Prediktiva modeller och maskinlärningsalgoritmer som ett led mot adaptiv styrning av svetsprocessen - en förstudie

Viktiga resultat som projektet gav

Inom ramen för projektet har det demonstrerats att det är möjligt att utifrån insamlad data modellera och prediktera en rad olika kvalitetsmått kopplat till svetsning så som penetrationsdjup, övergångsradie, svetsens storlek samt svetsens eventuella asymmetri, samt på aggregerad nivå utnyttja dessa för att kompensera svetsvinklar i förhållande till inkommande variation i fixturering. Projektet har också identifierat möjliga användningsområden för maskininlärning samt vilka maskininlärningsmetoder som verkar lämpliga att gå vidare med i ett fortsättningsprojekt.

Långsiktiga effekter som förväntas

Resultaten från projektet visade på goda möjligheter att skapa regressionsmodeller baserade på data framtagen från kontrollerade försöksplaner. Flera av de modellerade kvalitetsmåtten påvisade mycket god överensstämmelse mellan modell och verklighet även för starkt reducerat antal försök m.h.a. avancerad försöksplansmetodik. Några kvalitetsmått så som övergångsradie var dock svårpredikterad och mer arbete behövs både gällande insamling av data, samt algoritm för beräkning av övergångsradie för att skapa mer noggranna modeller för den här typen av kvalitetsmått.

Upplägg och genomförande

Karaktären på projektets frågeställning krävde en tät samverkan mellan flera olika discipliner, både inom akademi och industri. I detta projekt var industriföretagen nästan helt utgörande av slutanvändare i form av svetsande industri medan akademins bakgrund var uppdelad mellan produktionsteknik, datorvetenskap och kvalitetsteknik. Generellt lyckades projektet genom god samverkan uppnå alla delmål men en viktig lärdom till ett eventuellt fortsättningsprojekt är att bredda deltagandet från industrin till att även inkludera robottillverkare eller robotintegratörer.