Phát hiện lỗi theo thời gian thực trong sản xuất đắp bồi bằng hồ quang dây robot

3D isometric tech illustration of an industrial robotic welding arm performing wire arc additive manufacturing with real-time laser defect detection sensors

Phát hiện khuyết tật theo thời gian thực trong công nghệ bồi đắp bằng hồ quang dây robot

Cách giám sát thông minh và tối ưu hóa quy trình có thể cải thiện tính đồng nhất trong in 3D kim loại công nghiệp.

Vì sao công nghệ bồi đắp bằng hồ quang dây (WAAM) đòi hỏi kiểm soát quy trình nghiêm ngặt theo thời gian thực?

Công nghệ bồi đắp kim loại cho phép các nhóm kỹ thuật chế tạo những chi tiết kết cấu phức tạp bằng cách đắp vật liệu từng lớp. So với gia công CNC bóc tách từ phôi đặc hoặc vật rèn lớn, công nghệ này giúp giảm đáng kể lượng vật liệu thô lãng phí, rút ngắn thời gian giao hàng và tạo ra các cấu trúc hình thái hữu cơ gần như không thể chế tạo bằng dụng cụ thông thường.

Công nghệ bồi đắp bằng hồ quang dây (WAAM) kết hợp hồ quang điện (GMAW, GTAW hoặc plasma) làm nguồn nhiệt với dây hàn thương mại tiêu chuẩn làm vật liệu cấp. Robot hàn công nghiệp nhiều khớp hoặc giàn chuyển động điều phối mỏ đắp theo các đường chuyển động động học đa trục để tạo nên hình dạng gần với hình dạng thành phẩm.

WAAM đặc biệt hấp dẫn trong chế tạo các kết cấu hàng không vũ trụ, hàng hải và năng lượng quy mô lớn nhờ tốc độ đắp vượt quá vài kilogram mỗi giờ. Tuy nhiên, vì mỗi lớp vừa đóng vai trò như vật đúc vừa xử lý nhiệt cho các lớp bên dưới, tính toàn vẹn luyện kim và kích thước tổng thể phụ thuộc hoàn toàn vào sự ổn định liên tục của quy trình.

Những khuyết tật lớn nào xảy ra trong quá trình đắp WAAM và vì sao kiểm tra sau quy trình là chưa đủ?

Khuyết tật đắp hình thành nhanh chóng khi vật lý hồ quang trở nên bất ổn hoặc khi sự tản nhiệt thay đổi theo độ dày thành của chi tiết. Các dạng hư hỏng thường gặp gồm:

  • Không đồng nhất về hình học: Chiều cao đường hàn không đều hoặc hiện tượng gồ lên do tốc độ cấp dây hoặc tốc độ di chuyển dao động.
  • Không nóng chảy & chồng mí nguội: Nhiệt lượng đầu vào không đủ để làm nóng chảy vật liệu nền hoặc đường hàn liền kề.
  • Độ rỗng & oxy hóa: Nhiễu loạn khí bảo vệ, nhiễm bẩn bề mặt hoặc không khí xâm nhập.
  • Bắn tóe quá mức & biến dạng nhiệt: Các chế độ chuyển dịch hồ quang không được kiểm soát tạo ra ứng suất dư và biến dạng hình học.

Các khuyết tật dưới bề mặt và lỗ rỗng bên trong gần như không thể phát hiện bằng camera quang học sau khi bị các lớp đắp tiếp theo phủ kín. Nếu chỉ dựa vào kiểm tra không phá hủy sau quy trình (siêu âm, dòng điện xoáy hoặc chụp cắt lớp công nghiệp) đối với các chi tiết lớn, khuyết tật chỉ được phát hiện sau nhiều ngày đắp và hàng trăm pound dây hàn đã tiêu hao, dẫn đến chi phí phế phẩm thảm khốc.

Thực tế này thúc đẩy quá trình chuyển sang giám sát trực tiếp theo thời gian thực: xác định bất thường ngay khi chúng xảy ra để ô tự động hóa có thể tạm dừng, điều chỉnh hoặc đánh dấu vị trí cần sửa chữa ngay lập tức.

Giám sát quy trình ứng dụng AI chuyển WAAM từ các công thức cài đặt sẵn sang sản xuất thích ứng như thế nào?

Một nghiên cứu gần đây được công bố trên Ứng dụng trí tuệ nhân tạo trong kỹ thuật (ngày 1 tháng 11 năm 2026) giới thiệu một khuôn khổ tiên tiến ứng dụng AI để phân loại khuyết tật theo thời gian thực và tự động tối ưu hóa quy trình trong sản xuất bồi đắp bằng hồ quang robot.

Kiểm soát chất lượng truyền thống dựa vào các cảnh báo ngưỡng cố định (ví dụ: dừng nếu dòng điện lệch quá ±10A). Tuy nhiên, hàn hồ quang vốn có tính động; các quá độ dòng điện ngắn thường xảy ra khi bắt đầu/dừng và chuyển góc mà không báo hiệu khuyết tật. Ngược lại, các sự cố thiếu liên kết nguy hiểm thường biểu hiện qua những thay đổi tương quan tinh vi giữa nhiều biến số, thay vì một biến số đơn lẻ vượt ngưỡng.

Các mạng nơ-ron được huấn luyện và mô hình học máy tổ hợp đặc biệt hiệu quả trong việc kết hợp dữ liệu cảm biến đa kênh, tần số cao. Bằng cách nhận diện các mẫu dấu hiệu đa chiều, hệ thống AI có thể phân biệt nhiễu quy trình thông thường với các khuyết tật đang hình thành, mở đường cho hoạt động sản xuất thích ứng, tự chủ thực sự với vòng điều khiển kín.

Một hệ thống giám sát WAAM toàn diện cần ghi nhận những thông số cảm biến và chuyển động quan trọng nào?

Kiến trúc giám sát quy trình WAAM bền vững tích hợp thiết bị đo đa phương thức trên các miền điện, hình ảnh, nhiệt và cơ học:

1. Tín hiệu hồ quang điện và công suất

Dạng sóng điện áp hồ quang và dòng điện hàn tức thời cho thấy cơ chế tách giọt kim loại, tần suất ngắn mạch và độ ổn định tổng thể của hồ quang. Việc thu thập dữ liệu độ trung thực cao dựa vào phần cứng analog cách ly, hoạt động xác định thời gian, chẳng hạn như Mô-đun đầu vào analog 8 kênh Yokogawa AAI135-S03 hoặc các kênh cảm biến dòng điện chuyên dụng như Mô-đun đầu vào dòng điện analog Yokogawa SAI143-H63 để truyền dữ liệu đo điện đồng bộ mà không bị chồng phổ.

2. Thông tin hiện trường về hình ảnh và nhiệt

Các camera đồng trục tốc độ cao quan sát hình dạng vũng hàn nóng chảy, độ nhô của dây hàn và độ định tâm của hồ quang. Đồng thời, nhiệt kế hồng ngoại và ảnh nhiệt theo dõi độ dốc làm nguội. Việc quản lý nhiệt độ giữa các lớp hàn thường sử dụng các bộ đầu vào cặp nhiệt điện/RTD có độ chính xác cao như Mô-đun đầu vào nhiệt độ Bachmann PTAI216 để xác minh nhiệt lượng của lớp nền vẫn nằm trong phạm vi được phê chuẩn về mặt luyện kim trước khi đắp đường hàn tiếp theo.

3. Động học robot & dữ liệu đo chuyển động

Góc mỏ hàn, vận tốc di chuyển thực tế của TCP và biên dạng gia tốc trực tiếp quyết định nhiệt lượng đầu vào trên chiều dài đường hàn (kJ/mm). Các bộ xử lý chuyển động phần cứng như Mô-đun APM Motion Mate 2 trục GE Fanuc IC693APU302 phối hợp biên dạng chuyển động và cung cấp phản hồi quỹ đạo đồng bộ để liên kết các bất thường cảm biến với tọa độ chính xác của chi tiết 3D.

4. Động lực học của hệ thống cấp dây

Cảm biến lực căng, bộ mã hóa quang học đo tốc độ dây và dữ liệu dòng điện động cơ theo dõi việc cấp dây ổn định qua ống dẫn, ngăn dây bị trượt hoặc khựng vi mô gây ra hiện tượng cháy ngược hồ quang nghiêm trọng.

Các nhà chế tạo máy có thể kết nối hệ thống phát hiện bất thường bằng AI với robot công nghiệp và bộ điều khiển PLC như thế nào?

Dữ liệu cảm biến thô sẽ vô nghĩa nếu không có giao diện công nghiệp bền chắc kết nối bộ máy phân tích biên với bộ điều khiển tự động hóa lập trình được của trạm.

Một kiến trúc triển khai đã được chứng minh sẽ định tuyến các luồng dữ liệu cảm biến đến IPC biên chạy các mô hình suy luận được huấn luyện trước. Để duy trì thời gian chu kỳ PLC xác định tính bằng mili giây trong khi xử lý lưu lượng mạng lớn, các kỹ sư tự động hóa thường triển khai các bộ đồng xử lý truyền thông chuyên dụng như Mô-đun bộ đồng xử lý lập trình GE Fanuc IC693PCM311 để đệm các cờ trạng thái thời gian thực và tọa độ lỗi qua mạng bus trường công nghiệp.

Tùy theo mức độ nghiêm trọng của bất thường, hệ thống sẽ thực hiện các phản ứng theo từng cấp độ:

  • Ghi nhật ký khuyến nghị: Gắn thẻ tọa độ lát cắt CAD/CAM chính xác để kiểm tra siêu âm có mục tiêu sau khi hoàn tất quá trình chế tạo.
  • Dừng giữa các lớp hàn: Phát tín hiệu để bộ điều khiển robot tạm dừng ở cuối đường hàn, khởi chạy chu trình làm sạch tự động hoặc chu trình chờ nhiệt kế hồng ngoại.
  • Tinh chỉnh thông số thích ứng: Điều chỉnh linh hoạt tốc độ cấp dây hoặc vận tốc di chuyển của robot trong phạm vi dung sai WPS (Quy trình hàn) đã được thẩm định trước.

 

Ghi chú kỹ thuật: Tuyệt đối không được điều chỉnh thông số một cách tùy tiện. Việc ghi đè tự động phải tuân thủ nghiêm ngặt các hồ sơ thẩm định quy trình đã được chứng nhận (PQR) để tránh làm thay đổi các đặc tính độ bền kéo hoặc độ dai phá hủy của vật liệu.

Những điểm dữ liệu quan trọng nào tạo nên hồ sơ truy xuất nguồn gốc chất lượng sẵn sàng cho kiểm toán đối với các chi tiết sản xuất bồi đắp?

Trong các lĩnh vực trọng yếu như hàng không vũ trụ và quốc phòng, việc phát hiện khuyết tật phải culminate thành hộ chiếu sản xuất kỹ thuật số bất biến cho từng linh kiện có số sê-ri. Bộ dữ liệu WAAM đáp ứng yêu cầu kiểm toán cần tổng hợp:

  • Số sê-ri duy nhất của linh kiện, phiên bản sửa đổi mô hình CAD và mã băm đường chạy cắt lớp.
  • Số lô cuộn dây, chứng nhận thành phần hóa học và nhật ký thành phần khí bảo vệ.
  • Hồ sơ chuỗi thời gian đồng bộ về dòng điện, điện áp, tốc độ cấp dây và tốc độ di chuyển.
  • Đám mây điểm 3D không gian về vị trí mỏ hàn robot và lượng nhiệt đầu vào tuyến tính đã tính toán.
  • Phiên bản mô hình AI, điểm độ tin cậy và cảnh báo bất thường được ghi lại.
  • Hồ sơ can thiệp của người vận hành, xác minh nhiệt độ giữa các lớp hàn và nhật ký ca làm việc.

Việc kết nối kho dữ liệu biên này với hệ thống MES hoặc PLM của doanh nghiệp đảm bảo tuân thủ đầy đủ các tiêu chuẩn sản xuất bồi đắp ISO/ASTM 52920 và AWS D20.1.

Trước khi triển khai hệ thống giám sát AI tại xưởng sản xuất, các nhà sản xuất nên thực hiện những bước kỹ thuật thiết thực nào?

Chuyển từ kiểm chứng khái niệm trong phòng thí nghiệm sang môi trường sản xuất khắc nghiệt đòi hỏi các quy trình kỹ thuật nghiêm ngặt:

  • Trước tiên nhắm đến các dấu hiệu khuyết tật cụ thể: Tập trung các mô hình ban đầu vào những khuyết tật dễ phát hiện, gây hậu quả nghiêm trọng (như hiện tượng gồ sóng hoặc thiếu liên kết nóng chảy) thay vì cố phân loại mọi loại khuyết tật ngay từ đầu.
  • Đảm bảo cảm biến được bảo vệ chắc chắn: Bảo vệ thấu kính quang học và nhiệt kế hỏa kế khỏi bức xạ hồ quang UV mạnh, va đập của kim loại bắn tóe và nhiễu điện từ nghiêm trọng bằng dao khí nén và tấm chắn quang học.
  • Ngăn mô hình sai lệch bằng dữ liệu đã hiệu chuẩn: Tính đến sự khác biệt về bề mặt dây giữa các lô và độ mòn của đầu tiếp điện mỏ hàn, những yếu tố âm thầm làm thay đổi mức điện áp cơ sở trong các công việc in kéo dài 50 giờ.
  • Kiểm chứng bằng phương pháp luyện kim thực nghiệm: Thường xuyên cắt ngang các mẫu thử để đối chiếu cảnh báo bất thường của AI với các khuyết tật vi cấu trúc thực tế.

Những điểm chính về kỹ thuật và các bước tiếp theo thiết thực

Sản xuất bồi đắp bằng hồ quang dây robot mở ra hướng đi đột phá để chế tạo các cụm kim loại lớn, gần đạt hình dạng cuối cùng với lượng phế liệu tối thiểu. Tuy nhiên, việc ứng dụng trong công nghiệp hoàn toàn phụ thuộc vào độ ổn định có tính xác định của quy trình và công tác đảm bảo chất lượng được chứng nhận.

Bằng cách kết hợp I/O công nghiệp được gia cố, bộ điều khiển chuyển động có tính xác định và khả năng phát hiện bất thường bằng AI theo thời gian thực, các nhà sản xuất có thể chuyển đổi các trạm hàn robot thành hệ thống sản xuất bồi đắp kim loại thông minh, tự giám sát.

Giới thiệu tác giả

Chen Weiming là Kỹ sư cao cấp về Robot và Hệ thống Tự động hóa Hàn, có nhiều kinh nghiệm thực tế trong tích hợp robot đa trục, công nghệ cảm biến hồ quang và đo lường từ xa qua PLC/DCS công nghiệp.

Hiển thị tất cả
Bài đăng trên blog
Hiển thị tất cả
3D isometric tech illustration of an industrial robotic welding arm performing wire arc additive manufacturing with real-time laser defect detection sensors

Phát hiện lỗi theo thời gian thực trong sản xuất đắp bồi bằng hồ quang dây robot

Khám phá cách giám sát thông minh, thu thập dữ liệu đa cảm biến và phát hiện khuyết tật bằng AI theo thời gian thực cải thiện độ ổn định của quá trình đắp bồi và tính đồng nhất của chi tiết trong sản xuất đắp bồi bằng hồ quang dây robot (WAAM).
3D isometric tech illustration of an industrial high-performance motion control MCU on a circuit board with servo drives and EtherCAT communication

Vi điều khiển điều khiển chuyển động công nghiệp: Khả năng xử lý nhúng hiệu năng cao mang lại điều gì

Khám phá cách các MCU công nghiệp hiệu năng cao như dòng GD32H7 Arm Cortex-M7 hỗ trợ các bộ truyền động servo nhỏ gọn, EtherCAT tích hợp trên chip và an toàn chức năng SIL 2/SIL 3.
3D isometric illustration of industrial gas density measurement system and DCS control integration

Đo mật độ khí công nghiệp: Phương pháp mới để giám sát hydro và quy trình công nghiệp

Các thiết bị đo dựa trên cộng hưởng hiện đại cải thiện việc giám sát thành phần khí, khả năng quan sát vận hành và tích hợp đo lường trong các hệ thống hydro và quy trình công nghiệp như thế nào.