Дәнекерлеу сапасын бақылаудағы жасанды интеллект» 

Дәнекерлеу сапасын бақылаудағы жасанды интеллект: теориядан нақты үнемдеуге дейін

Implementation of systems whereдәнекерлеу сапасын бақылауда жасанды интеллектбас арбитр қызметін атқарады, зертханалар үшін эксперимент болудан қалды. Бүгінде бұл өндірістік желілерді сақтап қалу мәселесі. Біз нақты зауыттардағы мұндай кешендерді пайдаланудың алғашқы үш айында ақаулардың 43-51%-ға төмендеуін тіркеп отырмыз. Дәстүрлі визуалды тексеру (VT) және нүктелік радиография әдістері оператордың шаршауы немесе дәнекерлеу аймағының жеткіліксіз жарықтандырылуы сияқты адам факторларына байланысты маңызды ақаулардың 15% -на дейін жіберіп алады. Машиналық оқыту алгоритмдері шаршамайды, алаңдатпайды және қосылымның әрбір миллиметрін адам қолы жетпейтін жылдамдықпен талдайды.

Біздің тәжірибеміз көрсеткендей, тексеруді автоматтандыруды елемейтін компаниялар бәсекеге қабілеттілігін жабдықтың құнына емес, қайта өңдеуге және шағымдарға арналған жасырын шығындарға байланысты жоғалтады. Бұл мақалада біз нейрондық желілерді енгізудің нақты жағдайларын, жабдыққа қойылатын техникалық талаптарды және 2026 жылы күтуге болатын нақты ROI сандарын қарастырамыз.

Неліктен адам көзі қазіргі заманғы стандарттарға төтеп бере алмайды

Дәнекерленген қосылыстардың сапасына қойылатын талаптар жыл өткен сайын күшейтіліп келеді. ISO 3834 және ГОСТ Р ISO 3834 стандарттары процестің әрбір кезеңін құжаттау қажеттілігін талап етеді. Адам физикалық түрде үздіксіз өндіріс жылдамдығымен 100% тексеруді қамтамасыз ете алмайды. The operator sees only the surface; ішкі кеуектер, тігіс тамырының енуінің болмауы немесе микрожарықтар деструктивті сынау сәтіне дейін жасырын қалады немесе одан да жаманы, өнімнің жұмыс істемеуі.

Біздің тәжірибемізде құбыр арматураларын шығаратын ірі өндіруші жарты жылдан кейін ақауларды тапсырыс беруші анықтаған клапан партиясы салдарынан құны 2 миллион еуро болатын келісімшартты жоғалтқан жағдай болды. Сапаны ішкі бақылау инспекциясы кезінде ақау көрсеткіші 0% құрады, себебі инспекторлар цифрлық көмекшілерді қолданбай, ескірген бақылау парақтары бойынша жұмыс істеді. Дәнекерлеу сапасын бақылаудағы жасанды интеллект ақауларды табудан олардың алдын алуға баса назар аудара отырып, осы парадигманы өзгертуге мүмкіндік береді.

Конволюционды нейрондық желілерге (CNN) негізделген компьютерлік көру жүйелері нақты уақыт режимінде тігістің кескінін талдайды. They are trained on tens of thousands of images of various types of defects: undercuts, fistulas, slag inclusions. Жіктеу дәлдігі 98,5% жетеді, бұл тіпті ең тәжірибелі ISO 9712 II деңгейлі дәнекерлеу инспекторының мүмкіндіктерінен де асып түседі. Бұл жай ғана «көмекші» емес, тәулік бойы жұмыс істейтін тәуелсіз аудитор.

Әрекет:Ағымдағы бақылау хаттамаларыңызға аудит жүргізіңіз. Тексерулердің 20%-дан астамы фотоқұжатсыз немесе цифрлық талдаусыз визуалды түрде орындалса, сізде үлкен қауіп бар.

Technology stack: how AI inspection works

Жүйенің тиімділігі маркетингтік ұрандарға емес, деректерді жинаудың дұрыстығына және үлгі архитектурасына байланысты. Процесс үш кезеңге бөлінеді: суретті түсіру, алдын ала өңдеу және қорытынды шығару (шешім шығару).

Деректерді жинау және сенсорлар

The quality of the input data determines the ceiling of the algorithm's capabilities. For surface inspection, high-resolution industrial cameras (minimum 5 MP) with narrow-band filtering that cuts off arc and splashes are used. Ультрадыбыстық ақауларды анықтау (UT) және рентгендік деректер көлемді тексеру үшін біріктірілген. The key parameter here is the frame rate. Автоматты дәнекерлеу кезінде алаудың жүру жылдамдығы 1,5 м/мин жетуі мүмкін. Камера нақты ақауды жіберіп алмау үшін тігістің 2-3 мм сайын суретке түсіруі керек.

We recommend using structured light lighting. Ол тордың тігістің бетіне проекциясын жасайды, бұл алгоритмге 3D профилін құруға және 0,1 мм дәлдікпен геометриялық ауытқуларды (шамадан тыс күшейту, шөгу) анықтауға мүмкіндік береді. Қалыпты біркелкі жарықтандыру көбінесе нейрондық желі қателік ретінде қате түсіндіретін жарқырауды тудырады.

Model training and datasets

Дайын үлгілер («қораптағы шешімдер») жақсы жұмыс істемейді. Байланыстың әрбір түрі, материал және дәнекерлеу әдісі (MIG/MAG, TIG, лазер) тігісті қалыптастырудың өзіндік ерекшеліктеріне ие. There is no universal algorithm. The model needs to be further trained on data from a specific production.

The process looks like this:

• Фотомұрағат жинағы: жақсы тігістердің кемінде 5000 суреті және әртүрлі ақаулары бар 2000 сурет.
• Data marking: engineers manually outline defects, assigning them classes (pore, crack, undercut).
• Кеңейту: модельдің тұрақтылығын жақсарту үшін айналдыру, жарықтылықты өзгерту және шуды қосу арқылы деректер жинағын жасанды түрде кеңейту.

It is important to understand: a model will never be better than the data on which it is trained. Оқу жинағында алюминийдегі жарықтар мысалдары болмаса, жүйе оларды іс жүзінде көрмейді.

Өндірістік желімен интеграция

The system should not be an “island”. Ол дәнекерлеуші роботқа немесе конвейерге командалар беруі керек. Критикалық ақау анықталған кезде (мысалы, күйіп кету) жүйе желіні дереу тоқтату немесе жөндеуге арналған бөлікті белгілеу үшін PLC контроллеріне сигнал жібереді. The response delay (latency) should not exceed 200 ms. Баяу жауап ақаулы бөліктің процесте одан әрі төмен жылжуына әкеліп соғады, бұл оны алу құнын арттырады.

Әрекет:Assess the bandwidth of your data network. To transmit a 4K video stream in real time, a stable channel of at least 1 Gbit/s is required.

Бақылау әдістерін салыстыру: AI және дәстүрлі тәсілдер

The choice of control method often becomes a stumbling block when modernizing a workshop. Төменде адамның дәстүрлі визуалды инспекциясы (VT) мен автоматтандырылған AI жүйесін әділ салыстыру берілген.

Кесте AI жаппай өндірісте жеңетінін және қадағалану маңызды болатынын көрсетеді. Дегенмен, адамдар күрделі қондырғылардың бір реттік өндірісі үшін немесе камераларды орнату техникалық мүмкін емес жағдайларда (мысалы, робот шынжыр табандары жоқ шағын диаметрлі цистерналардың ішінде) қажет болып қала береді.

Our recommendation for 2026: a hybrid model. AI конвейердегі тігіс ұзындығының 100% тексереді, ал сертификатталған III деңгейлі инспектор жүйе жұмысының кездейсоқ аудитін жүргізеді және алгоритм «сенім деңгейі төмен» деп белгілейтін даулы жағдайларды шешеді.

Real implementation cases: numbers and facts

Теория жақсы, бірақ өндіріс сандармен өмір сүреді. Жүйені енгізу тәжірибесінен екі нақты мысалды қарастырайықartificial intelligence in welding quality control.

Case 1: Automotive industry (Body parts)

Мәселе:Зауыт тәулігіне 400 мәйіт шығарды. Қарсылық нүктелік дәнекерлеудегі ақаулардың үлесі 3,2% құрады. Негізгі ақаулар: жану, өзегі жоқ, шашырау. Қолмен басқару органның тек 5% таңдап алды, бұл ақаулардың клиентке жетуіне әкелді.

Шешімі:Әрбір дәнекерлеу роботының үстіне желілік сканерлерді орнату. Жүйе дәнекерлеу циклі аяқталғаннан кейін бірден әрбір нүктенің геометриясын талдады.

Нәтиже:

• Өзек диаметрінің ауытқуы 10%-дан жоғары нүктелердің 100% анықтау.
• Reducing the overall defect rate to 0.4% in 4 months.
• Қайта өңдеуден үнемдеу жылына 180 000 еуроны құрады.
• Цикл уақыттары денеге 0,8 секундқа ғана артып, оны бір қатарда ұстады.

Клиент нақты уақыт режимінде басқару жүйесінен кері байланыс ала отырып, роботтағы ағымдағы параметрлерді дәл баптау мүмкіндігі ең құнды нәрсе екенін атап өтті. Сынақ және қате арқылы орнатуға бұрын апталар қажет болса, енді бірнеше күн қажет.

2-жағдай: Мұнай және газ инженериясы (үлкен диаметрлі құбырлар)

Мәселе:Магистральдық газ құбырларына арналған құбырларды өндіру. API 5L және ГОСТ 20295 талаптары. Жарықтардың болмауы және балқыманың болмауы өте маңызды. Рентгендік тексеру тығырыққа тіреліп, жөнелтуді 3 күнге баяулатты.

Шешімі:АИ көмегімен рентгендік кескіндерді автоматты талдау жүйесін енгізу. Алгоритм кескіндерді алдын ала сұрыптап, оператордың терең зерттеуі үшін күдікті аймақтарды бөліп көрсетті.

Нәтиже:

• The speed of image processing has increased 4 times.
• Өтірік қоңыраулар саны (оператор суретке қарап, бірақ ақауы жоқ кезде) 60%-ға азайды.
• Өнімді жөнелтуді аптасына 2,5 күнге жеделдету.

Бұл жерде бір шектеуді атап өту маңызды: жүйе рентгенологты толығымен алмастырмады, бірақ жақсы жерлерді скринингтің әдеттегі жұмысын алды. Бұл адамдарға күрделі диагностикаға назар аударуға мүмкіндік берді.

Әрекет:Ақауларға байланысты желіңіздің бір сағаттық тоқтап қалу құнын есептеңіз. Егер бұл көрсеткіш жоғары болса, AI жүйесінің өтелуі 12 айдан аз болады.

Іске асырудағы кедергілер және жиі кездесетін қателіктер

Айқын артықшылықтарға қарамастан, көптеген жобалар пилоттық кезеңде тоқтап тұр. Неліктен бұл болып жатыр? Көбінесе оның себебі технологияда емес, инфрақұрылымды дайындауда.

№1 қате: нашар жарықтандыру және бетті дайындау.
AI контрастты қажет етеді. Егер тігіс қақпен, маймен немесе кірмен жабылған болса, камера ақауды емес, шуды көреді. Кейбір тұтынушылар алдымен басқару аймағын тазаламай-ақ жүйені енгізуге тырысады. Нәтижесінде 40% жалған позитивтер пайда болады, содан кейін өндіріс жүйені «жұмыс істемейтін» деп атайды. Ереже қарапайым: бақылау аймағы микрофотографиядағыдай мұқият дайындалуы керек.

№2 қате: бағдарламалық қамтамасыз етуді қамтамасыз ету үшін білікті мамандардың болмауы.
Жүйеге қызмет көрсету қажет. The cameras get confused, the lighting dims, the model requires retraining when changing the grade of steel. Егер зауытта нейрондық желілердің негіздерін түсінетін инженер болмаса (немесе, кем дегенде, деректерді белгілеу интерфейсімен қалай жұмыс істеу керектігін білетін), жүйе алты ай ішінде нашарлайды. We have seen cases where expensive systems turned into dust collectors because no one updated the defect library.

№3 қате: «қораптағы» шешімнен ғажайыпты күту.
«AI дәнекерлеу инспекциясы» деп белгіленген дайын камераны өз процессіңізге бейімдемей сатып алу - көңіліңізді қалдыратын рецепт. Металл қаңылтыр дәнекерлеуге үйретілген алгоритм құбырдың дәнекерленген тігістерін тексеру кезінде пайдасыз болады. Нақты баптау кезеңі қажет, ол 2-ден 6 аптаға дейін созылады.

Нормативтік кедергіні де атап өткен жөн. Барлық сертификаттау органдары (мысалы, кеме жасаудағы жіктеу қоғамдары) адамның қолтаңбасынсыз тек AI арқылы жасалған есептерді қабылдауға дайын емес. Мұндай жағдайларда жүйе «көмекші» режимінде жұмыс істейді, соңғы шешім қабылдау үшін инспекторға мәліметтер береді.

Іскерлік жағдай және ROI

Инвестициялардәнекерлеу сапасын бақылауда жасанды интеллектмаңызды. Бір басқару ұяшығының құны сенсорлар мен есептеу блогының күрделілігіне байланысты 15 000-нан 50 000 еуроға дейін өзгереді. Дегенмен, инвестицияның кірістілігін (ROI) есептеу тікелей қалдықтарды үнемдеуден гөрі көбірек ескерілуі керек.

Экономикалық тиімділік құрылымы:

1. Қайта өңдеу шығындарын азайту:Дәнекерленген тігісті жөндеу оның бастапқы дәнекерлеуінен 3-5 есе көп тұрады. Ақаудың келесі операцияға кетуіне жол бермеу (мысалы, бояу немесе құрастыру) үлкен ақшаны үнемдейді.
2. Жалақы қорының қысқаруы:One AI system operator can control 3-4 welding stations, whereas previously 3-4 inspectors were required.
3. Айыппұлды болдырмау:For automotive or energy suppliers, one defective incident can cost a spot on the supplier roster. Бұл тәуекелді сақтандыру баға жетпес.
4. Нарыққа шығу жылдамдығы:Тексеру циклін қысқарту жөнелтуді жылдамдатады. Уақытында жеткізу жағдайында бұл маңызды артықшылық.

Орташа алғанда, жаппай өндіріс үшін өтелу мерзімі 14-18 айды құрайды. Қатенің құны өте жоғары болатын бірегей ауыр машина жасау үшін бұл кезең 6-8 айға дейін қысқарады.

Жиі қойылатын сұрақтар

AI сертификатталған дәнекерлеу инспекторларын алмастыра ала ма?

Жоқ, ол толығымен мүмкін емес. At the current stage of technology development (2026), AI is a decision support tool. Ол өнімді 100% скринингтен өткізудің монотонды жұмысын алады, бірақ күрделі, стандартты емес ақаулар және жауапты құжаттамаға қол қою туралы түпкілікті шешім ISO 9712 II немесе III деңгейлі тұлғада қалады. Сонымен қатар, дизайнның қауіпсіздігі үшін жауапкершілік алгоритмге заңды түрде жүктелмейді.

Біздің тапсырмаларымыз үшін нейрондық желіні үйрету қанша уақытты алады?

Негізгі үлгіні бастапқы орнату шамамен 2 аптаға созылады. Collecting your own dataset and fine-tuning for specific defects in your production requires another 3-4 weeks. The full cycle of commissioning into commercial operation with achievement of target accuracy indicators usually takes 1.5–2 months. Бұл кезең берілген тарихи деректердің сапасына және инфрақұрылымның дайындығына байланысты.

Күшті түтін пайда болатын қорғаныс газдарында дәнекерлеу кезінде жүйе жұмыс істей ме?

Иә, бірақ ескертпелермен. Түтін мен шашырау оптикалық жүйелерге елеулі кедергі болып табылады. Мұндай жағдайлар үшін доғаның спектрін кесетін арнайы сүзгілерді және сығылған ауамен түсіру аймағын үрлеу жүйелерін пайдалану қажет. Төтенше жағдайларда (мысалы, су астындағы доғалық дәнекерлеу) оптикалық басқару мүмкін емес, ал AI визуалды суретті емес, процестің тұрақтылығын талдай отырып, электрлік параметрлердің датчиктерімен (ток, кернеу) немесе акустикалық сенсорлармен бірге жұмыс істейді.

Development prospects: where the industry is heading

Бұзбайтын сынақтар нарығы өзгеруде. 2027 жылға қарай біз кейінгі өңдеуден (дәнекерлеуден кейінгі тексеру) технологиялық бақылауға (нақты уақыттағы бақылау) жаппай көшуді күтеміз. The systems will not only detect defects, but will automatically adjust the parameters of the welding power source. Нейрондық желі кеуек түзілудің басталуын анықтады ма? Жүйе токты бірден азайтады немесе сым беру жылдамдығын өзгертіп, ақаудың алдын алады.

Бұлтты платформалардың рөлі де артып келеді. Тұтынушының барлық зауыттарының деректері әртүрлі желілердің тиімділігін салыстыруға және жабдықтың тозуын болжауға мүмкіндік беретін бір орталықта жинақталады. Дәнекерлеу процесінің цифрлық егізі ірі келісімшарттар үшін стандартқа айналады.

Дегенмен, негізі өзгеріссіз: технология адамдарға қызмет етеді. Artificial intelligence frees engineers from routine, allowing them to focus on process development and strategic tasks.

Implementing cutting-edge solutions requires partnering with experts who understand both welding metallurgy and neural network architecture. Бұл технологиялар дәнекерленген қосылыстардың сапасы өнімнің қауіпсіздігі мен ұзақ мерзімділігіне тікелей әсер ететін күрделі жылу тасымалдағыш және энергетикалық жабдықты өндірушілер үшін ерекше өзекті болып табылады. Мысалы, компанияWuxi Kaisheng Electric Power and Petrochemical Equiment Co., Ltd., жоғары қысымды жылу алмастырғыштарды (ASME), титан құрылғыларын және N06625 немесе C70600 қорытпаларынан жасалған компоненттерді өндіруге маманданған, PED және ASME стандарттарының ең қатаң талаптарына тап болады. Мұнай өңдеудің, химия өнеркәсібінің немесе теңіз суын тұщытудың агрессивті орталарында жұмыс істейтін мұндай өнімдер үшін тігістің микроскопиялық ақауы да жол берілмейді. Осы өнімдерді өндіруге AI басқаруын біріктіру коррозияға төзімділік пен жоғары қысымға төзімділікті қамтамасыз етеді, бүкіл әлем бойынша тұтынушыларға жабдықты ғана емес, сонымен қатар цифрлық дәлелденген сенімділікті қамтамасыз етеді.

Біз сізге аудиттен толыққанды тексеру жүйесін іске қосуға өтуге көмектесуге дайынбыз, бұл Уси Кайшен сияқты сала көшбасшылары қол жеткізген нәтижелерге ұқсас ашық процестер мен өлшенетін нәтижелерді қамтамасыз етеді.

Өндірісіңізге AI енгізу әлеуетін бағалап, ақаулардан болған ағымдағы шығындарыңызды талдап, алдын ала өтелу есебін алғыңыз келсе, техникалық мамандарымызға хабарласыңыз. We will audit your process map and offer a solution adapted to your realities.

Бүгін бізге хабарласыңызсапаны бақылауды автоматтандыру бойынша кеңес алу үшін.

For more information about our automation solutions, visitсалаға арналған кешенді шешімдер.