In diesem Artikel stellen wir das Echtzeit-Multisensor-Anomalieerkennungsmodul als Teil von RAMLAB's MaxQ.Wir werfen einen genaueren Blick auf die verschiedenen Sensoren, die in das System integriert sind, und erläutern dessen Funktionen, die sowohl für industrielle als auch für Forschungsanwendungen angepasst werden können.
Mechanische Prüfungen, Fehleranalysen und Mikrostrukturuntersuchungen werden bei vielen Herstellungsverfahren durchgeführt, nachdem ein Prototyp oder ein Werkstück fertiggestellt ist. Die Wahrscheinlichkeit, dass ein fehlerhaftes Teil hergestellt wird, steigt, wenn der Herstellungsprozess nicht überwacht und kontrolliert wurde - selbst wenn optimale Bedingungen herrschten. Bei einigen Prozessen kann der hohe Arbeitsaufwand zu menschlichem Versagen oder unbeabsichtigten Fehlern führen. Infolgedessen hängt die Qualität des Produkts in hohem Maße von den Fähigkeiten der Arbeiter:innen ab. Die Herstellung fehlerhafter Teile kann zu Materialverschwendung, übermäßigem Energieverbrauch, längerer Fertigungszeit und höheren Produktionskosten führen. Dies wird beim 3D-Metalldruck von Industriekomponenten kritisch.
RAMLAB arbeitet seit mehreren Jahren an der Automatisierung des robotergestützten Gas-Metall-Lichtbogenschweißens (WAAM) und der Entwicklung intelligenter Überwachungs- und Steuerungssysteme. Die Erkennung von Anomalien in Echtzeit während des Fertigungsprozesses ist ein wichtiger Schritt, um das Ziel der „First Time Right“-Fertigung zu erreichen, die Zeit und Geld sparen kann. Die erfassten Anomalien können kategorisiert und für verschiedene Arten von Defekten gekennzeichnet werden, was die Bediener:innen darauf aufmerksam macht, geeignete Korrekturmaßnahmen zu ergreifen. Dies spart nicht nur Geld und Material, sondern kann auch die Qualität und Gleichmäßigkeit des Werkstücks verbessern.
Mit einer ausreichenden statistischen Datenanalyse und -auswertung der Sensorsignale können zuverlässige und robuste Rückkopplungskontrollsysteme aufgebaut werden, um Prozessparameter dynamisch anzupassen, die dazu beitragen, die Anomalien zu mildern, zu kompensieren oder sogar zu beseitigen. Diese Überwachungssysteme werden auf der Grundlage der Erkennung eines physikalischen Parameters entwickelt, von dem bekannt ist, dass er die Entstehung eines Defekts beeinflusst.
Die aktuelle Infrastruktur des Systems ist in Abbildung 1 dargestellt, die schematisch die Erkennung von Anomalien in den folgenden Schritten darstellt:
Die Datenströme dieser Sensoren werden mit Zeitstempeln synchronisiert und zusammen mit Daten des Schweißroboters wie Positionskoordinaten, Schweißparametern und Programmdetails auf einem Backend-Datenbankserver gespeichert. Diese Datenströme werden in Echtzeit weiterverarbeitet und in einem Dashboard angezeigt, um nützliche Funktionen zu identifizieren, die empfindlich auf Herstellungsanomalien reagieren. Ein Beispiel für das Echtzeit-Sensor-Stream-Dashboard ist in Abbildung 2 dargestellt.
Darüber hinaus ist das MaxQ-System bei RAMLAB mit einem Zivid 3D-Scanner und einer Optris-Wärmebildkamera ausgestattet. Der Scanner kann auch bei der Erkennung von Oberflächendefekten pro Schicht hilfreich sein. Die Optris-Wärmekamera kann in verschiedenen Testumgebungen hilfreich sein, in denen die Temperatur ein Faktor ist, der die Anomalie hervorruft.
Unsere langfristige Vision des Anomalieerkennungssystems besteht darin, über einen selbstkorrigierenden Prozess zu verfügen, der durch Feedback aus den Multisensor-Datenströmen gesteuert wird. Ein solcher Prozess würde die Prozessparameter basierend auf dem Feedback des Anomalieerkennungsmoduls dynamisch anpassen und einen vollautomatischen Druck hochwertiger Teile ohne menschliches Eingreifen ermöglichen.
WAAM ist ein komplexer Prozess, bei dem die Qualität der Produktion von einer Vielzahl von Umgebungs- und Verarbeitungsbedingungen abhängt. Ein solcher Prozess ist anfällig für Unvollkommenheiten und Defekte. Mängel wie Risse und mangelnde Verschmelzung können zur Ablehnung des gedruckten Teils führen, es sei denn, während der Herstellung werden notwendige Korrekturmaßnahmen ergriffen, um das Auftreten von Mängeln zu verhindern.
Durch die Hinzufügung der Echtzeit-Multisensor-Anomalieerkennung im MaxQ-System von RAMLAB soll das Ziel verfolgt werden, hochwertige Metallteile mit einem hohen Grad an Prozessautomatisierung herzustellen und das Vorhandensein von Herstellungsfehlern zu reduzieren. Durch die Ergreifung notwendiger Korrekturmaßnahmen kann eine Reduzierung der Material-, Energie- und Zeitverschwendung erreicht werden.
Wie oben erwähnt, ist das RAMLAB MaxQ-System auch eine ideale Plattform für Universitäten und Institutionen, die Forschung zu WAAM, Schweißen und Plattieren durchführen möchten. Die Daten der Sensorsuite werden mit einem Zeitstempel versehen und im Backend integriert. Es kann einfach exportiert werden, um Zusammenhänge zwischen Verarbeitungsbedingungen und Sensorsignalen zu untersuchen. Das System bietet außerdem die Möglichkeit, benutzerdefinierte Funktionen mithilfe der Sensordatenströme in Echtzeit zu berechnen.
Möchten Sie mehr über die Anomalieerkennung in WAAM erfahren? Hinterlassen Sie Ihre Kontaktdaten und wir werden Sie in Kürze kontaktieren.
© 2024 RAMLAB.
