Sztuczna inteligencja w produkcji spawalniczej. Cz. I
Czym jest uczenie maszynowe
Uczenie maszynowe to gałąź sztucznej inteligencji i informatyki. Koncentruje się na wykorzystaniu danych i algorytmów do naśladowania sposobu, w jaki ludzie uczą się, stopniowo poprawiając dokładność swojego działania. Uczenie maszynowe jest poddziedziną sztucznej inteligencji. Natomiast głębokie uczenie jest poddziedziną uczenia maszynowego, a sieci neuronowe są z kolei poddziedziną głębokiego uczenia, rys. 1 i 2. Głębokie uczenie maszynowe jest znaczącym postępem w zastosowaniu sieci neuronowych w monitorowaniu i sterowaniu procesów projektowych i produkcyjnych. W szczególności „autoenkodery” są zdolne do uczenia się reprezentacji danych wejściowych (kodowań). Składają się z dwóch części: kodera i dekodera, rys. 3. W koderze dane z czujników spawalniczego procesu technologicznego wprowadza się do sieci neuronowej przez warstwę wejściową.
Pierwsza warstwa ukryta jest większa. Liczba jednostek (sztucznych neuronów) jest większa niż w warstwie wejściowej, aby umożliwić bardziej ogólną reprezentację danych wejściowych. Kolejne warstwy konsekwentnie zmniejszają swój rozmiar, aby skompresować informacje w postaci sygnałów z czujników procesu spawalniczego. W najmniejszej warstwie, zwanej wąskim gardłem, dane są kodowane w formacie niskowymiarowej reprezentacji, którą można wykorzystać jako istotne cechy procesu. Kolejne warstwy powiększają się i rekonstruują oryginalne dane wejściowe z funkcji w wąskim gardle. W ten sposób zapewnia się, że maszyna może uczyć się za pomocą własnego przetwarzania danych, a funkcje zawierają kluczowe i niezmienne informacje dotyczące oryginalnych danych w postaci algorytmów sterowania procesem spawalniczym [5, 11-34].
Sztuczna inteligencja w produkcji spawalniczej
Głównymi celami inteligentnych systemów produkcji spawalniczej jest:
- zapewnienie wysokiej wydajności, jakości i elastyczności produkcji,
- dokładności przebiegu procesu technologicznego,
- możliwie najwyższej ekonomiczności.
Systemy te projektuje się w oparciu o automatyzację i/lub robotyzację procesów spawalniczych, elastyczność i wirtualizację. Inteligentne technologie spawalnicze integrują technologie cyfrowe, sieciowe i sztucznej inteligencji (AI) w celu zastąpienia i/lub wzmocnienia ludzkich zdolności sensorycznych. Inteligentny system spawalniczy to nie tylko wprowadzenie inteligencji maszynowej do produkcji spawalniczej, ale cały ekosystem produkcji, obejmujący pracowników produkcji, takich jak projektanci, technolodzy, inspektorzy jakości, spawacze, zgrzewacze czy operatorzy urządzeń spawalniczych (robotów) [2-34].
Inteligentne systemy spawalnicze projektuje się w oparciu o automatyzację procesów spawania, zgrzewania, lutowania, napawania, cięcia itd. W przypadku inteligentnego procesu spawania integruje się technologie cyfrowe, sieciowe i sztucznej inteligencji (AI). Celem jest zastąpienie i/lub wzmocnienie ludzkich zdolności sensorycznych (np. wzrokowych, słuchowych, dotykowych). System ten łączy w sobie wiedzę opartą na doświadczeniu. Np. w przypadku spawania GMA kształt jeziorka spawalniczego, dźwięk łuku, kształt lica spoiny, ocenę tych parametrów i uczenie się wiedzy o doświadczeniu w spawaniu, rozumowanie i podejmowanie decyzji itp. oraz wiedzę na temat optymalizacji procesu spawania.
Wstępnie zaprogramowane przez operatora roboty spawalnicze stosuje się w przemyśle światowym od dziesięcioleci. Jednak są urządzeniami o bardzo ograniczonej, jeśli w ogóle, inteligencji. Nowoczesne procesy spawalnicze są złożone, o wielu trudnych do sterowania i monitorowania parametrach. Decydują one o możliwie najwyższej jakości złączy, napoin czy ciętych krawędzi. Dlatego też przemysł światowy i ośrodki badawcze dążą do wdrożenia nowej generacji systemów spawalniczych. Mogą inteligentnie dostosowywać się do zmieniających się warunków przebiegu procesów spawalniczych przy zachowaniu wysokiej jakości. Istotą zastosowania w produkcji spawalniczej sztucznej inteligencji jest wykorzystanie inteligentnych technik i/lub inteligencji urządzeń do naśladowania, i/lub zastępowania ludzkiej inteligencji.
Temat będzie kontynuowany w kolejnym numerze czasopisma.
prof. dr hab. inż. Andrzej Klimpel
Wydział Mechaniczny Technologiczny
Politechnika Śląska
Galeria
Co tydzień otrzymaj od nas porządną dawkę wiedzy o branży przemysłowej!
Porównaj produkty
