Come evitare i difetti utilizzando il monitoraggio di processo per la microsaldatura laser

Uno studio dell’Università di Taiwan mostra come sia possibile monitorare il processo di saldatura laser sfruttando l’applicazione di sensori, e la relativa raccolta e analisi dati, per creare quello che per la rivoluzione Industria 4.0 si chiama sistema intelligente (o “smart”). Un’innovazione capace di evitare difetti, incrementare la produzione, migliorare la qualità e ridurre tempi e costi.

Negli ultimi anni si sente parlare sempre di più di Industria 4.0, la nuova rivoluzione industriale che stiamo vivendo oggi. La produzione tradizionale viene rinnovata utilizzando moderne tecnologie e sistemi “smart”. Particolare attenzione è posta sull’integrazione di tutte le operazioni necessarie, così da trarre il massimo vantaggio dalla collaborazione tra operatori, macchinari e strumenti. Le tecnologie “smart” o intelligenti vengono applicate oggi in diversi ambiti. Un utilizzo di queste tecnologie molto interessante è quello relativo a sensori e strumentazione. Infatti, lo sviluppo di informatica ed elettronica ha permesso una diffusione di essi sempre più capillare, pur tenendo sotto controllo i costi. Questi sensori sono dispositivi in grado di generare dati relativi ai processi industriali. Tali dati possono poi essere analizzati, monitorati e condivisi con altri macchinari o operatori. I vantaggi di questo approccio sono molteplici: ad esempio, è possibile approfondire la conoscenza dei processi in modo da ottimizzare la qualità dei componenti prodotti, inoltre, analizzando opportunamente i dati registrati, è possibile anticipare o supportare altre fasi del processo produttivo, incrementando così l’integrazione delle attività industriali.

Spesso può capitare di domandarsi quali siano i vantaggi concreti portati all’industria da questa continua diffusione di elettronica e sistemi informatici. Apprezzare l’utilità di queste moderne tecnologie è sicuramente fondamentale per poter investire in progetti utili a portare valore per l’azienda e per i propri clienti. L’articolo di ricerca dell’università taiwanese propone un approccio semplice ed efficace per l’utilizzo di sensori “smart” applicati al mondo della produzione. Viene infatti mostrato come sfruttare i dati generati da diversi sensori durante le fasi di saldatura laser, in modo da monitorare il ciclo e così da prevenire i difetti.

Microsaldatura laser

La saldatura a fascio laser è un processo di unione in cui l’energia di un fascio di luce ad alta densità viene sfruttato per saldare componenti metallici. Le giunzioni così ottenute sono di alta qualità poiché viene ottenuta una buona penetrazione e la zona affetta dal calore rimane circoscritta. Tale processo è infatti particolarmente flessibile e versatile, perciò viene utilizzato in diversi settori come, ad esempio, quello biomedicale, automotive ed elettronico. Il continuo sviluppo dei laser a fibra, insieme alla riduzione dei costi operativi hanno permesso una diffusione di questi sistemi in diversi ambienti.

Parecchi studi sono stati svolti relativamente alle modalità di saldatura, tuttavia rimangono alcune questioni aperte sulla capacità di monitoraggio di tale processo. I componenti prodotti per microsaldatura laser che richiedono una grande affidabilità necessitano di un sistema di monitoraggio del processo produttivo in modo da assicurare una adeguata qualità della giunzione e la sua durata nel tempo.

Monitoraggio di processo

La possibilità di registrare dati durante una determinata fase produttiva può portare enormi vantaggi. È infatti possibile comprendere e superare l’insorgenza di certi difetti, o anche solo scartare componenti anticipando lunghe e costose ispezioni solitamente necessarie a fine processo. Sensorizzare i macchinari non è mai un’operazione semplice, è infatti necessaria una buona conoscenza del processo da analizzare, così da poter definire quali sono gli aspetti prioritari da studiare. Inoltre, è necessario anche valutare i costi e la possibilità di installare tali sensori sui macchinari disponibili. Solo a questo punto è possibile scegliere i sensori, installarli, iniziare a raccogliere e analizzare dati relativi al processo.

Gli autori della ricerca hanno deciso di concentrare lo studio sulle emissioni sonore del processo di saldatura laser, integrando quindi nella piattaforma sperimentale due tipi di sensori: un MEMS (Micro Electro-Mechanical System) per le frequenze tra 10 Hz e 10 kHz, e un sensore di emissioni acustiche piezoelettrico per le frequenze tra i 50 e i 400 kHz.

La sperimentazione

Nella pratica della saldatura laser, la perdita di un adeguato contatto tra le due lamiere da saldare può essere dovuta alla deformazione di esse o per una insufficiente forza di fissaggio. La perdita di contatto, anche parziale, tra le due lamiere da unire riduce la resistenza del giunto saldato. Queste condizioni indesiderate sono state ricreate durante la sperimentazione e un test di resistenza del giunto (“peeling test”) è stato effettuato per misurare la forza di rottura della saldatura. In Figura 1 è possibile apprezzare le differenze superficiali tra saldature resistenti e di buona qualità con saldature considerate difettose. Le saldature in grado di resistere ad una forza superiore ai 15 N sono state considerate di buona qualità, mentre nel caso di difetti ricreati artificialmente l’unione è in grado di resistere a forze notevolmente inferiori.

Analisi e classificazione dei segnali

Una volta raccolti i dati dal processo è necessario sviluppare un algoritmo di monitoraggio, così da analizzare i segnali raccolti dai sensori e classificare ogni provino come conforme o difettoso. Il punto di partenza è appunto il segnale raccolto dai due sensori (Figura 2A). Analizzando i segnali registrati durante la creazione delle due famiglie di provini, è stato individuato come potenzialmente interessante un indicatore di energia del segnale. Generalmente parlando l’energia del segnale sonoro emesso per la produzione dei provini conformi è maggiore rispetto a quella di provini difettosi, come può essere apprezzato in Figura 2B. L’indicatore di valore efficace dell’intero segnale (abbreviato come “RMS” in inglese) è quindi un buon indicatore della resistenza del giunto, tuttavia tale valore utilizzato singolarmente non è sufficiente a definire, in modo affidabile, la qualità del giunto.

Per riuscire quindi a classificare in maniera affidabile e univoca ogni provino di saldatura monitorato è stata sviluppata un’ulteriore fase. I ricercatori hanno mostrato che, isolando alcune sezioni specifiche del segnale ed estraendo da esse altri indicatori specifici, è possibile ottenere prestazioni ancora migliori per quanto riguarda l’identificazione dei difetti di saldatura. La capacità di tale sistema di identificare i difetti è eccellente secondo gli autori e apre quindi l’interesse a installare sistemi di questo tipo anche su macchinari commerciali.

Risultati

Lo studio dell’università taiwanese mostra come sia possibile monitorare il processo di saldatura laser. Tramite l’applicazione di sensori sul macchinario di saldatura si possono raccogliere dati durante la lavorazione. Un algoritmo è stato creato ad hoc per identificare i difetti evitando potenziali guasti e problemi in fase di utilizzo dei componenti prodotti. Il processo riportato mostra come sia possibile sfruttare sensori per creare quello che per la rivoluzione Industria 4.0 chiama sistema intelligente (o “smart”), in grado quindi di prendere decisioni autonome in conseguenza agli input. In questo caso la decisione presa dal sistema “smart” di sensori è quella di definire un componente come conforme o difettoso. Questa possibilità, soprattutto per settori ad elevati requisiti, è molto interessante e apre quindi stimolanti sviluppi futuri. Tale innovazione, insieme alle numerose altre rese disponibili da Industria 4.0, hanno infatti l’obiettivo di incrementare la produzione, migliorando la qualità e riducendo sia tempi che costi.

A cura di Stefano Grulli

Fonte: Kuo, B., & Lu, M. (2020). Analysis of a Sound Signal for Quality Monitoring in Laser Microlap Welding. Applied Sciences, 10(6), 1934. doi:10.3390/app10061934

 

 

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here