《构建焊点质量人工智能检测系统.pdf》由会员分享,可在线阅读,更多相关《构建焊点质量人工智能检测系统.pdf(28页珍藏版)》请在三个皮匠报告上搜索。
1、面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。广汽本田汽车有限公司焊装管理科郑世卿面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。目录Contents技术路线创新点提炼整体成果02030401立项背景面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 31.1背景与价值 车身上焊点数千个,是主要的连接工艺 焊点质量检测是保证车身强度和客户安全的关键保证措施电阻点焊是车身制造的关键工艺,焊点质量检测对车身强度和客户安全至关重要普通车身ACE车身普通车身ACE车身扭转强度弯曲强度24%32%电阻点焊ACE高级兼容性车身结构电
2、阻点焊工艺面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 41.1背景与价值手持式超声波检测仪焊点质量检测方式人员投入大设备成本高通过检测焊核的超声回波曲线,识别判断焊核的好坏低成本自动化当前的焊点质量检测方法只能进行抽检,品质保证能力弱,且成本很高半破坏检查仪器贵,强度检查效率低检测效率低只能抽检7990不检查时检查时环境噪音/dB噪音超85dB噪音大,检查覆盖面窄单价42万检查工时3040s/焊点3040s存在问题点面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 51.2现状分析在焊接过程中用超声波自动检测焊点质量,但是成本更加高昂且
3、可靠性有待验证02增加额外检测工时单位:秒批量处理待验证电极杆需改造焊点结果推送PC内置电极的超声探头电极柄电极工件增加超声波检测装置判断焊点质量OKNG未明采集焊核情况并分析实时反馈监控岗位050单台改造成本大单位:万元真实声学图像熔核几何图像 模拟声学曲线点焊焊接存在问题点方案一:超声波焊点质量在线自动检测面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 61.2现状分析在焊接完成后采用超声波自动检测焊点质量,但是成本高昂且需要占用大量面积焊接完成后增加独立工作站进行焊点自动化检测机器人超声波无损自动检查系统导入无损设备新增工作站7个自动检查超声波装置新增机器人新
4、增工作站7336m2新增占地面积01750成本大单位:万元存在问题点方案二:超声波焊点质量在线自动检测面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 71.2现状分析通过分析焊接参数是否在阈值内来检测焊点质量,模型准确率受到限制大数据分析获得焊接参数的上下阈值存在问题点方案三:焊点质量在线自动检测提取电阻点焊焊接过程参数大数据分析焊接参数轮廓UCLLCL提取轮廓上下限控制线,作为模型的边界焊点质量受多种参数的耦合影响,单一维度阈值分析影响准确率电阻R电流I热量Q采集焊接过程参数大数据分析上下阈值外上下阈值内焊点不良焊点合格OKNG焊点质量压力时间电流耦合影响误报警多
5、阈值窄不良焊点流出阈值宽面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 8可靠、低成本的焊点质量自动检测方式是行业空白1.2现状分析手动检查自动检查半破坏在线检测内置电极的超声探头电极柄电极工件超声波焊后检测低成本自动化行业空白?成本高抽检目前手动检测和自动检测都存在不足投入大低成本&自动化检测是行业空白对策思考行业调查面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 9物联网超声波检测思考借助智能化技术打破行业焊点质量低成本自动检测的空白,实现0的突破 自动采集焊接过程参数 电流、电阻、加压力、热量 焊接数据处理分析 焊点模型训练实时分析
6、 焊点质量智能判断 焊点模型自学习完善科学决策焊点质量智能检测人员多成本高作业强度大人工智能智能化技术 结果推送强检岗 进行二次复检精准执行提升效率降低成本提升品质大数据状态感知人工智能大数据焊点预测合格焊点不良焊点特征边界f(t,x0,x1,xn)焊接过程参数人工智能模型算法1.2现状分析面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 10通过焊接参数规律分析,对焊点质量进行分类,实现焊点质量的过程检测1.2现状分析焊点AI模型检查系统构想IOT平台采集焊接数据人工复检检查方式区别半破坏抽检超声波抽检 事后检查 以直观的特征数据作为判断标准模型AI检查 过程检查
7、以复杂的过程参数分类特征作为判断标准传统检查模型检查木已成舟直观可靠昂贵低效结果延迟廉价高效实时反馈可能出错掌握先机结果大屏推送电流加压力通电时间焊接品质结果输出现场品质推送焊点二次复查功能查询追溯异常标记IOT系统平台通过监控不同的工艺数据曲线,判断焊点质量大数据建模分析面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 112技术路线采集数据 焊接原理分析 IOT平台建立 数据采集及融合数据预处理 数据平衡处理建立模型 模型原理与算法 多模型的焊点质量检测 模型应用及可视化从不同设备中获取焊点一台份数据保证数据满足模型需求区分不良焊点数据特征提供大数据基础提供可靠一
8、致的大数据按照采集数据、数据预处理、建立模型三个步骤开展面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 122.1数据采集通电时间(T)通电时间影响焊接部发热量通电时间增加,焊核变大焊接电流(I)接触电阻(R)电阻=r1+2r2+2r3+2r4 焊接压力变大,接触电阻减少,焊核越小,产热越小焊点质量主要由焊接热量Q决定,而焊接热量主要受电流、压力和通电时间的影响 I2RT发热量(J)电阻()电流(A)通电时间(ms)电阻点焊原理:在热与电极压力作用下,金属板材熔化金属原子间结合形成焊点的过程电阻点焊原理 焊接原理分析焊接压力焊点质量通电时间电阻电流电流过小,焊点小或
9、无法熔接电流过大,熔接越快,易飞溅焊接强度低面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 132.1数据采集影响焊接质量的工艺参数分别从机器人、焊接控制器及PLC中采集从机器人控制器中采集焊接工艺参数来源 焊接原理分析压力(F)电流(I)通电时间(T)VIN码电阻点焊作用:控制焊接电流和焊接时间按照设定值精准输出焊接控制器作用:控制焊接压力按照设定值精准输出焊接机器人作用:传递VIN码,将焊接工艺参数与焊点建立联系PLC电阻点焊焊接系统构成从焊接控制器中采集从PLC中采集面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 14公司IOT平台
10、基于IOT技术实现工艺参数采集,并在公司云平台建立数据库统一管理2.1数据采集局域网组建以太网采集数据专用采集电脑线外进行收集参数采集到边缘服务器数据分类及存储数据分类数据存储数据集成 IOT平台建立采集终端焊接设备终端存储功能数据分类公司云平台数据集成查询追溯云平台界面MQTT协议设备协议网关焊接控制器压力机器人电流时间控制器VIN码PLC面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 152.1数据采集焊接控制器、机器人和PLC内部时钟和数据采样频率不一样,融合成一个焊点的数据存在困难设备将4组数据打包融合成1个焊点的数据VIN码电流时间压力数据PLC焊接控制器
11、机器人 数据采集及融合如何从一连串数据中找到第X焊点对应的数据?工艺参数F1F2F3FnVIN1VIN2VINmI1T1I2T2I3T3IpTp数据融合F?VIN?I?T?第X焊点时钟不同数据长度不同采样频率不同数据时序不同哪些数据属于X焊点?难点1:如何进行数据融合?面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 16增加时间戳2.1数据采集 数据采集及融合首创时间戳,成功将电流、时间等工艺参数打包融合到一个焊点数据里设备数据采集增加公共时钟信息PLC焊接控制器机器人控制器采集终端独立时钟4扭矩VIN码电阻/电流/时间独立时钟1独立时钟2独立时钟3三种设备时钟精度
12、不同统一使用采集终端时钟VIN1I1VINmF1F2FnI2I3I4IoIo+1T1T2T3T4ToTo+1a1a2axa1a2axa1a2axa1a2ax相同时间戳参数融合成一个焊点时钟4融合数据第X焊点FnVINmIpIp+1TpTp+1时间戳仅用于标识定位,不纳入焊点数据包内F2VINmIpIp+1TpTp+1X焊点的时间戳面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 172.2数据预处理 数据平衡处理实际生产中代表不良焊点的负样本数量远少于正样本数量正负样本不平衡会影响模型训练结果正负样本不平衡的影响过拟合准确度偏差 分类器可能会过度学习正样本特征 这可能
13、会导致过拟合 分类器有可能会把所有样本都预测为占比较大的正样本通过随机算法补充数据?正负样本的现状不良焊点产生概率远低于合格焊点全拆解焊接工艺合格焊点不良焊点工艺成熟工艺窗口大参数不敏感不良焊点占比低定期全拆解检查不良焊点占0.14%0.36%不良焊点占0.14%0.36%难点2:如何实现正负样本平衡?正样本负样本正样本远低于负样本面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 18根据实际生产情况设定离线试验方案2.2数据预处理 数据平衡处理通过离线制造补充不良焊点数据,但离线制造焊点数量有限离线试验得制造数量有限离线制造不良试验电极修磨不良板材间隙大板材有异物电
14、极不修磨持续焊接900点以上后焊接相关结论试验方案与在线焊接尽可能保持一致:1、在原有自动线上开展2、使用相同的板材与设备离线试验制造不良焊点测试板材间隙0mm、0.5mm、1mm、1.5mm、2mm板材间涂布HPA胶离线制造1、偶发导致焊接停止的报警;2、完成焊接的情况下,几乎不会导致焊点不良试验条件负样本数量提升到10%但仍然不够015%32%100%00.20.40.60.810次500次600次800次不良焊点概率不修磨点数电极不修磨试验020%66%100%00.20.40.60.810mm0.5mm 1.5mm2mm不良焊点概率板材间隙板材间隙试验面向新车型设计,通过效率提升、体质
15、强化,构筑内作成本最优的车型生产体质。P 19采用通过smote上采样增加负样本,实现对数据进行平衡处理2.2数据预处理平衡样本数据正负样本数据不均衡正负样本数据均衡正样本多负样本少增加负样本的数量上采样 数据平衡处理对策:通过算法处理补充数据按照以上方法可以大规模的形成新的负样本如果样本特征少而可能导致过拟合加入随机噪声、干扰数据等合成新样本通过上采样进行数据平衡处理,并进行改良直接复制少数类样本形成多条记录对于每个,每个被选择的样本,按以下公式构建新样本:new=+rand(0,1)()根据合格样本与不合格样本的比例确定采样倍率,对于每一个少数样本,从近邻中选取若干样本STEP1STEP2
16、面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 20朴素贝叶斯模型随机森林模型逻辑回归模型2.3建立模型利用经典机器学习算法来进行模型训练,区分不良焊点与合格焊点朴素贝叶斯模型合格焊点不良焊点特征边界f(t,x0,x1,xn)通过已知不良焊点信息,找出不良焊点的特征范围通过大数据训练识别出不良焊点特征范围已知A表示焊点质量,B表示工艺参数P(A):历史样本中焊点质量合格的概率P(B|A):焊点质量合格时工艺参数的分布概率P(B):当前工艺参数的概率,固定值焊点合格概率计算分类器训练P(A|B):工艺参数取当前值时,焊点质量合格的概率预测正常异常朴素贝叶斯模型常用分类
17、算法 模型原理与算法经典分类算法面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 21训练集:训练用数据验证集:验证用数据训练&验证集超参数调节决策边界单一机器学习算法构建模型模型决策边界确定超参数调节提高模型准确率2.3建立模型利用大数据对模型进行持续的训练,优化模型的超参数,从而得到合格焊点的决策边界,即判断基准合格焊点不良焊点特征边界f(t,x0,x1,xn)模型训练结束得到决策边界得到类别模型训练前区分好训练集和验证集 模型原理与算法逻辑回归随机森林朴素贝叶斯检出率误报率准确率模型训练对模型参数组合进行训练寻找最佳参数返回最优超参数N次模型训练默认超参数面向新
18、车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 22首创多模型融合理念,采取一票否决制检测焊点质量,避免不良焊点流出2.3建立模型采用多模型一票否决制单模型检出率偏低,存在不良流出的风险检出率误报率准确率朴素贝叶斯模型随机森林模型逻辑回归模型83%80%79%1.6%1.2%1.4%97.0%97.1%96.8%多模型融合100%2.56%97.7%多模型训练结果融合检出率偏低不合格焊点可能漏检模型1模型2模型3OKOKNGNG检出率多模型融合多模型训练融合 多模型融合算法的提出备注:正常焊点:1000 异常焊点:100各模型准确率情况多模型融合算法不良焊点流出风险难点3
19、:如何避免不良焊点流出?面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 23采用半破坏检测方法对模型检测结果进行验证2.3建立模型 多模型融合效果确认面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 24模型系统部署到现场,不良焊点可以反馈给强检员进行二次确认5、功能展示2.3模型建立焊点质量检测系统界面自主开发强检工位显示系统 焊点统计区域不良焊点记录 自动线内焊点展示 焊接工艺参数展示序号展示区域功能焊点统计区域当天加工品质情况(总数量、检测数、不良数及合格数)不良焊点记录最近发生的不良焊点的信息自动线内焊点展示各站点即时焊点质量情况焊
20、点工艺参数展示每个焊点质量过程参数曲线强检岗位推送强检员焊点检查焊点异常检出修正标签焊点异常返修补焊NY 模型应用及可视化面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 25焊点质量检测结果实时输出成功打破了行业焊点质量低成本自动检测的空白数据采集模型构建结果输出智能终端交换机实时数据库服务器IOT平台高效采集数据逻辑回归随机森林朴素贝叶斯数据收集数据清洗数据分析模型建立模型训练PLC机器人控制器焊接控制器项目创新点3面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 26成功实现了焊点质量自动检测,不良焊点检出率达100%项目创新点行业首创
21、基于大数据+人工智能的焊点强度自动检测行业首创基于时间戳的异种设备不同采样频率数据的融合方法行业首创基于多模型融合理念的焊点强度智能检测模型3多模型融合理念朴素贝叶斯模型随机森林模型逻辑回归模型模型1模型2模型3OKOKNGNG检出率多模型融合模型不良焊点检出100%发明专利1份(实审)基于多模型融合的焊点质量检测方法,装置及存储介质基于时间戳的数据融合焊接机PLC机器人智能终端交换机实时数据库服务器采集装置方案示意图发明专利1份(申请)基于时间戳的异种设备不同采样频率数据的融合方法申请中焊点质量自动检测人工智能大数据焊点预测合格焊点不良焊点特征边界f(t,x0,x1,xn)发明专利4份(1份
22、授权,3份实审)基于经验贝叶斯的数据批次效应处理方法、装置及介质基于GRU-C网络的点焊质量检测方法、装置及存储介质基于生成对抗网络的点焊数据填补方法、装置及存储介质发明授权面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 27检测方法总成本焊点检测率准确率实际检出能力类型具体实施不良焊点 合格焊点不良焊点合格焊点人工检测半破坏检测484 万/年1%100%100%1%1%手动超声波检测484 万/年+1100 万1%100%100%1%1%超声波自动检测方案二:超声波检测系统安装在机器人上60,000 万70%100%100%70%70%方案一:焊枪电极上安装超声波探头28,600 万100%100%100%100%100%数据分析方案三:自动检测系统2,200 万100%无统计结果99.9%无统计结果99.9%人工智能检测本项目400 万100%100%97.7%100%97.7%技术成果对比4.1本项目大幅降低成本,且能够有效防止不良焊点流程焊点覆盖率成本检出率准确率各种技术成果对比半破坏检手动超声波机器人+超声波电极+超声波西门子智检本项目面向新车型设计,通过效率提升、体质强化,构筑内作成本最优的车型生产体质。P 28感谢专家评委的聆听!谢谢!