Künstliche Intelligenz Schweißtechnik: KI-basierte Parametrierung
Anbieter zum Thema
Für die Parametrierung von Schweißverbindungen werden viele Schweißversuche und ein fundiertes Fachwissen benötigt. Die richtigen Parameter auf Anhieb zu finden, gleicht der Suche nach der Nadel im Heuhaufen. Algorithmen können hier helfen und somit die Vorserienkosten reduzieren.
Viele Fabrikbetreiber versuchen die Prozessverantwortlichkeit hinsichtlich Qualität und Zuverlässigkeit immer mehr von sich auf die Anlagenhersteller zu übertragen. Die Ursache dafür liegt im Fachkräftemangel, denn die aufwändige Parameterfindung setzt viel Erfahrung und Know-how voraus. Es wird erwartet, dass die eingekaufte Anlage automatisch einen stabilen Prozess einstellt und qualitativ hochwertige Güter liefert. Das stellt eine große Herausforderung für die Anlagenhersteller dar. Ohne die vorherrschenden Bedingungen zu kennen, müssen die Anlagen ihre Aufgaben innerhalb vorgegebener Systemgrenzen weitgehend autonom und zuverlässig erfüllen. Dafür eignen sich insbesondere Algorithmen der künstlichen Intelligenz. Die Vorzüge einer KI-basierten Parametrierung stellen wir nachfolgend am Beispiel des Widerstandspunktschweißens, kurz WPS, im Karosseriebau dar.
Kombination von Materialien und Dicken steigert die Komplexität
Eine typische Autokarosserie kann bis zu 5.000 WPS-Verbindungen aufweisen. Ein Großteil davon besteht aus Zweiblechverbindungen, jedoch sind Dreiblechverbindungen mit unterschiedlichen Blechdicken in der Produktion unausweichlich. Die Kombination unterschiedlicher Materialien und Blechdicken steigern die Komplexität der Parametrierung. Dabei muss sichergestellt werden, dass sich die Schweißlinse ausreichend groß bildet. Der Schweißpunktdurchmesser gilt daher als ein wichtiger Qualitätsindikator, welcher die mechanische Leistungsfähigkeit beeinflusst. In der Produktion wird die Schweißpunktgröße in der Regel zerstörend geprüft. Die Parametrierung neuer Verbindungen stellt einen erheblichen Aufwand dar, dem heute nur durch experimentelles Trial-and-Error begegnet werden kann.
Melden Sie sich an oder registrieren Sie sich und lesen Sie weiter
Um diesen Artikel vollständig lesen zu können, müssen Sie registriert sein. Die kostenlose Registrierung bietet Ihnen Zugang zu exklusiven Fachinformationen.
Sie haben bereits ein Konto? Hier einloggen