
- 10 อันดับแบรนด์หุ่นยนต์เชื่อมชั้นนำ (ปี 2026)การเปรียบเทียบ OEM ในด้านการรองรับการบูรณาการ ช่วงน้ำหนักบรรทุก และความครอบคลุมของบริการในแต่ละภูมิภาค
- ส่วนประกอบและการบูรณาการของเซลล์การเชื่อมด้วยหุ่นยนต์ (2026)ชั้นเซ็นเซอร์ สถาปัตยกรรมฟิลด์บัส ประเภทตัวกำหนดตำแหน่ง และลำดับการทดสอบระบบ
- การเชื่อม MIG เทียบกับการเชื่อม TIG เทียบกับการเชื่อมด้วยหุ่นยนต์เลเซอร์ (2026)คู่มือการเลือกกระบวนการพร้อมข้อแลกเปลี่ยนด้านคุณภาพและต้นทุนตามประเภทของข้อต่อ
- มาตรฐานความปลอดภัยของหุ่นยนต์อุตสาหกรรม: ISO 10218 และเครื่องหมาย CE (2026)ข้อกำหนดระบบความปลอดภัยสำหรับเซลล์การเชื่อมด้วยหุ่นยนต์
คำถามที่พบบ่อย (FAQs)
การตรวจสอบด้วยระบบ AI Vision สามารถใช้แทนการตรวจสอบแบบไม่ทำลาย (NDT) แบบดั้งเดิมในการเชื่อมด้วยหุ่นยนต์ได้หรือไม่?
ไม่ทั้งหมด การตรวจสอบด้วยระบบ AI Vision ครอบคลุมข้อบกพร่องบนพื้นผิวและใกล้พื้นผิวได้ 100% ของการผลิต เช่น รอยบาก รอยซ้อนทับ รูพรุนบนพื้นผิว และความเบี่ยงเบนของรูปทรงรอยเชื่อม แต่ไม่สามารถตรวจจับข้อบกพร่องใต้พื้นผิวแบบสามมิติที่ PAUT หรือ RT ตรวจพบได้ สำหรับรอยเชื่อมที่สำคัญต่อความปลอดภัยภายใต้มาตรฐาน AWS D1.1, ASME Section IX หรือ EN 15085 ข้อกำหนด NDT หลังการเชื่อมจะถูกกำหนดโดยมาตรฐานที่เกี่ยวข้องและยังคงเป็นข้อบังคับ การกำหนดค่าที่ถูกต้องคือการใช้ AI Vision สำหรับการคัดกรองแบบเรียลไทม์ 100% บวกกับ NDT ที่กำหนดโดยมาตรฐานสำหรับรอยเชื่อมที่ถูกทำเครื่องหมายหรือล็อตตัวอย่างที่จำเป็น
ฉันจำเป็นต้องทำการทดสอบด้วยรังสี (RT) กับงานเชื่อมด้วยหุ่นยนต์เมื่อใด?
การตรวจสอบด้วยรังสีอัลตราไวโอเลต (RT) เป็นข้อกำหนดตามกฎหมายสำหรับรอยเชื่อมเฉพาะประเภท โดยไม่คำนึงถึงวิธีการผลิต มาตรฐาน AWS D1.1 กำหนดให้ใช้ RT หรือ UT กับรอยเชื่อมแบบร่องทะลุรอยเชื่อมทั้งหมดในชิ้นส่วนรับแรงดึงของการเชื่อมต่อโครงสร้างหลัก และกับรอยเชื่อมทั้งหมดในชิ้นส่วนที่มีความเสี่ยงต่อการแตกหัก มาตรฐาน ASME Section IX กำหนดให้ใช้ RT กับรอยเชื่อมที่รับแรงดันที่สูงกว่าเกณฑ์การใช้งานที่กำหนด มาตรฐาน EN 15085 CL1 สำหรับการเชื่อมรางรถไฟ กำหนดให้ใช้ RT หรือ UT 100% กับรอยเชื่อมที่มีความสำคัญต่อความปลอดภัย ความสามารถในการประมวลผลด้วยหุ่นยนต์ที่แสดงให้เห็น (ข้อมูล Cpk) อาจช่วยสนับสนุนแผนการสุ่มตัวอย่าง RT ที่ลดลงได้ โดยต้องได้รับการอนุมัติจากหน่วยงานที่กำหนดมาตรฐาน แต่ต้องมีเอกสารรับรองคุณสมบัติอย่างเป็นทางการ
ฉันจะควบคุมผลลัพธ์ที่ผิดพลาดจากระบบตรวจสอบรอยเชื่อมด้วย AI ได้อย่างไร?
อัตราผลบวกเท็จขึ้นอยู่กับคุณภาพของชุดข้อมูลฝึกฝน การปรับเทียบเกณฑ์การตัดสินใจ และความเสถียรของสภาพแวดล้อมที่กล้อง ปรับเทียบเกณฑ์การตัดสินใจให้ตรงกับอัตราผลบวกเท็จที่ยอมรับได้ของคุณ ซึ่งโดยทั่วไปคือ 2–5% โดยตรวจสอบกับชุดข้อมูลทดสอบที่ครอบคลุมรูปทรงการเชื่อมและสภาพพื้นผิวจริงของคุณ ควบคุมสภาพแวดล้อมการตรวจสอบ: การจัดวางชิ้นส่วนที่สม่ำเสมอ การป้องกันกล้องจากแสงอาร์คอย่างมั่นคง (สำหรับกล้องระหว่างกระบวนการ) และแสงสว่างที่สม่ำเสมอในเครื่องวัดโปรไฟล์หลังการเชื่อม ขั้นตอนการตรวจสอบสองขั้นตอน — AI แจ้งเตือน และผู้ปฏิบัติงานยืนยันภายใน 60 วินาที — ช่วยให้ต้นทุนการปฏิเสธผลบวกเท็จอยู่ในระดับที่จัดการได้โดยไม่ลดความครอบคลุมในการตรวจจับ
โมเดล AI สำหรับตรวจสอบรอยเชื่อมต้องการข้อมูลฝึกฝนอะไรบ้าง?
โมเดลระดับใช้งานจริงต้องการภาพรอยเชื่อมที่มีการระบุรายละเอียดหลายพันภาพต่อประเภทข้อบกพร่อง ครอบคลุมประเภทรอยต่อ วัสดุ และสภาพพื้นผิวที่เฉพาะเจาะจงของคุณ ชุดข้อมูลสาธารณะสามารถใช้เป็นข้อมูลเริ่มต้นในการฝึกอบรมได้ แต่โมเดลที่ฝึกด้วยข้อมูลทั่วไปจะมีประสิทธิภาพต่ำกว่าในสภาวะการผลิตเฉพาะ การใช้งานที่มีประสิทธิภาพสูงสุดจะผสมผสานการฝึกอบรมเบื้องต้นทั่วไปเข้ากับการปรับแต่งเฉพาะแอปพลิเคชันโดยใช้ตัวอย่างการผลิตที่มีการระบุรายละเอียด 500–2,000 ตัวอย่างต่อประเภทข้อบกพร่อง กระบวนการเรียนรู้แบบแอคทีฟ — ที่โมเดลจะระบุการคาดการณ์ที่ไม่แน่นอนเพื่อขอให้มนุษย์ติดป้ายกำกับ จากนั้นจึงฝึกอบรมใหม่ — จะช่วยลดภาระการรวบรวมข้อมูลอย่างต่อเนื่องเมื่อใช้งานโมเดลพื้นฐานแล้ว
การตรวจสอบด้วยระบบ AI Vision ช่วยเพิ่มประสิทธิภาพให้กับเซลล์การเชื่อมด้วยหุ่นยนต์ในด้านต้นทุนและการตรวจจับข้อบกพร่องได้อย่างไร?
ต้นทุนฮาร์ดแวร์ที่เพิ่มขึ้นมีตั้งแต่ 25,000 ถึง 80,000 ดอลลาร์ ขึ้นอยู่กับว่าจะรวมการสแกนก่อนการเชื่อม การตรวจสอบบ่อหลอมระหว่างกระบวนการ หรือการตรวจสอบโปรไฟล์รอยเชื่อมหลังการเชื่อมเท่านั้น อัตราการตรวจจับข้อบกพร่องบนพื้นผิวและใกล้พื้นผิวดีขึ้นจากประมาณ 87% สำหรับการตรวจสอบด้วยสายตาแบบแมนนวลที่ผ่านการฝึกฝน ไปเป็น 96–99% สำหรับระบบวิชั่น AI ที่ความเร็วในการผลิต โดยอิงจากข้อมูลการใช้งานในอุตสาหกรรม ระยะเวลาคืนทุนของฮาร์ดแวร์วิชั่นโดยทั่วไปอยู่ที่ 12–18 เดือนในการผลิตปริมาณปานกลางถึงสูง ผ่านการลดของเสีย การแก้ไขงาน และความถี่ในการตรวจสอบแบบไม่ทำลาย (NDT) ในขั้นตอนถัดไป
การอ้างอิงขาออก:
มาตรฐานการเชื่อมโครงสร้าง D1.1 ของสมาคมการเชื่อมแห่งอเมริกา (AWS) |
ISO 5817:2023 การเชื่อม: รอยเชื่อมแบบหลอมรวม ระดับคุณภาพ |
รายงาน IFR World Robotics 2025 |
ซอฟต์แวร์ Cognex VisionPro |
ซอฟต์แวร์วิชันซิสเต็ม MVTec HALCON