溶接プロセスの AI への道

マーク・ボイル著、アマダウェルドテック

人工知能 (AI) および機械学習 (ML) アルゴリズムは、現代のデジタル社会において、私たちの習慣を監視したり、「適切な」広告を配信したり、どの新しいテレビ シリーズを見るべきかを提案したりするために広く使用されています。 AI/ML は、製造現場の生産ラインを通るマテリアル フローを決定し、適切なタイミングで適切な場所に部品を割り当ててスループットを向上させ、利益を最大化するためにどの製品を構築するかを予測するために、目立たないように産業環境にも実装されています。

開発の重要な分野の 1 つは溶接プロセスのモニタリングです。AI/ML を使用して抵抗溶接またはレーザー溶接の製造プロセスを直接調べ、成功を判断します。 これには、発せられる一連の物理信号の記録と分析が含まれます。これには、信号を収集するための高解像度センサー (溶接の継続時間はミリ秒程度になる可能性があります) だけでなく、大量のデータをエクスポートして分析するためのインフラストラクチャも必要です。

このブログ投稿では、今日の製造におけるレーザー溶接プロセスの AI への道を切り開く 3 つの主要な開発領域と 1 つの付随領域について説明します。 これらの開発により、プロセス中に何が起こっているかをより深く理解できるようになり、結果として品質と歩留まりが向上します。

図 1 – 溶接プロセスの人工知能と機械学習への道には、高解像度のデータ取得、高速データ処理、およびデータを分析して使用するための AI/ML アルゴリズムが必要です。 データ セキュリティの担保ブランチは、プロセス モニターをネットワーク上に配置するときに必要となる論理的な追加手順です。

データ収集: 高解像度データの収集

最初の、そしておそらく最も重要なプロセスの部分は、収集、デジタル化、保管を含むデータの取得です。

抵抗溶接やレーザー溶接のプロセスは、小さな部品の場合はわずか数ミリ秒しかかかりませんが、その非常に短い時間スケール内であっても、溶接の成功に関する貴重な情報をもたらすダイナミクスが存在します。 したがって、データ キャプチャの解像度は、マイクロ秒の時間スケールで特徴を収集できるほど十分に高い必要があります。 AI/ML アルゴリズムの場合、データセットが豊富であるほど (解像度が高いほど)、アルゴリズムは良いものと悪いものをより正確に分類できます。 解像度の重要性を詳しく見てみましょう。

下の図 2 は、時間の経過とともにセンサーによって収集された溶接部からの物理信号を示しています。 データが低いサンプル レートで収集された場合 (中央上部)、出力 (右上) は曲線の中心に現れる外れ値の特徴を見逃す階段状の信号となり、溶接不良が良好とみなされる可能性や、その逆の結果となる可能性があります。 。 ただし、サンプル レートが高い場合 (中央下)、出力では真の信号がより適切に再構成され (右下)、外れ値が認識されます。信号レベルについても同じことが当てはまります。信号の解像度が高いほど、より良い信号が得られます。溶接プロセス中に発生する実際の物理信号の再構築。

図 2 – 高解像度データは、物理信号の正確な再構成と解釈の鍵となります。 この図では、低いサンプリング レートと高いサンプリング レート、およびそれらが特徴のキャプチャに与える影響を示しています。

なぜこれがそれほど重要なのでしょうか? 品質に関する何らかの予測を行う場合、より多くのデータがより正確な結果をもたらします。 曲線の中央のブリップが溶接の成功を示す主な指標である場合、その存在を確認するにはより高い解像度の信号が必要であることは明らかです。

公平を期すために言うと、上の例の曲線は非常に単純であり、経験豊富なプロセスエンジニアであれば溶接の良し悪しを簡単に見分けることができます。 しかし、実際には、曲線はさらに複雑であり、測定された曲線の特定のセグメントと溶接の成功との間の相関関係は明らかではありません。 ここでは、AI/ML アルゴリズムを使用して、複数の方法でデータを解析してトレンドを除去し、新しい相関関係を見つけることができます。 ここのテイクアウトは？ データの解像度が高いほど、AI/ML アルゴリズムからより良い結果が得られます。

ネットワーキングによりデータ収集がローカルからグローバルに可能になります

ただし、高解像度データの取得は、センサーからローカル ストレージ、またはリモートのネットワーク ストレージにデータを転送するときに課題が生じます。解像度とチャネル数によっては、これが 1 秒あたり数メガビットに相当する可能性があります。 これには明らかに、インターネットを介した高速データ転送と、生産全体を通じてこの量の情報を継続的に受け入れることができる高速書き込み速度のハード ドライブが必要です。

もちろん、ネットワークがあればさらなる利点も得られます。

歴史的には、個々の作業セルには専用のプロセス モニターが装備されていました。 データはローカルに保存され、基本的な数値 (信号の最大値や最小値など) を収集して比較できるように集約されました。 データのエクスポートは、USB スティックまたは RS-232 経由で行うため、時間のかかる作業でした。 これらのデバイスは比較的遅いため、大量のデータを簡単に転送できず、ファイルを手動で操作する必要がありました。 これにより、マシンとオペレーターに依存した情報サイロが作成されるという影響がありました。

図 3 – ネットワーク化された溶接モニタリング

イーサネット経由で接続されるプロセス モニターを作成すると、インターネットへの外部接続があると仮定して、情報の転送が大幅に容易になり、グローバルに収集できるようになります。 これは、プロセス エンジニアが世界中にある複数の工場からデータを収集して分析できることを意味します。

これを AI/ML アルゴリズムに結び付けることで、異なる場所にある同様のセットアップからデータを取得できます。 これにより、溶接リポジトリがより迅速に強化され、データが拡張されて、溶接プロセスのより洗練された判断が提供されます。

収集および保存されたデータを AI および ML アルゴリズムで使用する

次に、この収集および保存されたデータの使用方法を見てみましょう。 最終的に、データはストーリーを伝える必要があります。つまり、さらなる意思決定を行うために解釈および使用できる情報を提供する必要があります。 これは、プロセス エンジニアや機械オペレーターが次の質問を理解し、答えるのに役立ちます。

プロセスは効率的で、管理下にあり、良い製品を生産していますか?

機器は正しく動作していますか? メンテナンスは必要ですか？

設備はうまく活用されていますか？ 生産率はどのくらいですか?

欠陥のあるプロセス結果を引き起こす条件はありますか?

異常、異常なイベント、または適合しないデータはありますか?

これらの質問に対する答えは、メーカーが製品の品質やスループットを向上させるためのビジネス上の意思決定を行うのに役立ちます。 歴史的に、この意思決定は、溶接プロセスの経験に基づいてプロセス エンジニアとオペレーターによって行われてきました。 当初、これは視覚または聴覚によって行われていたかもしれませんが、最近では基本的なプロセス モニターの助けを借りて行われています。

高度なネットワーク モニターによってキャプチャされた溶接プロセス データに AI/ML アルゴリズムを適用すると、集計された数値や波形内では容易に確認できない新しい特徴を見つけて、簡単には確認できない相関関係が得られるため、プロセス エンジニアとオペレーターの能力が拡張されます。 AI/ML アルゴリズムは、多数のセンサー測定値から任意の数の特徴を同時に決定できます。

「特徴」とは、収集されたデータから測定または計算される量 (スカラーまたはベクトル) です。 「有用な特徴」とは、プロセスまたは機械のセットアップの変更の結果として変化する量です。 たとえば、図 2 に示す波形上のバンプは、存在する場合、引張強度要件を満たしていない溶接を示す特徴である可能性があります。

AI/ML アルゴリズムは、教師あり学習または教師なし学習のいずれかに基づいて動作します。教師あり学習では、各測定の入力を含む一連のテストが必要です。開始前にデータセットを作成する必要があるため、このプロセスにはかなりの時間がかかり、費用がかかる可能性があります。 。 一方、教師なし学習は、データセットなしでゼロから始まります。 データセットにデータが入力されると、外れ値や異常を見つけて、さらなるレビューのためにフラグを付けることができます。

溶接プロセスの場合、教師なし学習が最適です。 プロセスエンジニアまたはオペレーターは、部品の溶接をすぐに開始できます。 プログラムが開発されると、標準から外れた溶接を特定することができ、プロセス エンジニアまたはオペレータは検査して結果をアルゴリズムにフィードバックできます。 これははるかに費用対効果の高い学習プログラムであり、製品はまだ生産可能です。 データベースに追加される良好な溶接と不良な溶接に関するより多くのデータと情報により、選択基準は改善され続けます。 実際の制限はさまざまな入力測定値に合わせて調整できるため、これは単なるプロセス制限を超えています。

パズルの隠されたピース - ネットワーク セキュリティ

これらの新しいプロセス モニターはネットワークで接続されており、相互に通信でき、プロセス エンジニアがリモート アクセスできるため、これは外部ソースがモニターのネットワークに侵入する可能性があることも意味します。これはそれほど心配する必要はありません。ハッカーまたは競合他社がデータにアクセスできるということではなく、これがより広範な企業ネットワークへのポートとなる可能性があるということです。

実際、アマダ ウェルド テックの最新製品ではネットワーク セキュリティを考慮する必要があり、考慮されてきました。製品がお客様をより広範なネットワークにさらさないように、ポートを選択的に開き、SecureLink®1 などのプログラムを推奨しています。

まとめ

溶接プロセスの AI への道には、高解像度データの取得、ネットワーク製品を介した高速データ転送と保存、および AI/ML アルゴリズムが含まれます。 これに加えて、ネットワーク セキュリティも工場での強力な実装の鍵となります。 これらを達成することで、AI/ML プログラムがリアルタイムのプロセス監視と連携して溶接プロセスの理解をさらに進め、製造の品質とスループットを向上させることができます。

1SecureLink は Imprivata, Inc. の登録商標です。

投稿日: 2023 年 5 月 5 日、AI、インダストリー 4.0、製造、市場の背景 | パーマリンク | コメント (0)