H συγκόλληση με λέιζερ προσφέρει σημαντικά πλεονεκτήματα συγκριτικά με τις συμβατικές μεθόδους συγκόλλησης, ενώ με την βοήθεια της τεχνητής νοημοσύνης και των ψηφιακών διδύμων μπορούν να συλλεχθούν χρήσιμα δεδομένα και να προβλεφθούν τυχόν αστοχίες.
Γράφουν οι κ. Π. Σταυρόπουλος, Α. Παπαχαραλαμπόπουλος και Κ. Σαμπατακάκης*
Η συγκόλληση με λέιζερ υιοθετείται ολοένα και περισσότερο σε βιομηχανίες όπως είναι η αυτοκινητοβιομηχανία και η αεροπορική βιομηχανία, καθώς επιτρέπει τη συγκόλληση μετάλλων με ακρίβεια και υψηλή ταχύτητα. Παρά τα πλεονεκτήματά της, η συγκόλληση με λέιζερ παραμένει μια περίπλοκη διεργασία η οποία ενδέχεται να δημιουργήσει ελαττωματικές συγκολλήσεις ή συγκολλήσεις εκτός προδιαγραφών, καθιστώντας συνεπώς απαραίτητη την εφαρμογή στρατηγικών διασφάλισης ποιότητας.
Η συγκόλληση με λέιζερ προσφέρει αρκετά οφέλη σε σχέση με τις συμβατικές μεθόδους συγκόλλησης, όπως μεγαλύτερη διείσδυση, υψηλότερη ταχύτητα και μικρότερες παραμορφώσεις. Ωστόσο, η επίτευξη σταθερών ποιοτικών χαρακτηριστικών αποτελεί πρόκληση, καθώς η διεργασία εξαρτάται από παράγοντες όπως είναι η ανακλαστικότητα του υλικού, η πιθανή μόλυνση των επιφανειών προς συγκόλληση, ο τρόπος που εφάπτονται μεταξύ τους καθώς και οι μεταβολές της προσπίπτουσας δέσμης λέιζερ.
Ελαττώματα
Συνηθισμένα ελαττώματα είναι η δημιουργία πόρων και ρωγμών, η αστάθεια του λουτρού τήξης και η ελλιπής διείσδυση, τα οποία υπονομεύουν την ακεραιότητα της συγκόλλησης και ενδέχεται να οδηγήσουν σε αστοχίες.
Στις περισσότερες περιπτώσεις, ιδιαίτερα σε εφαρμογές όπου το επίπεδο αυτοματοποίησης και ψηφιοποίησης είναι χαμηλό, ο έλεγχος ποιότητας της συγκόλλησης με λέιζερ βασίζεται σε δοκιμές δειγμάτων εκτός της παραγωγής.
Οι καταστροφικές δοκιμές, όπως οι μεταλλογραφικές και οι μηχανικές δοκιμές, χρησιμοποιούνται ευρέως για την αξιολόγηση της μικροδομής και της μηχανικής αντοχής των συγκολλήσεων, ενώ μέθοδοι ραδιογραφίας και υπερήχων χρησιμοποιούνται για την αναγνώριση εσωτερικών σφαλμάτων και χαρακτηριστικών.
Παρόλο που οι καταστροφικές μέθοδοι παρέχουν πληροφορίες για τη συγκόλληση, είναι χρονοβόρες και κοστοβόρες και πραγματοποιούνται δειγματοληπτικά. Κατά αυτό τον τρόπο αποκλείουν τη δυνατότητα για έλεγχο της διεργασίας ή της παραγωγής σε πραγματικό χρόνο, αφήνουν περιθώρια για την ύπαρξη σφαλμάτων στο τελικό προϊόν ή κατευθύνουν προς καταστροφή, επανέλεγχο ή επιδιόρθωση προϊόντα εντός προδιαγραφών.
Μη καταστροφικές μέθοδοι
Για να ξεπεραστούν οι παραπάνω περιορισμοί, η βιομηχανική έρευνα έχει στραφεί στην ανάπτυξη μη καταστροφικών μεθόδων αξιολόγησης ποιότητας, οι οποίες μπορούν να εφαρμοσθούν κατά τη διάρκεια των διεργασιών συγκόλλησης. Αυτές οι μέθοδοι επιτρέπουν τη συνεχή παρακολούθηση της συγκόλλησης σε πραγματικό χρόνο, επιτρέποντας την άμεση ανίχνευση των ελαττωμάτων και των χαρακτηριστικών της και κατ’ επέκταση την εφαρμογή διορθωτικών ενεργειών.
Οπτικά συστήματα όπως κάμερες, φωτοδίοδοι και συστήματα σάρωσης επιτρέπουν άμεση μέτρηση των επιφανειακών χαρακτηριστικών και της θερμοκρασίας στο υπέρθυρο, στο ορατό και στο υπεριώδες φάσμα της συγκόλλησης αλλά και της ευρύτερης περιοχής.
Σε ειδικές εφαρμογές αυτό πραγματοποιείται ακόμη και στο φάσμα των ακτίνων Χ για την καταγραφή εσωτερικών ατελειών, αλλά και με τη χρήση οπτικών τομογράφων συνοχής για τη μέτρηση του βάθους διεργασίας ομοαξονικά με τη δέσμη λέιζερ. Οι ακουστικές εκπομπές οι οποίες παράγονται κατά τη διάρκεια της συγκόλλησης λέιζερ καταγράφονται με τη χρήση μικροφώνων πλησίον της περιοχής της συγκόλλησης, ενώ σε αρκετές εφαρμογές λειτουργούν επιβοηθητικά πηγές υπερήχων για την ανάδειξη επιπλέον στοιχείων στην επιφάνεια της συγκόλλησης.
Ενώ η μέτρηση ενός ποιοτικού χαρακτηριστικού προσφέρει άμεσα και ασφαλή αποτελέσματα, κάτι τέτοιο δεν είναι εφικτό σε κάθε εφαρμογή. Με την ενσωμάτωση μεθόδων τεχνητής νοημοσύνης και μηχανικής μάθησης, η παρακολούθηση και ο έλεγχος της ποιότητας της συγκόλλησης καθίσταται εφικτός στις περισσότερες εξ αυτών.
Μοντέλα Μηχανικής εκπαιδεύονται με δεδομένα τα οποία αποτελούνται από τα σήματα των αισθητήρων και τις μετρήσεις των εκάστοτε ποιοτικών χαρακτηριστικών. Υστέρα, τα πρώτα τροφοδοτούνται στο μοντέλο μηχανικής μάθησης, το οποίο υπολογίζει σε πραγματικό χρόνο τα ποιοτικά χαρακτηριστικά.
Μεταξύ άλλων, οι εφαρμογές μηχανικής όρασης διακρίνονται για την ευρεία αποτελεσματικότητά τους, τόσο μέσω της αξιοποίησης απλών μοντέλων όπως είναι οι υποστηρικτικές μηχανές διανυσμάτων (SVM) όσο και μέσω μοντέλων όπως είναι τα συνελικτικά νευρωνικά δίκτυα (CNN) για την κατηγοριοποίηση ελαττωμάτων σε πραγματικό χρόνο με τη χρήση οπτικών και υπέρυθρων εικόνων ή σημάτων.
Ποιότητα συγκόλλησης
Η ποιότητα της συγκόλλησης καθορίζεται κατά τον αρχικό σχεδιασμό της διεργασίας και ελέγχεται σε πραγματικό χρόνο.
Ανέκαθεν ο σχεδιασμός για νέες εφαρμογές σε ερευνητικό επίπεδο περιλάβανε την διεξαγωγή πειραμάτων για την εφαρμογή μεθοδολογιών ή την επικύρωση αναλυτικών και αριθμητικών μοντέλων τα οποία σε ύστερο χρόνο αξιοποιούνται για την εύρεση των βέλτιστών παραμέτρων.
Ωστόσο, η δυναμική απόκριση ενός συστήματος συγκόλλησης επηρεάζεται από εξωτερικές διαταραχές, με αποτέλεσμα η εύρεση του βέλτιστου σημείου λειτουργίας υπό ιδανικές συνθήκες να μην είναι επαρκής.
Η χρήση ελεγκτών PID για το δυναμικό έλεγχο των συστημάτων συγκόλλησης με στόχο τη διασφάλιση συγκεκριμένων ποιοτικών χαρακτηριστικών έχει υπάρξει ανέκαθεν αντικείμενο έρευνας· ωστόσο η μη γραμμική φύση της διεργασίας εισάγει αρκετές προκλήσεις στην εύρεση των παραμέτρων ελέγχου οι οποίες είναι διαφορετικές σε κάθε εφαρμογή. Σε αυτό το σημείο έχει προταθεί η υιοθέτηση μεθόδων ενισχυτικής μάθησης για την αντιμετώπιση αυτών των προκλήσεων.
Ψηφιακά δίδυμα
Η διασφάλιση της ποιότητας της συγκόλλησης ωστόσο συνεχίζει να αποτελεί ένα ευρύτερο πρόβλημα, το οποίο δεν επιλύεται μέσω μεμονωμένων λύσεων ελέγχου, αξιολόγησης ποιότητας ή μέσω του αρχικού σχεδιασμού της διεργασίας, αλλά με το συνδυασμό τον παραπάνω.
Η έννοια των ψηφιακών διδύμων αποτελεί αντικείμενο έρευνας προς αυτή την κατεύθυνση, εισάγοντας τη λειτουργία της βελτιστοποίησης της παρακολούθησης, της αξιολόγησης και του ελέγχου της διεργασίας, αλλά και της διάγνωσης των σφαλμάτων σε πραγματικό χρόνο.
Αν και σε πρώιμο στάδιο τα ψηφιακά δίδυμα έχουν προταθεί για τη διασφάλιση της ποιότητας των συγκολλήσεων αλλά και τη μείωση του συνολικού χρόνου εισαγωγής, μια νέα τεχνική συναρμολόγησης με συγκόλληση στην αυτοκινητοβιομηχανία συνδυάζει τεχνολογίες Computer Aided Engineering (C.A.E), βαθιάς μάθησης και ελέγχου κλειστού βρόχου.
Τα ψηφιακά δίδυμα, καθώς και οι περισσότερες εφαρμογές που διαχειρίζονται δεδομένα μεταξύ ψηφιακών και φυσικών στοιχείων, στηρίζονται στην έννοια των κυβερνοφυσικών συστημάτων. Στην περίπτωση της συγκόλλησης λέιζερ τα κυβερνοφυσικά συστήματα παρέχουν το απαραίτητο τεχνολογικό πλαίσιο, επιτρέποντας τη συλλογή, αποθήκευση και ανάλυση δεδομένων από τα αισθητήρια και τις μηχανές συγκόλλησης ενός παραγωγικού συστήματος.
Η διασφάλιση της ποιότητας της συγκόλλησης με λέιζερ έχει εξελιχθεί, από τις παραδοσιακές πρακτικές των δοκιμών εκτός της παραγωγικής διαδικασίας, σε προηγμένες μεθόδους πραγματικού χρόνου οι οποίες βασίζονται σε δεδομένα και προσομοιώσεις.
Αυτές οι νέες μέθοδοι προσφέρουν αρκετά πλεονεκτήματα, καθώς επιτρέπουν τη συνεχή αξιολόγηση κάθε συγκόλλησης, μειώνουν την ανάγκη για καταστροφικές δοκιμές και επιτρέπουν την άμεση διόρθωση των ελαττωμάτων κατά τη διάρκεια της διεργασίας ή της παραγωγής.
Τα μοντέλα τεχνητής νοημοσύνης και τα ψηφιακά δίδυμα διαδραματίζουν καθοριστικό ρόλο σε αυτή τη μετάβαση, παρέχοντας πληροφορίες για τη διεργασία της συγκόλλησης που μέχρι πρότινος ήταν αδύνατο να αποκτηθούν με τις συμβατικές μεθόδους.
Ωστόσο, υπάρχουν προκλήσεις στην πλήρη ενσωμάτωση αυτών των προηγμένων συστημάτων και τεχνολογιών σε βιομηχανική κλίμακα. Ο συγχρονισμός δεδομένων μεταξύ των φυσικών και ψηφιακών στοιχείων, η ακρίβεια των μοντέλων, η διαχείριση μεγάλων συνόλων δεδομένων, αλλά και η δημιουργία αυτών, είναι μερικές από αυτές.
Επιπλέον, έχουν αρχίσει να ανακύπτουν ζητήματα ευελιξίας των παραπάνω συστημάτων καθότι οι σχετικές απαιτήσεις αυξάνονται ραγδαία.
*Ο κ. Παναγιώτης Σταυρόπουλος είναι αναπληρωτής καθηγητής στο Εργαστήριο Συστημάτων Παραγωγής και Αυτοματισμού, στο Τμήμα Μηχανολόγων και Αεροναυπηγών Μηχανικών του Πανεπιστημίου Πατρών. Ο κ. Αλέξιος Παπαχαραλαμπόπουλος είναι δρ. ηλεκτρολόγος μηχανικός & Τεχνολογίας Υπολογιστών και ερευνητής στο παραπάνω Εργαστήριο. Ο κ. Κυριάκος Σαμπατακάκης είναι ερευνητής στο εν λόγω Εργαστήριο.
