Fragen und Antworten zur Widerstandsschweißprozessüberwachung

Ein Widerstandsschweißmonitor kann den elektrischen Strom während des Schweißens, die Spannung zwischen den Elektroden, die Elektrodenkraft und die Elektrodenbewegung messen.

Die Prozesskonsistenz ist eine häufige Herausforderung beim Widerstandsschweißen. Es kann eine Reihe von Dingen schief gehen, die alle auf Abweichungen in einem oder mehreren dieser Bereiche zurückzuführen sind: Geräteleistung, Materialeigenschaften und Prozesseinstellungen.

Um den Übeltäter zu finden, beginnen Sie damit, die Parameter des Schweißprozesses mit einem Schweißmonitor aufzuzeichnen und die Ergebnisse zu untersuchen. Ein erfahrener, gut geschulter Bediener kann Schweißprobleme erkennen und fundierte Vermutungen über deren Ursachen anstellen, aber ohne die Daten eines Schweißüberwachungsgeräts ist dieser Bediener weitgehend blind.

Ein Widerstandsschweißmonitor kann den elektrischen Strom während des Schweißens, die Spannung zwischen den Elektroden, die Elektrodenkraft und die Elektrodenbewegung messen.

Basismodelle geben einen numerischen aggregierten Wert (Minimum oder Maximum) für einen oder mehrere Parameter aus. Fortschrittlichere Monitore können die gesamte hochauflösende Wellenform jedes Parameters erfassen und analysieren. Wellenformen liefern wesentlich nützlichere Informationen über den dynamischen Schweißprozess als aggregierte Werte. Wellenformen können beispielsweise Funkenbildung erkennen lassen, die durch inkonsistente Montage, lockere Schweißmaschinenhardware und inkonsistentes Timing zwischen der Anwendung mechanischer Kraft und elektrischer Energie verursacht wird.

Widerstandsschweißen wird durch die Anwendung von Hitze und Druck über einen längeren Zeitraum erreicht. Die Wärme wird zugeführt, indem Strom durch die Elektroden und die Schweißkonstruktion geleitet wird. Der Druck wird durch Zusammendrücken der Schweißnaht zwischen zwei Elektroden mit einer vorgegebenen Kraft erzeugt. Das Zeitprofil oder die Geschwindigkeit, mit der Strom und Druck angewendet werden, kann das Schweißergebnis beeinflussen.

Wärme und Druck können nicht direkt gemessen werden. Sie sind jedoch die Folge des Stroms durch die Teile, der Spannung an den Elektroden und der vom Schweißkopf ausgeübten Kraft. Aus diesen Messungen können weitere elektrische Parameter wie Leistung und Widerstand abgeleitet werden. Darüber hinaus führt der Schweißprozess zu einer kleinen Bewegung oder Verschiebung der Elektroden, die Aufschluss darüber geben kann, ob die Schweißung wie erwartet fortgeschritten ist.

Eine Änderung eines dieser Parameter könnte auf Probleme im Schweißprozess hinweisen, wie z. B. falsche Ausrichtung, Schmutz und Ablagerungen, Materialänderungen und Beschichtungsänderungen.

Der Monitor mit seinen resultierenden Werten und Wellenformen zeigt nicht an, ob eine Schweißnaht schlecht oder gut ist. Es kann jedoch die letzte Schweißnaht mit einer bekanntermaßen guten Schweißnaht verglichen werden. Wenn die Parameter ähnlich sind, wird es als gut übergeben; Wenn es außerhalb des Bereichs liegt, wird es als unterschiedlich gekennzeichnet. Anders wird in einer Produktionsumgebung oft als fehlerhaft angesehen und das Teil wird zur Nacharbeit markiert oder verschrottet.

Um den Bereich akzeptabler Werte oder Grenzen zu bestimmen, führt ein Benutzer eine Versuchsplanung mit verschiedenen Einstellungen der Schweißausrüstung durch, die sich auf die Schweißqualität auswirken. Wellenformen werden aufgezeichnet und mit Ergebnissen zur Schweißqualität überprüft. Am Ende der Studie können obere und untere Parametergrenzen festgelegt werden, sodass der Bereich gute Schweißnähte einschließt und schlechte Schweißnähte ausschließt. Durch die optimale Einstellung der Grenzwerte sollte vermieden werden, dass zu viele Fehlalarme auftreten, d. h. Schweißnähte, deren Messwerte innerhalb der Grenzwerte liegen, aber die Schweißqualitätsspezifikationen nicht erfüllen. Das Finden der idealen Parametergrenzen ist zeitaufwändig, aber das Ergebnis sind Prozesseinstellungen, die eine gute Schweißnaht innerhalb statistischer Grenzen identifizieren. Bei kritischen Schweißnähten ist dies das De-facto-Verfahren für Produkte wie Sicherheitskomponenten oder medizinische Geräte.

Neben der Qualitätssicherung werden Schweißwächter eingesetzt für:

Fortschrittliche Schweißüberwachungsgeräte können die gesamte hochauflösende Wellenform jedes Parameters erfassen und analysieren.

Die Daten können lokal im Prozessmonitor oder auf einem vernetzten Server gespeichert werden, entweder vor Ort oder in der Cloud. Moderne High-End-Monitore verfügen über eine Software, die aufgezeichnete Werte in einem Datenbankserver speichert. Auf diese Datenbank kann von Software zur analytischen statistischen Prozesskontrolle (SPC) und von Programmen zur Gesamtanlageneffizienz (OEE) zugegriffen und diese genutzt werden.

Produktionsleiter, Prozessingenieure und Bediener können gespeicherte Daten nutzen, um fundierte Entscheidungen über den Produktionsprozess zu treffen, die sich auf Produktqualität, Durchsatz und Kosten auswirken.

Tatsächlich ist es möglich. Künstliche Intelligenz (KI) und maschinelles Lernen (ML) werden im Schweißbereich eingesetzt, um intelligente adaptive Grenzwerte zu schaffen und die Schweißqualität vorherzusagen.

Die KI/ML-Algorithmen suchen in den aufgezeichneten Daten nach Trends, die bei der Standarddiagrammanalyse möglicherweise nicht erkennbar sind. Darüber hinaus können KI/ML-Tools viele Datenmerkmale aus Prozesswellenformen generieren, die zur Erkennung subtiler Details des Schweißprozesses verwendet werden können. Während die schiere Datenmenge die verschiedensten SPC-Softwaretools überfordern kann, können die Daten problemlos von modernen ML-Algorithmen verarbeitet werden, die auf kostengünstigen Computern ausgeführt werden.

Die KI/ML-Programme gehen über die in Frage Nr. 4 besprochenen einfachen Momentangrenzen hinaus. Sie passen die Grenzwerte während des Schweißprozesses an und berücksichtigen externe Schwankungen, die im Laufe der Zeit natürlich auftreten, wie z. B. Umgebungstemperatur und Elektrodenwechsel. Diese intelligenten adaptiven Grenzwerte ermöglichen einen höheren Durchsatz und eine bessere Qualität.

KI/ML kann möglicherweise endlich die Frage beantworten: „War die letzte Schweißnaht gut oder schlecht?“ und bieten ein Mittel zur Vorhersage der Schweißnahtqualität.