Ang pagwelding at pagputol ay talagang nasa puso ng trabaho sa industriyal na paggawa, na kung saan ay nagdudugtong at nagbibigay-hugis sa lahat ng mga metal na bahagi na nakikita natin sa paligid. Ang gawaing ito na dating lubos na manual ay ganap na nagbago sa paglipas ng panahon. Ang mga modernong shop ay gumagamit na ng napakaraming automated system na may kasamang robotics, teknolohiyang AI, at iba't ibang kasangkapan sa pagsusuri ng datos na tumatakbo nang real time. Ang modernong kagamitan sa intelihenteng pagwelding at pagputol ay puno talaga ng sensor at machine learning na nagbibigay-daan sa kanila para magdesisyon minsan, i-adjust ang mga parameter habang gumagana, at patuloy na suriin ang kalidad sa buong proseso. Ang lahat ng teknolohiyang ito ay nagbubukas daan sa tinatawag na smart factory. Sa mga lugar na ito, ang iba't ibang makina ay patuloy na nakikipag-ugnayan sa isa't isa, na nagpapabilis sa production line at naglalayo sa mga manggagawa sa mapanganib o paulit-ulit na gawain na nakapapagod sa kanila sa matagal na panahon.
Ang pagmamanupaktura ay malayo nang narating simula noong mga panahon ng ganap na manu-manong pag-welding at pagputol. Noong mga unang araw ng awtomatikong proseso, nagsimula ang mga kumpanya sa mga pangunahing mekanikal na setup na bahagyang nagbawas sa pisikal na pasanin ng mga manggagawa ngunit nangangailangan pa rin ng patuloy na pagmomonitor ng mga tao. Sa kasalukuyan, makikita na natin ang mga sopistikadong sistema sa trabaho. Ang mga collaborative robot ay kasabay na nagtatrabaho kasama ang mga manggagawa sa shop floor, ang mga algorithm ng AI ay patuloy na nag-aayos ng mga proseso habang ito ay gumagana, at ang detalyadong pagsusuri ng datos ay nagbibigay sa mga tagapamahala ng malalim na pag-unawa kung gaano kahusay ang paggawa ng mga produkto. Ang mga resulta ang nagsasalita para sa kanilang sarili. Ang mga pabrika na nag-adopt ng smart welding technology ay karaniwang nakakakita ng pagtaas sa bilis ng produksyon mula 18% hanggang 22%. Nang magkatulad, ang pagkakapare-pareho ng produkto ay mas lalo pang umunlad, at mas kaunti nang kailanganin ang pag-ayos ng mga pagkakamali sa susunod pang mga yugto.
Ang mga prinsipyo sa likod ng Industriya 4.0 ay talagang nagpapabilis sa paraan kung paano isinasagawa ng mga kompanya ang mga sistema ng intelihenteng pagwelding at pagputol sa buong kanilang mga pabrika. Ang mga modernong setup na ito ay nag-uugnay sa lahat ng bagay upang mas mapatakbo ng mga tagagawa ang mas matalinong operasyon na mabilis umaksyon sa anumang nangyayari sa shop floor. Isipin mo ito: kapag ang mga welder ay konektado sa mga network ng IoT, gumagamit ng imbakan sa ulap para sa nakaraang datos, at tumatakbo ng mga kumplikadong kasangkapan sa pagsusuri, ang resulta ay mga linya ng produksyon na halos agad na nakakabawi kapag mayroong anumang pagbabago. Ang ilang sistema ngayon ay mayroong sensor fusion technology na nakakakita ng maliliit na pagkakaiba sa mga materyales hanggang sa kalahating milimetro ang kapal! Kapag nangyari iyon, ang makina mismo ang gumagawa ng mga pag-aayos upang mapanatili ang kalidad ng welding sa pinakamataas na antas. Ano ang ibig sabihin nito para sa mga negosyo? Mas kaunting oras na ginugol sa pagkumpuni ng mga pagkabigo, mas mura ang kuryente dahil mas epektibo ang pagtakbo ng mga makina, at mas eksaktong magkakatulad ang mga produkto mula sa assembly line man gawa ito para sa kotse o sa sasakyang pangkalawakan. Talagang kamangha-manghang teknolohiya kapag inisip mo.
Ang pinakabagong mga pag-unlad sa automasyon ng welding ay nagdudulot ng pagsasama ng artipisyal na intelihensya at mga robot na kolaboratibo o tinatawag na cobots, na nagreresulta sa mas madaling i-angkop na mga shop floor. Ang tradisyonal na mga industrial bot ay nangangailangan ng malalaking safety cage sa paligid nila, ngunit ang mga cobot ay nakikipagtulungan nang diretso kasama ang mga tao sa shop floor. Sila ang nangangasiwa sa lahat ng paulit-ulit na gawaing pang-welding na may napakaindustriyal na presisyon, mga isang sampung bahagi man lang ng milimetro. Kasama sa mga sistemang ito ang mga smart camera na nakikilala kung saan dapat ang weld joints, at pagkatapos ay binabago ang anggulo at bilis ng torch kung kinakailangan. Ang mga shop na nag-ampon na ng mga AI-powered na cobot ay nakakakita rin ng tunay na benepisyo. Ang mga changeover ay tumatagal ng halos kalahati lamang ng dati, at mayroong humigit-kumulang 30% na mas kaunting metal na basura batay sa mga numero ng kahusayan sa industriya noong nakaraang taon. Ang dahilan kung bakit mainam ang setup na ito ay ang paraan kung paano pinagsasama ang mga manggagawang tao at mga matalinong makina. Ang buong sistema ay maayos na umaangkop sa iba't ibang uri ng produkto nang hindi isinusuko ang kalidad.
Ang AI ay lubusang nagbago sa mga robot na pang-welding, mula sa simpleng mga programadong makina tungo sa mas matalinong sistema na may kakayahang gumawa ng desisyon habang gumagana. Ang mga neural network ay nagpoproseso ng iba't ibang sensor data tulad ng mga reading sa arc voltage, thermal images, at impormasyon sa pagsubaybay ng seam upang maayos ang mga setting ng welding agad-agad kung kinakailangan. Kapag may pagbabago sa kapal ng materyales, sa pagkakatugma ng mga joint, o kapag nagsisimulang mag-distort dahil sa init, ang mga matalinong sistemang ito ay awtomatikong nakakakompensar upang mapanatili ang kalidad ng weld, kasama ang tamang penetration at maayos na bead profiles. Ayon sa ilang pag-aaral, ang welding na ginagawa ng mga AI system ay tinatanggap nang una nang pagkakataon sa halos 99.7% ng mga kaso, samantalang ang karaniwang automated welding ay umabot lamang ng humigit-kumulang 92% ayon sa Manufacturing Technology Review noong nakaraang taon. Para sa mga kumplikadong hugis at sitwasyon kung saan palagi nagbabago ang mga kondisyon, napakahalaga ng ganitong uri ng kalayaan dahil ang mga lumang pre-programmed na landas ng robot ay hindi na sapat pa.
Isang malaking tagagawa ng kotse kamakailan ay nagpakilala ng mga robot sa pagwelding na pinapagana ng AI upang tugunan ang mga problema sa hindi pare-parehong gusali ng chassis. Ang kanilang sistema ay umaasa sa mga algorithm ng deep learning na pinakain ng datos mula sa humigit-kumulang 50,000 na nakaraang pagwelding upang malaman ang pinakamahusay na setting para sa iba't ibang uri ng joint. Idinagdag nila ang thermal imaging upang obserbahan kung paano kumalat ang init sa kabuuan ng metal, kasama ang teknolohiyang laser scanning upang suriin ang hugis ng weld bead habang ito ay nabubuo. Matapos ang halos kalahating taon sa shop floor, ang pabrika ay nakita ang pagbaba ng mga isyu sa porosity ng halos 60%, at praktikal na nawala nang tuluyan ang karagdagang gawain na kailangan matapos ang masamang pagwelding. Ang kakaiba dito ay patuloy na lumalago ang kaalaman ng AI sa paglipas ng panahon. Nakita nito ang mga mahinang pagkakaiba-iba sa mga materyales na dati ay hindi napapansin ng sinuman, na nagbibigay-daan sa mga technician na i-tweak ang mga proseso bago pa man lumitaw ang mga problema. Ito ay nagpataas ng kahusayan ng kagamitan ng humigit-kumulang 22% ayon sa Automotive Production Quarterly noong nakaraang taon. Ang pagsusuri sa halimbawang ito ay nagpapakita kung bakit sobrang importante ng matalinong teknolohiya sa pagwelding para sa mga pabrika na gumagawa ng malalaking volume kung saan ang anumang maliit na pagpapabuti ay maaaring magdulot ng malaking epekto sa kalidad ng produkto at bilis ng produksyon.
Ang mga shop na nagpapagawa ngayon ay nakakalikom ng toneladang datos gamit ang iba't ibang sensor, makina, at mga pagsusuri sa kalidad sa kabuuan ng kanilang operasyon. Kapag ina-analyze ng mga tagagawa ang impormasyong ito nang real time, mas malinaw nilang nakikita kung ano ang nangyayari habang isinasagawa ang mga trabaho sa pagw-weld at proseso ng pagputol. Nakatutulong ito upang matukoy kung kailan magsisimulang lumihis ang mga bagay, marahil dahil sa hindi pare-parehong mga materyales na papasok o kapag hindi gumaganap nang maayos ang mga makina. Ayon sa mga ulat sa industriya mula sa Number Analytics noong nakaraang taon, ang mga kumpanyang nagpapatupad ng ganitong uri ng pagsusuri sa datos ay karaniwang nakakaranas ng pagtaas ng produktibidad mula 10 hanggang 25 porsiyento, kasama ang humigit-kumulang 18% na pagtaas sa kabuuang epekto ng kagamitan. Ngunit ang tunay na mahalaga ay ang pagbabago sa lahat ng numerong ito sa isang kapaki-pakinabang na impormasyon para sa mga plant manager at teknisyen sa planta upang madiskubre nila nang maaga ang mga potensyal na problema at maiwasan ang mahahalagang pagtigil sa produksyon o mga depekto sa produkto sa hinaharap.
Kapag napag-uusapan ang automated welding, ang real time monitoring ang nagbibigay ng malaking pagkakaiba sa quality control. Ang sistema ay nagbibigay agad ng feedback tungkol sa mga bagay tulad ng arc stability, dami ng init na inilalapat, at kung ang metal ba ay sapat na naipapasok. Ang matalinong software ay kayang tuklasin ang mga pattern na nagpapahiwatig ng posibleng problema sa weld bago pa man ito lumikha ng aktwal na depekto, upang maayos ng mga operator ang mga parameter nang maaga. Ang mga shop na nagpatupad na ng teknolohiyang ito ay nakapag-ulat ng halos 13 porsyento mas kaunting hindi inaasahang shutdown at humigit-kumulang 7 porsyento mas mabilis na production cycle nang hindi isinusacrifice ang consistency ng kanilang mga weld. Pinakamagandang bahagi? Ang mga problema ay agad na nalulutas imbes na maghintay hanggang sa huling inspeksyon bago mahuli. Binabawasan ng diskarteng ito ang mahahalagang rework at naililigtas ang mga materyales na kung hindi man ay masasayang.
Ang hindi napapansin ng karamihan tungkol sa pagmamaneho ngayon ay hindi talaga ang kakulangan ng impormasyon. Ang tunay na problema ay nasa pag-unawa sa lahat ng datos na nakokolekta natin. Ang mga masusing kasangkapan sa pagsusuri ay gumagamit na ng mga teknik sa machine learning upang maihiwalay ang kapaki-pakinabang na impormasyon mula sa ingay sa likod, at eksaktong matukoy kung anong mga salik ang pinakaimpluwensya sa kalidad ng weld. Ang mga advanced na sistema na ito ay nagraranggo ng mga babala batay sa antas ng kanilang kabigatan at epekto, upang ang mga manggagawa ay makapokus sa mga bagay na talagang mahalaga imbes na malito sa dagat ng mga abiso. Kapag pinagsama sa mga thermal image, detalye tungkol sa welding arc, at kaalaman sa iba't ibang materyales, ang mga platapormang ito ay nagbibigay ng mahalagang impormasyon na nakakatulong upang mapabuti ang operasyon ng welding at cutting sa pangkalahatan. Ito ay idinisenyo upang magbigay ng praktikal na payo batay sa aktuwal na kondisyon imbes na ipakita lamang ang mga bundok ng numero na walang alam ang sinuman kung paano gamitin.
Ang kasalukuyang kagamitan sa pagw-welding ay gumagamit ng mga teknik sa machine learning na sinusuri ang lahat ng uri ng impormasyon mula sa sensor upang madiskubre ang mga problema habang ito ay nangyayari sa proseso. Ang mga smart algorithm ay kumukuha ng datos mula sa mga camera na nagmamasid sa weld pool, mga sensor ng init na sumusukat sa pagbabago ng temperatura, at iba't ibang device na nagmo-monitor sa mismong welding arc. Ang mga sistemang ito ay nakakadiskubre ng maliliit na hindi pagkakapareho nang maaga pa bago pa man ito makaapekto sa lakas ng final na produkto. Ang tunay na halaga nila ay nasa kanilang kakayahang lalong mapabuti habang tumatagal. Habang tumatanggap sila ng higit pang datos mula sa aktwal na produksyon, mas napauunlad nila ang pagkilala sa mga pattern sa iba't ibang materyales at awtomatikong umaangkop kapag nagbabago ang kondisyon sa shop floor. Ibig sabihin, ang mga tagagawa ay kayang mapanatili ang mataas na pamantayan sa kalidad sa bawat batch nang hindi nangangailangan ng palaging pangangasiwa mula sa mga technician.
Ang mga smart welding at cutting system ay gumagamit na ngayon ng neural networks upang i-tweak ang mga setting ng voltage, antas ng kuryente, at bilis ng paggalaw ng torch sa ibabaw ng mga materyales. Patuloy na sinusuri ng sistema ang nangyayari sa aktuwal na weld pool at binabasa ang impormasyon tungkol sa arc mismo upang malaman ang eksaktong dami ng enerhiya na kailangang ipasok, kasama kung kailan at saan ilalagay ang material nang maayos. Ang ganitong uri ng smart control ay epektibong binabawasan ang karaniwang mga problema sa welding tulad ng mga maliit na bulsa ng hangin (porosity) o kapag nasira ang metal sa gilid (undercut). Bukod dito, pinahuhusay nito ang kabuuang proseso kaya mas kaunti ang posibilidad na kailangan pang baguhin ang mga bahagi pagkatapos, na nakakatipid ng oras at pera sa mga production shop sa buong mundo.
Nag-uulat ang mga tagagawa ng 37% na pagbawas sa paggawa muli matapos maisagawa ang pag-optimize ng parameter na pinapagana ng AI (Journal of Intelligent Manufacturing 2020). Ang mga algorithm ng machine learning ay nakapaghuhula ng pinakamainam na kondisyon ng pagwelding para sa partikular na mga materyales at uri ng sambilya, na pinauunlad ang kanilang mga modelo batay sa nakaraang pagganap. Ang ganitong feedback loop ay unti-unting binabawasan ang mga depekto at pinapabuti ang mga rate ng unang pag-apyer ng produksyon.
Ang mga kamakailang pag-unlad sa teknolohiyang pang-welding at pagputol ay may kasamang mga sistema na kayang i-optimize ang sarili gamit ang reinforcement learning. Sa madaling salita, sinusubukan ng mga makina ang maliit na pagbabago sa kanilang mga parameter tuwing panahon ng rutinang pagpapanatili o kung ang produksyon ay hindi nasa buong kapasidad. Nagkakaroon sila ng kakayahang malaman nang mag-isa kung ano ang pinakaepektibo, kaya hindi na kailangang palagi nang manu-manong baguhin ng mga inhinyero ang mga setting. Ang nagpapahalaga dito ay ang kakayahan ng kagamitang pang-welding na manatiling tumpak at epektibo kahit sa iba't ibang uri ng metal, gumagamit ng mga depektibong tool, o sa mga lugar na may iba-iba ang temperatura sa shop floor. May ilang tagagawa na nag-uulat ng hanggang 30% na pagpapabuti sa consistency rate matapos maisagawa ang mga sistemang ito, bagaman ang resulta ay nakadepende sa kalidad ng unang nakolektang datos.
Ang mga modernong sistema ng welding at pagputol ngayon ay pinagsama ang maramihang sensor upang maipagsama ang impormasyon mula sa mga bagay tulad ng optical tracking, thermal imaging, at pagsubaybay sa tunog, na lahat ay isinasama sa isang patuloy na sistema ng feedback. Dahil sa ganitong uri ng integrasyon, mas lubos na nauunawaan ng mga robot ang mga nangyayari sa paligid nila habang isinasagawa ang welding. Nakikita nila ang maliliit na pagbabago sa pagkakatugma ng mga joint, pagkakaiba-iba ng mga materyales na ginagamit, at kahit ang mga paglipat ng distribusyon ng init sa buong workpiece. Kapag pinoproseso ng mga sistemang ito ang lahat ng iba't ibang pinagmulan ng datos nang sabay-sabay gamit ang mga sopistikadong matematikal na modelo, awtomatikong binabago nila ang mahahalagang parameter tulad ng bilis ng paggalaw ng torch, mga setting ng kuryente, at ang dami ng wire na ipinapasok sa weld pool. Ano ang nangyayari pagkatapos? Mas kaunting mga maling weld at mas kaunting pangangailangan na itama ang mga pagkakamali sa susunod. Malaki ang epekto nito lalo na kapag gumagawa ng mga precision part na kailangan para sa mga bahagi ng eroplano o mga sasakyan na lumalabas sa production line kung saan ang anumang maliit na depekto ay hindi katanggap-tanggap.
Ano ang papel ng AI sa automatikong pagwelding?
Mahalaga ang papel ng AI sa automatikong pagwelding dahil pinapayagan nito ang mga robot na gumawa ng real-time na desisyon batay sa datos mula sa sensor, i-adjust ang mga parameter habang gumagana, at mapabuti ang kontrol sa kalidad nang walang interbensyon ng tao.
Paano nakakaapekto ang mga prinsipyo ng smart manufacturing sa mga sistema ng pagwelding at pagputol?
Ang mga prinsipyo ng smart manufacturing ay nag-uugnay sa mga sistema para sa mas mahusay na integrasyon, na nagbibigay-daan sa kagamitang pang-welding at pang-pagputol na gumana nang mas epektibo, kaya nababawasan ang gastos sa enerhiya at tumataas ang pagkakapare-pareho ng produkto.
Anong mga benepisyo ang nakikita ng mga kumpanya sa paggamit ng mga marunong na sistema ng pagwelding?
Nakararanas ang mga kumpanya ng mas mabilis na produksyon, mas mahusay na pagkakapare-pareho ng produkto, mas kaunting pagkakamali, nabawasang basura ng materyales, at mas mababang gastos sa kuryente sa pamamagitan ng pag-install ng mga marunong na sistema ng pagwelding na may AI at machine learning.
Paano pinapahusay ng real-time na data analytics ang mga proseso ng pagmamanupaktura?
Ang real-time na data analytics ay nagbibigay ng transparency sa pamamagitan ng agarang pagtatanghal ng mga insight sa mga operasyon ng pagwewelding at pagputol, na nagbibigay-daan sa mga operator na mabilis na matugunan ang mga isyu, kaya nagpapabuti sa produktibidad at kahusayan ng kagamitan.
Balitang Mainit
EN
