IA y robótica en montaje y acabado

La detección de fuerza es un ejemplo en el que la IA involucrada puede pasar del diseño más simple a algo mucho más complejo. Para aplicaciones automotrices que involucran materiales de alta resistencia que generalmente son más delgados, más fuertes y más difíciles de soldar, la fuerza se convierte en un componente crítico para garantizar que la soldadura sea precisa. FANUC Canadá

Los debates sobre la inteligencia artificial (IA) en este momento implican que tendrá la capacidad de gestionar tareas de forma autónoma. Los chatbots de IA como ChatGPT y otras aplicaciones que pueden crear arte sugieren que, para muchas funciones, las personas pueden quedar fuera de la ecuación. Pero ese no es realmente el caso de las aplicaciones industriales. Por ejemplo, el montaje y el acabado, donde la tecnología es cada año más sofisticada y valiosa, todavía se benefician de estar gestionados por operadores cualificados.

"Hay varios niveles diferentes de IA, y la mayoría de las aplicaciones industriales caen en lo que se describe como 'inteligencia estrecha'", afirmó Dale Arndt, director de ingeniería e integración de FANUC Canadá, Mississauga, Ontario. “Lo que intentas hacer en ese caso es aprender a realizar una tarea y mejorarla. Se basa en algoritmos y gran parte del aprendizaje automático cae en esa estrecha categoría de IA”.

Una definición de aprendizaje automático es la capacidad de un sistema informático para aprender y adaptarse sin seguir instrucciones explícitas mediante el uso de algoritmos y modelos e inferir patrones en los datos. Las rutas de soldadura simplificadas mediante cobots son un buen ejemplo de aplicaciones básicas. Con los robots, señaló Arndt, podemos realizar soldadura MIG o soldadura por puntos y, utilizando entradas de visión, datos de la máquina de soldar y detección de fuerza, garantizar que cada proceso se realice correctamente. La detección de fuerza también se puede utilizar para asegurar remaches y otros sujetadores.

"Estamos realizando estos procesos una y otra vez y realizando mejoras incrementales en los algoritmos para crear un proceso mejor", dijo.

La detección de fuerza es un ejemplo en el que la IA involucrada puede pasar del diseño más simple a algo mucho más complejo.

"En el extremo relativamente simple, se puede considerar la detección de fuerza en tuercas o remaches en la fabricación de automóviles", dijo Arndt. “Puede establecer la cantidad de torsión necesaria para instalar ese sujetador correctamente. Si no se cumple ese punto de viaje, sabrá que la pieza no cumple con las especificaciones. Eso puede ahorrar una enorme cantidad de trabajo repetido, pero sigue siendo relativamente simple”.

En este caso, el robot puede llevar una llave de tuercas automática con un sensor de fuerza incorporado, por lo que no son necesarias conexiones externas en este escenario.

Sin embargo, los algoritmos se vuelven más complicados cuando se empieza a considerar la eliminación de material, como el pulido del material o el desbarbado de piezas moldeadas por inyección.

“Con el desbarbado, desea mover la herramienta tapajuntas a lo largo de la pieza y eliminar el exceso de material de las líneas de costura y los bordes”, dijo Arndt. “Eso se vuelve bastante complicado porque puede depender de la composición del material, cuánto tiempo lleva fuera del molde, la temperatura de la planta y el filo de la herramienta. De repente, su conjunto de datos es mucho mayor.

“Tienes el mismo problema con el acabado de materiales. ¿Qué tan desgastada está la herramienta de pulido? ¿Cuánto exceso de material hay en la parte que estás puliendo? Esto puede involucrar una serie de factores, como el uso de herramientas de monitoreo, detección de fuerza y ​​sistemas de visión”.

Aquí vemos una captura de pantalla de la herramienta Xiris Audio AI que alarma sobre una soldadura quemada. Xiris

Se puede utilizar un sensor de fuerza del robot FANUC o un sensor de fuerza ATI conectado directamente al robot como parte de la planificación del movimiento en estas aplicaciones para crear cambios inmediatos en la trayectoria del robot basándose en el vector de fuerza en tiempo real.

La soldadura por puntos puede ser igualmente desafiante.

"La mayoría de los materiales de alta resistencia que se utilizan en los vehículos modernos son generalmente más delgados y resistentes y pueden ser más difíciles de soldar", dijo. “La fuerza se convierte en un componente realmente crítico para garantizar que la soldadura sea precisa: si aprietas demasiado fuerte, vas a hacer un agujero; Si no aprieta lo suficiente, la soldadura no se calentará adecuadamente y quedará demasiado débil.

“Pero claro, esa no es tu única variable. Entre la corriente, la fuerza y ​​el momento de su soldadura, puede determinar si hay otras preocupaciones que abordar. Puede haber un sensor de fuerza en la mandíbula del arma. Y la corriente se monitorea a través del controlador de soldadura. Y la posición es gestionada y monitorizada por el robot. La comunicación entre el controlador de soldadura y el robot es increíblemente crítica, y se requiere mucho trabajo para garantizar que reaccionemos con el servosistema lo más rápido posible para realizar cambios en esa soldadura lo más rápido posible. Obtener buenas soldaduras puede ser un objetivo sencillo, pero implica una variedad de datos interrelacionados”.

Los mecanismos de retroalimentación para este tipo de sistema se conectan directamente al controlador de soldadura para ajustar rápidamente el flujo de corriente a medida que cambia la metalurgia de la soldadura.

El monitoreo de soldadura también está avanzando gradualmente, ayudado en el camino por compañías como Xiris Automation, con sede en Burlington, Ontario. La empresa lleva más de 30 años desarrollando productos de visión artificial para el control de procesos y calidad. Las cámaras de soldadura de Xiris son conocidas por las vistas claras que ofrecen de los arcos de soldadura, capaces de mostrar claramente el baño de soldadura y la costura.

Ahora están ampliando el conjunto de datos que los soldadores pueden recopilar con la introducción de su herramienta Audio AI.

"Hemos realizado muchos experimentos con señales de audio de soldadura", dijo Cameron Serles, director ejecutivo de Xiris. “En conversaciones con soldadores experimentados, sabíamos que podían saber cuándo algo andaba mal en un proceso de soldadura que se estaba llevando a cabo en el otro lado del taller, si era lo suficientemente malo. A veces el problema es más sutil que eso, pero el audio puede detectar problemas como la falta de gas de protección, quemaduras y saltos en la alimentación del cable en tiempo real”.

El sistema utiliza un registro de aproximadamente 10 segundos de una buena soldadura para utilizarlo como línea de base (Xiris recomienda un lapso muy inferior a 30 segundos). Con esa grabación, el sistema puede advertir al operador si el proceso no cumple con las especificaciones.

"Esto tiene aproximadamente un 80 por ciento de efectividad para determinar cuándo hay un problema", dijo Serles. “Hicimos una serie de experimentos para crear un motor de inferencia que detectaría múltiples tipos de defectos, pero en esta etapa los datos requeridos son demasiado complejos. Sin embargo, en última instancia, el objetivo es desarrollar esto hasta un estado en el que el sistema pueda realmente aprender a mejorarse a sí mismo en función de la entrada de audio”.

Los algoritmos de IA se vuelven más complicados cuando se comienza a considerar la eliminación de material, como pulir, desbarbar o desbarbar piezas moldeadas por inyección. FANUC Canadá

Sin embargo, combinado con los datos de video que los sistemas Xiris ya pueden producir, esto agrega un grado de sofisticación a la forma en que los soldadores pueden diagnosticar problemas.

“Al asociarse con el sistema de cámara, se puede ver si la antorcha está descentrada, si hay un problema con el gas protector o cualquier otra preocupación”, dijo Serles. "Y en cierto modo, es más fácil para los integradores utilizar esto junto con un robot porque el micrófono puede flotar libremente, no tiene que apuntar exactamente al arco como lo hace una cámara".

Lo importante es que los usuarios agregan más información a sus conjuntos de datos.

Pero Arndt duda en llamar a cualquier sistema de este tipo diseñado por IA una “bala mágica”. Un buen integrador que sepa cómo gestionar estas tareas proporcionará al taller los parámetros iniciales de la pieza maestra para determinar cuál debería ser una buena pieza, pero Arndt ve esto solo como el comienzo del proceso.

“Una vez que el sistema esté en producción y funcionando por un tiempo, esperamos que el usuario final tenga la capacidad de decir: 'Oye, ahora tengo muchos más datos y quiero echarles un vistazo y "Asegúrate de que estoy haciendo todo de la forma más óptima posible". Así es como el proceso mejora con el tiempo. Un taller podría querer una mejor vida útil de la herramienta, menos rechazos o un mejor acabado. Trabajar con los datos puede ayudarles a impulsar el proceso”.

Como señaló Arndt, hay muchas variables que afectan el funcionamiento de un proceso industrial.

“A diferencia de una aplicación de traducción, que simplemente se ocupa del lenguaje, los procesos industriales no son lineales”, afirmó. “Estás interactuando con el mundo físico, que siempre está cambiando. Alguien tiene que mantener el robot, el cabezal de pulido, lo que sea que se esté utilizando. Todo eso requiere una buena disciplina industrial”.

¿Qué sigue para este subconjunto de IA? Arndt cree que la Industria 4.0 impulsará una mayor innovación.

"Se trata de conectar dispositivos industriales en red y de cómo gestionamos todos estos datos", dijo. “Así como cada año obtenemos computadoras portátiles más rápidas y capaces, también obtendremos robots industriales más rápidos y capaces. Pero con la arquitectura de la industria 4.0, a medida que los datos se almacenan desde instalaciones completas, eventualmente será posible transferir información de un robot a otro sin duplicar la programación.

“Por ejemplo, si un robot aprende una mejor manera de realizar una soldadura o pulir una pieza, esa información podría cargarse en el sistema a nivel de planta y luego compartirse con otros robots. Todavía no hemos llegado a ese punto (son muchos datos y requieren muchas conexiones nuevas), pero es un resultado beneficioso plausible de hacia dónde se dirige la investigación”.

Puede comunicarse con el editor Robert Colman en [email protected].

FANUC Canadá, fanucamerica.com

Xiris Automatización, xiris.com