400-868-1122
根云-工業(yè)趨勢分析
返回在某知名汽車整車廠焊接車間，每一道焊點都承載著該企業(yè)對精細(xì)工藝的堅守和對優(yōu)質(zhì)產(chǎn)品的追求。憑借2000余個焊點、90%的自動化率和200臺精密設(shè)備，該企業(yè)基本實現(xiàn)了焊接過程的全自動化。然而，如何甄別出不良焊點，如何進(jìn)行持續(xù)優(yōu)化提升呢？樹根科技結(jié)合自身在數(shù)據(jù)采集和AI算法上多年的技術(shù)沉淀，結(jié)合企業(yè)豐富的業(yè)務(wù)知識，雙方共創(chuàng)，實現(xiàn)了焊點質(zhì)量自動檢測。
1、困境
汽車白車身焊點眾多，質(zhì)量管理壓力山大。傳統(tǒng)焊裝領(lǐng)域焊點品質(zhì)采用半破壞性抽檢的方法檢測焊點質(zhì)量，存在3個問題：
1、影響焊接質(zhì)量的要素多，依靠人力確認(rèn)焊接要素，耗費時間長，效率低
2、焊點數(shù)量多，投入檢查員多達(dá)20余人，全年累計投入2000余小時進(jìn)行參數(shù)檢查，仍無法全面監(jiān)控準(zhǔn)確的焊接質(zhì)量
3、現(xiàn)有焊接數(shù)據(jù)無法被進(jìn)一步開發(fā)利用。設(shè)備最多存儲3000條焊接數(shù)據(jù)，舊數(shù)據(jù)不斷被產(chǎn)生的新數(shù)據(jù)迭代，焊接數(shù)據(jù)與車身號沒辦法一一匹配，無法追溯
如何實現(xiàn)焊接數(shù)據(jù)的有效采集、存儲、分析及管理，一度給該企業(yè)帶來巨大困擾！
2、破局
針對上述問題，樹根科技與該企業(yè)開展了專項合作，給其提供了“焊接AI質(zhì)量在線智能檢測”解決方案：
針對上述問題，樹根科技與該企業(yè)開展了專項合作，給其提供了“焊接AI質(zhì)量在線智能檢測”解決方案：
針對焊接車間中已有的現(xiàn)場焊機，采集焊接數(shù)據(jù)以及PLC數(shù)據(jù)，將數(shù)據(jù)通過工廠5G網(wǎng)絡(luò)傳輸并存儲至該企業(yè)IoT平臺，通過IoT平臺布置的人工智能算法實現(xiàn)對焊接工藝參數(shù)和運行數(shù)據(jù)的監(jiān)測，對焊接的焊接質(zhì)量進(jìn)行在線檢測，全面提升檢測效率和質(zhì)檢準(zhǔn)確性，明確以下4大建設(shè)目標(biāo)：
1、焊接數(shù)據(jù)可集中管理：將所有焊接數(shù)據(jù)從分散的控制器中采集、并集中管理起來，實現(xiàn)遠(yuǎn)程集中監(jiān)控
2 、焊接質(zhì)量可實時監(jiān)控：實時顯示焊接結(jié)果狀態(tài)，以及對應(yīng)的過程數(shù)據(jù)（電阻、電流、焊接時間、熱量等），出現(xiàn)問題及時提醒。
3、焊接過程異常可精準(zhǔn)定位：根據(jù)焊接過程數(shù)據(jù)，基于統(tǒng)計分析和AI算法，分析判斷引起工藝質(zhì)量問題的深層次原因，比如某一把焊槍、某一個程序號頻繁出現(xiàn)焊接問題。
4、焊接質(zhì)量可長期溯源：建立每臺車輛的焊接檔案，長期保存帶車輛ID標(biāo)簽的焊接數(shù)據(jù)，一旦出現(xiàn)質(zhì)量問題，有據(jù)可查。
3、方法
3、方法
通過采集現(xiàn)場實時焊接過程數(shù)據(jù)以及車輛屬性數(shù)據(jù)，實現(xiàn)數(shù)據(jù)集中存儲，并結(jié)合焊接質(zhì)量檢測模型，實現(xiàn)焊接正常/異常情況自動判斷。實現(xiàn)對全數(shù)焊點100%檢查，并建立每臺車輛的可追溯焊接質(zhì)量檔案。
1、數(shù)據(jù)采集
現(xiàn)場共計35臺獨立的焊接設(shè)備控制器，相互之間未聯(lián)網(wǎng)，綜合數(shù)據(jù)采集成本，需首先構(gòu)建4組小型局域網(wǎng)將焊接控制器數(shù)據(jù)和匯總至4臺交換機。再分別從4臺交換機加裝邊緣智能網(wǎng)關(guān)，通過5G將數(shù)據(jù)匯總至該企業(yè)IoT平臺統(tǒng)一存儲。
2、焊接質(zhì)量模型構(gòu)建
本項目除焊接數(shù)據(jù)采集集中存儲、可視化展示外，還加入基于機器學(xué)習(xí)的算法模型，實現(xiàn)部分焊接質(zhì)量問題自動判斷。WE部門業(yè)務(wù)人員已收集約百余組焊接過程數(shù)據(jù)，并逐一做標(biāo)簽分類，用于AI算法模型構(gòu)建。模型構(gòu)建步驟如下：
焊接質(zhì)量檢測模型探索性驗證-數(shù)據(jù)可視化分析
將正常與異常焊接數(shù)據(jù)形成可視化對比，可以發(fā)現(xiàn)正常與異常數(shù)據(jù)大部分有明顯邊界區(qū)分，因此可以通過電阻、電流等工作參數(shù)來做焊接異常檢測。但部分正常與異常與相互交織，很難通過傳統(tǒng)的參數(shù)閾值設(shè)置來進(jìn)行區(qū)分，而機器學(xué)習(xí)算法能夠在相互交織的時間序列數(shù)據(jù)中剝離出差異，進(jìn)而對正常和異常進(jìn)行區(qū)分，因此需采用基于機器學(xué)習(xí)算法建模。
焊接質(zhì)量檢測模型探索性驗證-機器學(xué)習(xí)算法建模
機器學(xué)習(xí)是通過樹模型、線性模型或其他模型精確分離數(shù)值。本次焊接質(zhì)量檢測模型算法驗證過程中，針對電阻、電流、熱量數(shù)據(jù)共選取百余個特征數(shù)據(jù)，用于算法模型構(gòu)建。
4、成效
通過AI技術(shù)對焊接過程中的電阻、電流、熱量進(jìn)行實時監(jiān)控，提高了焊接質(zhì)量的判斷準(zhǔn)確率，達(dá)到了83%-85%，大大提高了工作效率。實現(xiàn)全數(shù)焊點100%檢查，并建立每臺車輛的可追溯焊接質(zhì)量檔案。
結(jié)語
通過AI技術(shù)對焊接過程中的電阻、電流、熱量進(jìn)行實時監(jiān)控，提高了焊接質(zhì)量的判斷準(zhǔn)確率，達(dá)到了83%-85%，大大提高了工作效率。實現(xiàn)全數(shù)焊點100%檢查，并建立每臺車輛的可追溯焊接質(zhì)量檔案。
結(jié)語
“焊接”是精密的工藝過程，而“AI”則是智能的科技引擎。結(jié)合二者，該企業(yè)正利用技術(shù)力量挖掘效能潛力，用數(shù)據(jù)驅(qū)動焊接的精準(zhǔn)與穩(wěn)定。AI的助力，幫助優(yōu)化焊接工藝，大大減輕工作負(fù)擔(dān)，提升工作效率，員工的健康、安全也能得到更有力的保障，開啟了汽車智能焊接新篇章！
掃碼了解更多樹根案例！
