Gli autori della ricerca “Power Control during Remote Laser Welding Using a Convolutional Neural Network” sono riusciti a proporre e implementare un nuovo metodo di controllo della potenza del laser, basato su un sistema di intelligenza artificiale. Esso è in grado di processare le immagini registrate da una camera per classificare la penetrazione della saldatura come parziale, completa o eccessiva.
L’industria moderna ci ha abituati a ritmi sempre più serrati. Le richieste dei clienti sono ambiziose e in continua evoluzione. I requisiti, negli ultimi anni, sono cresciuti notevolmente sia per quanto riguarda la complessità che per quanto riguarda le tempistiche. Oggi i lotti richiesti sono tendenzialmente più piccoli e i prodotti sono in continua evoluzione. Per questo è necessario, per chi produce, utilizzare tecnologie moderne in grado di adattarsi rapidamente alle richieste: minimizzando i tempi di set-up, il perfezionamento del processo e i tempi morti.
Sicuramente l’organizzazione e la pianificazione giocano un ruolo fondamentale per ottimizzare i processi gestionali. D’altra parte però è anche richiesta l’ottimizzazione del processo tecnologico, definendo i corretti parametri di lavorazione, in modo da evitare scarti e limitare difetti produttivi. La domanda crescente di produrre componenti complessi e di disparate geometrie richiede un controllo avanzato del processo, con algoritmi in grado di raggiungere la stabilità in ogni condizione, riducendo gli esperimenti necessari.
Per questo le innovazioni introdotte da Industria 4.0 permettono un concreto supporto alla produzione. Le moderne tecnologie “smart” o intelligenti, insieme a sensori e macchinari evoluti, permettono di effettuare un evoluto controllo del processo, così da offrire vantaggi sia per il produttore che per il cliente.
Saldatura laser
La saldatura laser è una tecnica di unione utilizzata per congiungere diverse parti metalliche tramite l’utilizzo di un fascio laser. Questa tecnologia è in grado di raggiungere elevate velocità di saldatura, ottima profondità di penetrazione e una notevole accuratezza geometrica anche su grandi aree di lavoro. Per questi motivi la tecnologia è impiegata specialmente nel settore automotive, elettronica ed elettrodomestici.
Nella saldatura laser diverse sfide sono presenti: bisogna riuscire a focalizzare il laser accuratamente nella zona di lavorazione, poi definire il processo di lavorazione. Inoltre, la maggiore difficoltà è quella di comprendere a fondo il processo (e.g. evoluzione della pozza fusa, effetto sulle proprietà del materiale), così da poter definire accuratamente i parametri di saldatura e avere un preciso controllo sul risultato.
L’approccio tradizionale di definizione dei parametri ottimali si basa su sperimentazioni effettuate nelle condizioni specifiche, così da ottenere un riscontro sul componente finito. Questa soluzione assicura buoni risultati finali, ma richiede un impegno non indifferente di risorse quali tempo macchina e costi produttivi. Un’ulteriore sfida sorge quando le richieste del mercato diventano più esigenti. In caso di richiesta di personalizzazioni, utilizzo di diversi materiali, o anche solo componenti in continua evoluzione, diventa praticamente impossibile riuscire a definire i parametri di processo tramite sperimentazioni.
La definizione di percorsi del fascio laser e parametri di processo deve quindi essere supportata, così da offrire una buona qualità di saldatura già al primo tentativo. Per questo gli autori della ricerca propongono un sistema, basato su intelligenza artificiale, in grado di adeguare autonomamente la potenza del laser alle condizioni di saldatura.
Reti neurali
Tra gli algoritmi più diffusi di intelligenza artificiale sono presenti le reti neurali. Questi sistemi risultano essere particolarmente interessanti perché non necessitano di istruzioni esplicite definite a priori dal programmatore. Al contrario invece sono sistemi in grado di apprendere dai dati in maniera autonoma. Nello specifico le reti neurali sono nate simulando artificialmente il funzionamento del cervello umano. Questa tecnologia trova oggi una diffusa applicazione nel riconoscimento delle immagini. Nel caso specifico della saldatura è possibile gestire immagini del processo per controllare i parametri di lavorazione. Le reti neurali offrono una valida soluzione poiché, grazie ai moderni sviluppi, sono efficienti, fortemente adattabili e possono essere facilmente addestrate.
Questo ultimo vantaggio risulta essere particolarmente interessante anche per permettere di ottenere una soluzione scalabile, ovvero in grado di includere ulteriori parametri in ingresso relativi al processo. L’obiettivo degli autori è quello di dimostrare l’applicabilità di una Rete Neurale Convoluzionale (abbreviata come “CNN”) su un sistema di saldatura in grado di controllare la potenza del laser.
Fonte: Božič, A., Kos, M., & Jezeršek, M. (2020). Power Control during Remote Laser Welding Using a Convolutional Neural Network. Sensors, 20(22), 6658. https://doi.org/10.3390/s20226658
A cura di Stefano Grulli
