IA et robotique dans l'assemblage et la finition

La détection de force est un exemple où l'IA impliquée peut aller de la conception la plus simple à quelque chose de beaucoup plus complexe. Pour les applications automobiles impliquant des matériaux à haute résistance qui sont généralement plus fins, plus résistants et plus difficiles à souder, la force devient un élément essentiel pour garantir la précision de votre soudure. FANUC Canada

Les discussions sur l'intelligence artificielle (IA) en ce moment impliquent qu'elle aura la capacité de gérer des tâches de manière autonome. Les chatbots IA comme ChatGPT et d'autres applications qui peuvent créer de l'art suggèrent que, pour de nombreuses fonctions, les gens peuvent être retirés de l'équation. Mais ce n'est vraiment pas le cas pour les applications industrielles. Par exemple, l'assemblage et la finition, où la technologie est chaque année plus sophistiquée et précieuse, bénéficient toujours d'être gérés par des opérateurs qualifiés.

« Il existe plusieurs niveaux différents d'IA, et la plupart des applications industrielles relèvent de ce que l'on appelle « l'intelligence étroite » », a déclaré Dale Arndt, directeur, ingénierie et intégration, FANUC Canada, Mississauga, Ont. "Ce que vous essayez de faire dans ce cas, c'est d'apprendre à effectuer une tâche et à l'améliorer. Elle est basée sur des algorithmes, et une grande partie de l'apprentissage automatique entre dans cette catégorie étroite d'IA."

Une définition de l'apprentissage automatique est la capacité d'un système informatique à apprendre et à s'adapter sans suivre d'instructions explicites en utilisant des algorithmes et des modèles et en inférant des modèles dans les données. Les chemins de soudage simplifiés utilisant des cobots sont un bon exemple d'applications de base. Avec les robots, a noté Arndt, nous sommes en mesure de prendre en charge le soudage MIG ou le soudage par points et, en utilisant les entrées de vision, les données de la machine à souder et la détection de force, nous assurons que chaque processus est effectué correctement. La détection de force peut également être utilisée pour fixer des rivets et d'autres attaches.

"Nous répétons ces processus encore et encore et apportons des améliorations progressives aux algorithmes pour créer un meilleur processus", a-t-il déclaré.

La détection de force est un exemple où l'IA impliquée peut aller de la conception la plus simple à quelque chose de beaucoup plus complexe.

"Sur la fin relativement simple, vous pouvez envisager la détection de force des écrous ou des rivets dans la fabrication automobile", a déclaré Arndt. "Vous pouvez définir la quantité de couple nécessaire pour installer correctement cette fixation. Si ce point de déclenchement n'est pas atteint, vous savez que la pièce n'est pas conforme aux spécifications. Cela peut économiser énormément de retouches, mais cela reste relativement simple."

Dans ce cas, le robot peut transporter un tourne-écrou automatique avec un capteur de force intégré, donc aucune connexion externe n'est nécessaire dans ce scénario.

Cependant, les algorithmes deviennent plus compliqués lorsque vous commencez à envisager l'enlèvement de matière, comme le polissage de matière ou l'ébavurage de pièces moulées par injection.

"Avec l'ébavurage, vous souhaitez déplacer l'outil de solin le long de la pièce et retirer l'excédent de matériau des lignes de couture et des bords", a déclaré Arndt. "Cela devient assez compliqué car cela peut dépendre de la composition du matériau, de la durée de sa sortie du moule, de la température de la plante et de la netteté de votre outil. Du coup, votre ensemble de données est beaucoup plus volumineux.

"Vous avez le même problème dans la finition des matériaux. Quel est l'état d'usure de l'outil de polissage ? Quelle quantité de matériau excédentaire y a-t-il sur la pièce que vous polissez ? Cela peut impliquer un certain nombre de facteurs, tels que la surveillance de l'utilisation de l'outil, la détection de force et les systèmes de vision."

Ici, nous voyons une capture d'écran de l'outil Xiris Audio AI alarmant sur une soudure brûlée. Xiris

Un capteur de force de robot FANUC ou un capteur de force ATI directement connecté au robot peut être utilisé dans le cadre de la planification de mouvement dans ces applications pour créer des modifications immédiates de la trajectoire du robot en fonction du vecteur de force en temps réel.

Le soudage par points peut être tout aussi difficile.

"La plupart des matériaux à haute résistance qui entrent dans les véhicules modernes sont généralement plus fins et plus résistants et peuvent être plus difficiles à souder", a-t-il déclaré. "La force devient un élément vraiment essentiel pour s'assurer que votre soudure est précise : si vous serrez trop fort, vous allez faire un trou ; si vous ne serrez pas assez fort, la soudure ne chauffera pas correctement et sera trop faible.

"Mais bien sûr, ce n'est pas votre seule variable. Entre le courant et la force et le moment de votre soudage, vous pouvez déterminer s'il y a d'autres problèmes à résoudre. Il peut y avoir un capteur de force dans la mâchoire du pistolet. Et le courant est surveillé par le contrôleur de soudage. Et la position est gérée et surveillée par le robot. être un objectif simple, mais il implique une variété de données interdépendantes."

Les mécanismes de rétroaction de ce type de système se connectent directement au contrôleur de soudage pour ajuster rapidement le flux de courant à mesure que la métallurgie de la soudure change.

La surveillance des soudures progresse également progressivement, aidée en cours de route par des entreprises comme Xiris Automation, basée à Burlington, en Ontario. L'entreprise développe des produits de vision industrielle pour le contrôle des processus et de la qualité depuis plus de 30 ans. Les caméras de soudure de Xiris sont connues pour les vues claires qu'elles offrent des arcs de soudure, capables de montrer clairement le bain de soudure et le cordon.

Ils élargissent désormais l'ensemble de données que les soudeurs peuvent collecter avec l'introduction de son outil Audio AI.

"Nous avons fait de nombreuses expériences sur les signaux audio de soudage", a déclaré Cameron Serles, PDG de Xiris. "Lors de discussions avec des soudeurs expérimentés, nous savions qu'ils pouvaient dire quand quelque chose n'allait pas avec un processus de soudage qui se déroulait de l'autre côté de l'atelier, s'il était suffisamment grave. Parfois, le problème est plus subtil que cela, mais l'audio peut capter des problèmes tels que l'absence de gaz de protection, les brûlures et les sauts d'alimentation en fil en temps réel."

Le système utilise un enregistrement d'environ 10 secondes d'une bonne soudure à utiliser comme référence (Xiris recommande une durée bien inférieure à 30 secondes). Avec cet enregistrement, le système peut alors avertir l'opérateur si le processus est hors spécifications.

"C'est environ 80% efficace pour déterminer quand il y a un problème", a déclaré Serles. "Nous avons fait un certain nombre d'expériences sur la création d'un moteur d'inférence qui détecterait plusieurs types de défauts, mais à ce stade, les données requises sont trop complexes. En fin de compte, cependant, l'objectif est de développer cela à un état où le système peut réellement apprendre à s'améliorer en fonction de l'entrée audio. "

Les algorithmes d'IA deviennent plus compliqués lorsque vous commencez à envisager l'enlèvement de matière, comme le polissage, l'ébavurage ou l'ébavurage de pièces moulées par injection. FANUC Canada

Combiné avec les données vidéo que les systèmes Xiris peuvent déjà produire, cependant, cela ajoute un degré de sophistication à la façon dont les soudeurs peuvent diagnostiquer les problèmes.

"En vous associant au système de caméra, vous pouvez voir si la torche est décentrée, ou s'il y a un problème de gaz de protection, ou toute autre préoccupation", a déclaré Serles. "Et à certains égards, il est plus facile pour les intégrateurs de l'utiliser en conjonction avec un robot car le microphone peut flotter librement, il n'a pas à viser exactement l'arc comme le fait une caméra."

L'important est que les utilisateurs ajoutent plus d'informations à leurs ensembles de données.

Mais Arndt hésite à qualifier tout système de ce type conçu par l'IA de "solution miracle". Un bon intégrateur qui sait comment gérer ces tâches fournira à un atelier les paramètres initiaux de la pièce maîtresse pour déterminer ce que devrait être une bonne pièce, mais Arndt considère cela comme le début du processus.

"Une fois que le système est en production et fonctionne pendant un certain temps, nous espérons que l'utilisateur final aura la capacité de dire : "Hé, j'ai beaucoup plus de données maintenant, et je veux y jeter un coup d'œil et m'assurer que je fais tout de la manière la plus optimale possible". C'est ainsi que le processus s'améliore avec le temps. Un atelier peut vouloir une meilleure durée de vie de l'outil, moins de rebuts ou une meilleure finition. Travailler avec les données peut l'aider à faire avancer le processus. »

Comme l'a noté Arndt, de nombreuses variables affectent le fonctionnement d'un processus industriel.

"Contrairement à une application de traduction, par exemple, qui traite simplement de la langue, les processus industriels ne sont pas linéaires", a-t-il déclaré. "Vous interagissez avec le monde physique, qui change constamment. Quelqu'un doit entretenir le robot, la tête de polissage, tout ce qui est utilisé. Tout cela demande une bonne discipline industrielle."

Quelle est la prochaine étape pour ce sous-ensemble d'IA ? Arndt pense que l'industrie 4.0 stimulera l'innovation.

"Il s'agit de mettre en réseau des appareils industriels et de la façon dont nous gérons toutes ces données", a-t-il déclaré. "Tout comme nous obtenons tous des ordinateurs portables plus rapides et plus performants chaque année, nous aurons des robots industriels plus rapides et plus performants. Mais avec l'architecture de l'industrie 4.0, comme les données sont stockées à partir d'installations entières, il peut éventuellement être possible de transférer des informations d'un robot à un autre sans dupliquer la programmation.

"Par exemple, si un robot apprend une meilleure façon d'exécuter une soudure ou de polir une pièce, ces informations pourraient être téléchargées dans le système au niveau de l'usine, puis partagées avec d'autres robots. Nous n'en sommes pas encore là, c'est beaucoup de données et nécessite beaucoup de nouvelles connexions, mais c'est un résultat bénéfique plausible de l'orientation de la recherche."

Le rédacteur en chef Robert Colman peut être joint à [email protected].

FANUC Canada, fanucamerica.com

Xiris Automation, xiris.com