¿Cuáles son exactamente los parámetros correctos para implementar la Inteligencia Artificial (IA) en el proceso de soldadura?

Los algoritmos de IA y Aprendizaje Automático (AA) se utilizan ampliamente en nuestra sociedad digital para monitorear nuestros hábitos, ofrecer publicidad apropiada, sugerir qué nuevas series de televisión ver y más. La IA y la AA también se están implementando, de forma menos visible, en entornos industriales para determinar el flujo de materiales a través de las líneas de producción en la planta de fabricación, asignar piezas al lugar correcto en el momento adecuado para mejorar el rendimiento y predecir qué producto construir para maximizar las ganancias. Un área clave de desarrollo es el monitoreo del proceso de soldadura: específicamente usar la IA para observar directamente un proceso de fabricación de soldadura por resistencia o láser para determinar el éxito.

Esto implica registrar y analizar una serie de señales físicas, lo que requiere no solo sensores de alta resolución para recopilarlas (la duración de la soldadura puede ser de milisegundos), sino también una infraestructura para exportar y analizar grandes cantidades de datos.  Aquí exploraremos las tres áreas principales de desarrollo, y un área colateral, que allanan el camino hacia la IA para los procesos de soldadura por láser en la fabricación actual. Estos desarrollos facilitarán una comprensión más profunda de lo que sucede durante el proceso, lo que dará como resultado una mejor calidad y rendimiento.

Recopilación de datos de alta resolución

La primera y posiblemente la parte más importante del proceso es la adquisición de datos, que incluye la recopilación, la digitalización y el almacenamiento. Los procesos de soldadura por resistencia y por láser pueden tomar solo milisegundos para piezas más pequeñas, pero hay dinámicas, incluso dentro de esa escala de tiempo muy corta, que proporcionarán información valiosa sobre el éxito de la soldadura. Por lo tanto, la resolución de captura de datos debe ser lo suficientemente alta para recopilar características en la escala de tiempo de microsegundos.   Para los algoritmos de IA y AA, cuanto más rico sea el conjunto de datos (y de resolución más alta), con mayor precisión pueden clasificar lo bueno y lo malo. Echemos un vistazo más de cerca a la importancia de la resolución.  ¿Por qué es esto tan importante? Al hacer cualquier tipo de predicción sobre la calidad, más datos dan resultados más precisos. Si esa señal en el medio de la curva fue el indicador principal de una soldadura exitosa, está claro que se requiere una señal de mayor resolución para confirmar su presencia.  Para ser justos, la curva en el ejemplo anterior es bastante simple, y un ingeniero de procesos experimentado podría identificar fácilmente soldaduras buenas o malas. En realidad, las curvas son mucho más complicadas y la correlación entre ciertos segmentos de la curva medida y el éxito de la soldadura no será obvia. Aquí es donde los algoritmos de IA y AA se pueden usar para analizar y eliminar la tendencia de los datos de múltiples maneras para encontrar nuevas correlaciones.

La creación de redes lleva la recopilación de datos de lo local a lo global

La adquisición de datos de alta resolución plantea un desafío cuando llega el momento de transferirlos desde el sensor al almacenamiento local o al almacenamiento remoto en red. Según la resolución y la cantidad de canales, esto puede traducirse en muchos megabits por segundo. Esto requiere claramente una transferencia de datos de alta velocidad a través de Internet y discos duros de alta velocidad de escritura capaces de aceptar esta cantidad de información de forma continua durante la producción.  Por supuesto, tener una red trae ventajas adicionales. Históricamente, cada celda de trabajo individual estaba equipada con un monitor de proceso dedicado. Los datos se almacenaron localmente y se agregaron para poder recopilar y comparar valores numéricos básicos, por ejemplo, una señal máxima o mínima. La exportación de datos era una tarea que requería mucho tiempo a través de una memoria USB. Estos dispositivos son relativamente lentos, por lo que no se podían transferir fácilmente grandes cantidades de datos y se requería mucha manipulación manual de los archivos. Esto tuvo el efecto de crear silos de información dependientes de la máquina y el operador.  La creación de monitores de procesos que están conectados a través de Ethernet facilita significativamente la transferencia de información que ahora se puede recopilar globalmente, suponiendo que haya una conexión externa a Internet. Esto significa que los ingenieros de procesos pueden recopilar y analizar datos de múltiples fábricas ubicadas en todo el mundo.  Vinculando esto a los algoritmos de IA y AA, estos pueden obtener datos de configuraciones similares en diferentes ubicaciones. Esto enriquece el depósito de soldadura más rápidamente y amplía los datos para proporcionar juicios más refinados del proceso de soldadura.

Uso de datos recopilados y almacenados en algoritmos de IA y AA

Ahora veamos cómo utilizar estos datos recopilados y almacenados. En última instancia, los datos deben contar una historia o, en otras palabras, proporcionar información que pueda interpretarse y usarse para tomar decisiones adicionales. Puede ayudar al ingeniero de procesos o al operador de la máquina a comprender y responder las siguientes preguntas:

• ¿El proceso es eficiente, está bajo control y produce un buen producto?
• ¿El equipo está funcionando correctamente o necesita mantenimiento?
• ¿Está bien utilizado el equipo? ¿Cuál es la tasa de producción?
• ¿Existen condiciones que resulten en resultados defectuosos del proceso?
• ¿Hay anomalías, eventos inusuales o datos que no encajan?

Las respuestas a estas preguntas pueden ayudar al fabricante a tomar decisiones comerciales para mejorar la calidad o el rendimiento del producto. Históricamente, esta toma de decisiones la toman los ingenieros de procesos y los operadores en función de su experiencia con el proceso de soldadura. Inicialmente, esto podría haberse hecho mediante la vista o el sonido, pero más recientemente con la ayuda de monitores de procesos básicos.  La aplicación de algoritmos de IA y AA a los datos del proceso de soldadura capturados por monitores de red avanzados amplía la capacidad del ingeniero de procesos y del operador al buscar nuevas características que no se ven fácilmente en un número agregado y dentro de la forma de onda, y hace correlaciones que no pueden ser fácilmente visible. Los algoritmos de IA y AA pueden determinar cualquier cantidad de características a partir de varias mediciones de sensores simultáneamente.  Una característica es una cantidad (escalar o vectorial) que se mide o calcula a partir de los datos recopilados. Una característica útil es una cantidad que cambia como resultado de un cambio en el proceso o la configuración de la máquina. Por ejemplo, la protuberancia en la forma de onda podría ser una característica que, cuando está presente, indica una soldadura que no cumplió con los requisitos de resistencia a la tracción.  Los algoritmos de IA y AA funcionan sobre la base del aprendizaje supervisado o no supervisado. El aprendizaje supervisado requiere una serie de pruebas con entrada para cada medición. Debido a que esto requiere que se cree un conjunto de datos antes del comienzo, este proceso lleva bastante tiempo y puede ser costoso. El aprendizaje no supervisado, por otro lado, comienza desde cero sin un conjunto de datos. A medida que se completa el conjunto de datos, puede encontrar valores atípicos o anomalías y marcarlos para una revisión adicional.  Para los procesos de soldadura, lo mejor es el aprendizaje no supervisado. El ingeniero de procesos o el operador puede comenzar a soldar piezas inmediatamente. A medida que se desarrolla el programa, puede identificar las soldaduras que se salen de la norma y el ingeniero de procesos o el operador pueden inspeccionar y devolver el resultado al algoritmo. Este es un programa de aprendizaje mucho más rentable y aún se puede producir un producto. Los criterios de selección seguirán mejorando con más datos e información sobre buenas y malas soldaduras que se agreguen a la base de datos. Esto va más allá de los límites del proceso, ya que los límites reales se pueden ajustar para diferentes mediciones de entrada.

La pieza oculta del rompecabezas: seguridad de la red

Debido a que estos nuevos monitores de procesos están conectados, pueden comunicarse entre sí y un ingeniero de procesos puede acceder de forma remota, esto también significa que existe la posibilidad de que fuentes externas lleguen a la red del monitor. No se trata tanto de una preocupación de que un pirata informático o de la competencia tenga acceso a los datos, sino de que esto podría ser un puerto potencial hacia la red más amplia de la empresa.

En resumen

El camino hacia la IA para los procesos de soldadura incluye la adquisición de datos de alta resolución, la transferencia y el almacenamiento de datos a alta velocidad a través de productos en red y algoritmos de IA y AA. Junto con esto, la seguridad de la red es clave para una implementación sólida en una fábrica. Lograr esto permite que los programas de IA y AA funcionen con el monitoreo de procesos en tiempo real para avanzar aún más en la comprensión de los procesos de soldadura y mejorar la calidad y el rendimiento de la fabricación.