在工业金属对金属焊接操作中，公司正在努力实现自动化检查以有效检测焊接缺陷。 为了防止代价高昂的产品召回、过多的废品、返工以及与质量低劣相关的其他成本，公司希望实现自动化检查并及早、一致地识别焊接缺陷。
无名英雄
焊接是两种化合物通过热量熔化。 这是一个每天发生数十亿次的过程，也是我们所有人都依赖的过程。 您在阅读本文时所坐的椅子可能有数十处焊缝。 您的汽车有数百到数千个焊缝。 水力发电大坝产生的电力通过具有数千个焊缝的输电塔传输数百英里，为您的家庭供电。 除非出现问题，否则没有人会考虑焊接。 我们只享受它给我们带来的好处。
制造商的工作是确保您舒适地坐在椅子上，您的汽车安全运行，并且您的汽油在您需要时流动。 这需要设计、工艺工程、技术人员、质量控制以及值得信赖的供应商和设备提供商生态系统之间的密切合作。
制造商是无名英雄，他们日复一日地确保我们的安全。 如果他们做好自己的工作，他们就不会出名。 然而，如果出现问题——事故、召回、泄漏甚至死亡——那么制造商将首先受到质疑。 据麦肯锡称，除了声誉成本和风险之外，仅汽车行业的不良焊接每年就造成高达 99 亿美元的损失。
焊接检验的挑战
花点时间检查下面的焊缝。 乍一看，你能判断出这个焊缝是好还是坏吗？
很可能你不能。 没关系，因为几乎没有人可以通过目视检查来判断。 就像漂浮在水中的冰山一样，只能看到清澈的白色尖端，而危险隐藏在表面之下，许多焊接质量指标是人眼看不见的。
下图 1 是最常见的电弧焊缺陷的图表。 每个缺陷旁边的星星颜色显示了经验丰富的主题专家对每个缺陷的可见程度。
制造工艺结合使用 破坏性的 和 非破坏性的 确定焊缝是否存在不连续或缺陷的质量测试方法。 让我们深入探讨这两种测试形式之间的差异。
- 破坏性的 测试包括焊缝的机械拆卸（例如打磨）和化学蚀刻（例如乙醇加柠檬酸）以测量熔合参数。 它是最准确的质量评价方法，并且只需要少量的样品。 然而，发现缺陷后，修复它需要丢弃从发现到修复期间发生的所有焊缝。 这个过程非常昂贵且耗时。
- 非破坏性 测试主要是通过人类目视检查来完成的。 有时，它会通过超声波测试来增强，这也是由人类驱动的。 一旦发现并修复了缺陷，在此期间完成的每个焊接也必须进行测试。 这些类型的检查是主观的、不一致的，仅覆盖缺陷的子集，并且既昂贵又耗时。
游戏规则改变者
我们并不是唯一思考这个问题的人。 设备和传感器提供商正在努力解决这个问题，大多数制造商都在尝试利用先进的分析和人工智能，并取得了不同程度的成功。 设备提供商关注其组件产生的数据，而传感器提供商关注其传感器生成的信息。 我们看到这些方法面临一些挑战，包括：
- 它们仅涵盖故障模式的一小部分。
- 它们提供短期准确性，但会遭受长期模型漂移的影响。
- 他们不适应运营变化。
- 他们仅使用某些类型的数据。
- 他们需要大量此类数据。
什么是 AWS 上的 IBM Smart Edge for Welding？
AWS 上的 IBM Smart Edge for Welding 采用与 IBM Research 合作开发的音频和视频捕获技术。 使用焊接时拍摄的最先进的视频和音频记录 人工智能 和 机器学习 模型分析焊缝质量。 如果质量不符合标准，则会发送警报，并且可以立即采取补救措施。
该解决方案大大缩短了缺陷检测和修复之间的时间，以及生产线上的缺陷数量。 结果是总体成本降低。
AWS 上的 IBM Smart Edge for Welding 独特地利用多模态和 IBM Research 的专利多模态 AI，通过以下组合提供准确的见解：
1. 可视化分析
- IBM Maximo Visual Inspection (MVI)、边缘模型和 AWS 模型使我们能够利用计算机视觉实时分析过程中的焊接视频。
- 西里斯 焊接摄像机是专门构建的工业光学摄像机，可提供前所未有的焊池、焊丝、工件等的高分辨率过程中视频。
- Xiris 热像仪是一款专用工业热像仪，可可视化焊接过程中的加热和冷却行为。
2. 声学分析
- IBM Acoustic Analytics，一种专有的、已获专利的、专门构建的神经网络，用于分析焊接声音。
- Xiris WeldMic 是一款专用工业麦克风，可以像最有经验的焊接技术人员一样实时聆听电弧声音。
3.AWS边缘和云
- 工业边缘计算使我们能够无缝集成到您的制造环境中，创建实时见解，保存并保护安全，而无需任何敏感信息离开工厂。
- 云计算可作为公共、私有或专用云部署使用，支持跨生产线、工厂甚至地域的可扩展性。
看到缺陷就是相信
虽然目视检查非常繁琐且极易出错，并且经常无法识别表面不规则和不连续等焊接缺陷，但计算机视觉系统能够高精度地检测异常和焊接错误。 以下是我们目前在客户生产运营中部署的一些最新的基于人工智能的方法的示例：
光学视频
下面的光学视频剪辑可视化了焊缝的几个组成部分：
- 熔池的尺寸和形状以及冷却时如何凝固；
- 焊丝沉积填充材料时的行为；
- 产生的飞溅；
- 保护气体中的湍流； 和
- 烧伤形成的孔洞。
热感视频
下面的红外视频剪辑显示了焊缝的几个附加组件：
- 通过颜色编码的热区域；
- 轨迹的均匀性；
- 热特征、熔池的尺寸和纯度； 和
- 由我们的人工智能模型实时创建的注释（在本例中为孔隙率）。
声学见解
下图是将焊接声音转换为声波和声谱，并标识：
- 正常和异常行为模式； 和
- 将异常分类为特定故障模式。
结果
通过在焊接检测过程中结合使用光学、热学和声学见解，两个关键的制造角色可以更好地确定焊接不连续性是否可能导致导致浪费时间和金钱的缺陷：
1. 焊接技术员：在车间工作，需要实时了解焊接性能，以便根据需要添加、更改或优化流程。 下面的仪表板在构建时考虑到了易用性。 该解决方案可以集成到车间使用的任何平台和设备中，例如 HMI 或移动设备。
2. 工艺工程师：想要了解跨班次、周、月、焊接程序和材料的模式和行为，以改进整体制造流程。
解决方案的好处
我们的客户报告了实施该解决方案后获得的以下好处：
- 通过 100% 焊缝检查提高质量。
- 减少时间并优化设置焊接程序。
- 加速推出新产品或变革。
- 识别趋势作为缺陷的早期预警信号和其他实时见解。
- 缩短识别问题和解决问题之间的时间。
- 通过减少体力劳动和人工测试、所需材料以及破坏性测试、不良焊接批次和预防性补救产生的废料来降低成本。
- 未识别的焊接缺陷会增加保修风险和召回。 通过该解决方案，可以降低风险，因为每个焊缝都经过检查并且符合质量标准。
结果，一家工厂通过这些成本降低效益，每年可节省 1800 万美元*。 保修成本和召回——其中 仅汽车行业每年就损失约 99 亿美元——当它们是由于焊接不良而引起时，可以避免或显着减少。 提供高质量和安全的焊接件可以维护品牌声誉。
与 AWS 合作
IBM 与 AWS 合作开发了一种解决方案，以应对整个行业的制造挑战，即快速识别焊接缺陷以实现快速修复。 该解决方案架构包括云和边缘组件。
AWS 云拥有 200 多种服务，可用于增强、优化和进一步定制该解决方案。 IBM 的 AI 模型在 AWS 云中进行训练并部署到边缘进行推理。 所有焊接数据都存储在云端的低成本存储环境中，用于分析和未来的模型训练。 亚马逊 QuickSight 可用于工艺工程师仪表板和报告。 它支持将模型部署到边缘端点的自动化过程。
该架构的边缘环境运行在 AWS 物联网 Greengrass。 数据是从车间传感器（例如摄像头和麦克风）获取的。 它经过预处理以消除音频数据中的多余噪声和视频数据中的模糊图像。 然后通过机器学习模型执行模型编排和推理 IBM Maximo 视觉检测 和 IBM 声学分析仪，以确定焊缝的质量并确定其是否符合设定的标准。 后处理包括从警报通知和报告到将数据传输到云以进行进一步分析、模型训练、合规性存档和其他有益目的。
参考架构
总结一下
AWS 上的 IBM Smart Edge for Welding 为客户提供端到端、可立即生产的解决方案，通过优化制造商的焊接流程产生底线影响。 IBM 与 IBM Research 合作提供人工智能的力量，从计算机视觉到 IBM Maximo 视觉检测 (MVI) 到 IBM 声学分析。
该解决方案为制造商提供实时焊接缺陷洞察，以便通过焊接质量单一管理平台更快地诊断和修复问题。 焊接技术人员和工艺工程师可以检查高达 100% 的焊缝，以便在生产过程的最早阶段确定焊接缺陷的原因。 这会减少重复缺陷和返工，并减少材料浪费，为公司加速可持续工业流程提供机会。 因此，基于废料、材料和劳动力成本的节省，制造商每年每 1,000 台机器人可减少高达 1800 万美元*的返工成本。
特别感谢我们的贡献者和合作者，包括 Manoj Nair、Caio Padula、Wilson Xu、Ofir Shani、Nisha Sharma、Penny Chong 和 Tadanobu Inoue。
*基于 IBM 的现有合作，但个别结果可能会有所不同
