Mobile-Menu

Brutzelt`s, bruzzelt`s oder brutselt`s?

Fraunhofer-Forscher hören Fehler schon beim Schweißprozess

< zurück

Seite: 3/4

Anbieter zum Thema

Fraunhofer-Institut für Digitale Medientechnologie IDMT

Schweißpistole mit angeschlossener akustischer Sensorik

Um die relevanten Schweißgeräusche im industriellen Umfeld zuverlässig aufzunehmen, wird im Projekt ein kompaktes Messsystem aus MEMS-Mikrofonen entwickelt. Dieses wird direkt an der Schweißpistole montiert und erfasst die akustischen Signale unmittelbar beim Schweißen. Auf diese Weise entsteht eine robuste Messmethode, die reproduzierbare Daten für die spätere Analyse bereitstellt. Ergänzend werden Prozessparameter (etwa Schweißstrom und Schweißspannung) aufgezeichnet. Diese zusätzlichen Informationen helfen dann bei der Interpretation der akustischen Daten und erhöhen auch noch die Zuverlässigkeit der Bewertung. Die Akustik bleibt dabei aber der zentrale Informationskanal. Weitere Prozessgrößen dienen dazu, die Analyse abzusichern und die Einordnung der Messdaten zu verbessern. Das Ziel ist es, Schweißverbindungen auf dieser Grundlage automatisiert zu bewerten und beispielsweise in „i.O.“ – also in Ordnung – und „n.i.O.“ – nicht in Ordnung – zu klassifizieren.

KI kann Geräuschmuster beim Schweißprozess erkennen

Die Entwicklung der dafür notwendigen KI-Modelle basiert auf einer systematisch aufgebauten Datenbasis. Unterschiedliche Schweißzustände werden dazu gezielt erzeugt, messtechnisch erfasst und qualitätsseitig bewertet. So fließen sowohl typische Prozessvariationen als auch relevante Unregelmäßigkeiten in die Modellbildung ein. Die bisherigen Machbarkeitsstudien in mehreren Schweißverfahren zeigen, dass akustische Signale verlässliche Hinweise auf die Qualität von Schweißverbindungen enthalten. Charakteristische Frequenzanteile und zeitliche Signalverläufe ermöglichen es dabei, gute und fehlerhafte Zustände sicher voneinander zu unterscheiden. Moderne „Machine Learning“-Verfahren können diese komplexen Zusammenhänge in den akustischen Daten erkennen und für eine robuste Klassifikation nutzbar machen. Aus Sicht der Qualitätssicherung steht dabei vor allem die Verlässlichkeit der Entscheidung im Vordergrund. Die Modelle sollen ja nicht nur auffällige Signale erkennen, sondern auch eine klare, automatisierte Bewertung jeder einzelnen Verbindung ermöglichen. Damit wird die akustische Analyse zu einem Werkzeug, das die klassische Prüfung nicht einfach ersetzt, sondern um eine prozessnahe, datenbasierte Möglichkeit perspektivisch erweitert.

Bildergalerie
Bildergalerie mit 5 Bildern

(ID:50925010)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte