Onderzoek naar betere lasprocessen met AI

De nieuwe samenwerking werd bekend gemaakt tijdens een vakevenement op de TU Graz, waar experts uit politiek, bedrijfsleven en wetenschap de invloed van kunstmatige intelligentie op efficiëntie en kwaliteit bij het lassen bespraken.

Analyse invoervariabelen

Een goed lasresultaat is afhankelijk van de optimale stroom-spanningskarakteristiek van de lasmachine. Dit optimum wordt bepaald door verschillende invoervariabelen. Het project richt zich op de ontwikkeling van intelligente systemen die invoervariabelen zoals basismateriaal, toevoegmaterialen, beschermgassen of lasmethoden automatisch kunnen analyseren en de lasparameters in realtime kunnen aanpassen. Het doel is om de voorheen handmatig uitgevoerde correcties te vervangen door automatisering met machine learning – voor een consistent hoge kwaliteit en maximale procesbetrouwbaarheid.

Speciale testlijn

“In principe creëer je een enorme dataruimte met alle lasresultaten als functie van verschillende invoervariabelen”, legt Christof Sommitsch uit, hoofd van het Instituut voor Materiaalkunde, Verbindings- en Vormtechnologie aan de Technische Universiteit Graz. “Het machine learning -model analyseert deze, levert afhankelijkheden en uiteindelijk een voorstel voor de lasopdracht.” Om de benodigde echte data te verkrijgen voor het trainen van het machine learning-model, wordt het basislaslaboratorium aan de Technische Universiteit Graz verder ontwikkeld en worden bij voestalpine Böhler Welding grootschalige data gegenereerd op een speciale technologische testlijn op basis van het voorwerk in het laboratorium. Het project zal naar verwachting ongeveer acht jaar duren. De eerste onderzoekstappen worden al uitgevoerd in het kader van een proefschrift.