Schweißprozessüberwachung

Zweck und Grundprinzip

Die Schweißprozessüberwachung bewertet die erwartbare Güte einer Schweißverbindung während des Schweißens oder unmittelbar danach. Sie erfasst physikalische Prozessgrößen und daraus abgeleitete Merkmale, um möglichst jede hergestellte Verbindung zu prüfen. Bei der Online-Überwachung liegen Prozess, Qualitätsaussage und eine mögliche Reaktion der Fertigungsanlage zeitlich eng beieinander. Anders als die Prozessüberwachung kontrolliert die Zustandsüberwachung vor allem die störungsfreie Funktion der Anlage; Schweißüberwachungssysteme verbinden häufig beide Aufgaben.

Qualitätsmerkmale wie Punkt- oder Linsendurchmesser lassen sich während des Prozesses meist nicht direkt messen. Deshalb nutzt man korrelierende Qualitätsersatzgrößen, die Überwachungsmerkmale. Ein zu bewertender Schweißprozess wird als Objekt durch ein einzelnes Merkmal oder einen Merkmalsvektor beschrieben. Der Merkmalsvektor ist ein Punkt in einem mehrdimensionalen Merkmalsraum. Das Objekt wird mit bekannten, geprüften Objekten einer Klasse verglichen. Ein Klassifikator ordnet neue Objekte einem zuvor aufgebauten Klassensystem zu.

Die Signale und Merkmale müssen stark mit der Produktqualität zusammenhängen. Sie sollen Qualitätsänderungen eindeutig anzeigen, aber auf Prozessänderungen ohne Qualitätswirkung möglichst wenig reagieren. Der Störpegel muss deutlich kleiner als die durch wichtige Prozessstörungen verursachte Signaländerung sein. Bei mehreren Merkmalen soll deren gegenseitige Korrelation gering sein, weil stark korrelierende Merkmale kaum zusätzliche Information liefern. Korrelation kann durch geeignete Klassenmodelle berücksichtigt oder mit Hauptkomponentenanalyse, Diskriminanzanalyse oder Unabhängigkeitsanalyse vermindert werden.

Klassen, Ähnlichkeit und Lernen

Eine Klasse ist eine Menge von Objekten mit ähnlichen Merkmalswerten. Semantische Klassen beruhen auf einer inhaltlichen Bedeutung, etwa „in Ordnung – iO“; natürliche Klassen entstehen aus formaler Ähnlichkeit im Merkmalsraum. Ziel ist eine möglichst gute Übereinstimmung zwischen beiden. Eine semantische iO-Klasse muss häufig durch mehrere natürliche Klassen dargestellt werden.

Scharfe, disjunkte Klassen besitzen feste Grenzen: Ein Objekt gehört entweder dazu oder nicht. Reale Prozesse bilden dagegen oft nichtdisjunkte, unscharfe Klassen mit fließenden Übergängen. Eine Zugehörigkeitsfunktion μ_KL: X → [0,1] ordnet jedem Objekt x der Merkmalsmenge X den Zugehörigkeitsgrad μ_KL(x) zur unscharfen Menge KL zu. Dieser Wert heißt auch Zugehörigkeitswert oder Sympathiewert.

Formale Ähnlichkeit wird häufig über Distanzen bestimmt. Die Euklidische Distanz ist die direkte Entfernung zweier Punkte im Merkmalsraum. Bei korrelierten Merkmalen ist die Mahalanobis-Distanz geeigneter, weil sie Varianzen und Korrelationen berücksichtigt. Zusätzlich kann die innere Verteilungsstruktur, etwa der Rang eines Objekts innerhalb einer Gruppe, einbezogen werden. Die Wahl des Distanzmaßes beeinflusst die Klassenzuordnung wesentlich.

In der Trainings- und Validierungsphase werden Merkmalsvektoren und unabhängig geprüfte Qualitätswerte gespeichert. Ein Experte legt fest, welche Lernobjekte zur iO-Klasse gehören. Voraussetzung ist ein beherrschter und fähiger Prozess. Aus den Lernobjekten entsteht durch mathematische Klassenbeschreibung ein Klassifikator. Klassen können durch scharfe Grenzen wie Trennfunktionen oder Hüllkurven sowie durch Verteilungsfunktionen beschrieben werden, beispielsweise mit Kerndichteschätzung, EM-Algorithmus mit Gaussian Mixture Models oder Fuzzy-Pattern-Klassifikation.

Da Schweißprozesse durch Verschleiß oder veränderte technologische Bedingungen zeitvariant sind, ist Nachlernen nötig. Dadurch kann sich eine Klasse jedoch zu stark ausdehnen. Clusterverfahren des unüberwachten Lernens, etwa k-means, teilen sie dann in kompakte Subklassen. In der Anwendungsphase berechnet das System aktuelle Merkmalsvektoren in Echtzeit. Vektoren außerhalb der iO-Klassen oder unterhalb einer festgelegten Zugehörigkeitsschwelle werden als nicht in Ordnung (niO) bewertet.

Systemaufbau und Fertigungsintegration

Ein Überwachungssystem verbindet Hardware und Software. Zur Hardware gehören Sensoren, Messwertübertragung, Signalverarbeitung, Datenspeicherung sowie Bedien- und Visualisierungseinrichtungen. Softwaremodule steuern die Messung, bilden Merkmale, berechnen in der Trainingsphase Klassifikatoren und vergleichen in der Anwendung aktuelle Objekte mit den gespeicherten Klassen. Prüfergebnisse der Lernobjekte müssen archiviert werden, damit ihre nachgewiesene Qualität nachvollziehbar bleibt. Für jede Schweißverbindung entstehen eine Qualitätsbewertung und gegebenenfalls eine Rückmeldung an die Anlagensteuerung. Gespeicherte Ergebnisse dienen statistischen Auswertungen und der Prozessverbesserung.

Zur Rückverfolgung erhält jede Verbindung eine eindeutige Signatur aus Kennzeichnungen für Arbeitsplatz beziehungsweise Schweißeinrichtung, Bauteil und Verbindung sowie einem Zeitstempel. Mit ihr werden Bewertung und Istwerte der Schweißparameter archiviert. Vorteilhaft sind außerdem Angaben zu Position auf dem Bauteil, Materialgüte, Oberfläche, Abmessungen und eingestellten Parametern.

Am Handarbeitsplatz gelangen Sensorsignale über Messleitungen zum Überwachungssystem. Beginn und Ende können durch den Stromfluss ausgelöst werden. Ein interner Zähler kann Verbindungs- und Bauteilnummern erzeugen; bei höheren Sicherheitsanforderungen liefert die Steuerung eindeutige Signale für Bauteilbeginn, Bauteilende und Verbindungsnummer.

Komplexe Anlagen enthalten mehrere Stationen, Roboter und Schweißwerkzeuge. Die Steuerungen stellen dann Stations-, Roboter-, Zangen-, Brenner-, Bauteil- und Verbindungsnummern sowie Ein- und Ausschaltsignale bereit. Das technische Grundprinzip bleibt gleich. Visualisierungen verdichten die Daten und machen Prozesszustand, Abweichungen und Verbesserungsmöglichkeiten sichtbar.

Neben der Einzelbewertung kann die Prozessstabilität überwacht werden. Bei der Adaptiven Prozessvisualisierung nach der VW-Norm PV 6702 werden Merkmalsverläufe vieler Schweißungen gespeichert und ihre Häufigkeiten farbig dargestellt. Ein stabiler Prozess erscheint als scharfes Farbband; Änderungen von Form, Lage oder Konturschärfe zeigen zunehmende Streuung oder das Verlassen des gewünschten Prozessfensters.

Widerstandsschweißen

Beim Widerstandspunktschweißen gelten der durch Werkstattprüfung bestimmte Punktdurchmesser d_P und der am Makroquerschliff gemessene Linsendurchmesser d_L als wichtige Qualitätsmerkmale. Da beide online nicht direkt messbar sind, nutzt man Schweißstrom, Schweißspannung, Schweißleistung, dynamischen Widerstand und Schweißstromzeit. Auch Elektrodenkraft, Elektrodenweg, Geschwindigkeit, Beschleunigung und Schallemission können Informationen über die Verbindungsbildung liefern.

Beim Wechselstromschweißen kommen Spitzenwert, Effektivwert, Stromflusszeit t_F und Stromflusswinkel δ infrage. Eine Halbwelle von 180° dauert bei 50 Hz 10 ms und bei 60 Hz 8,33 ms. Wegen der Phasenverschiebung zwischen Spannung und Strom mit dem Lastwinkel φ gilt für die Wirkleistung P = U · I · cos φ.

Der dynamische Widerstand bildet Erwärmung und Linsenbildung ab. Bei blankem unlegiertem Stahl fällt er zunächst durch das Zusammenpressen und die Veränderung der Kontaktflächen stark ab. Danach steigt der Stoffwiderstand mit der Temperatur, während Elektrodeneindringen und veränderter Stromweg entgegenwirken. In der Schlussphase sinkt er durch starkes Elektrodeneindringen. Bei zu geringer Energie ist sein Verlauf flach und der Punktdurchmesser zu klein. Mit wachsender Energie bildet sich ein deutliches relatives Maximum; bei noch höherer Energie tritt es früher auf und der anschließende Abfall wird steiler. Spritzer zeigen sich als Steilabfall und verursachen schwankende Punktgrößen.

Als Merkmale können über Zeitfenster gemittelte Abtastwerte r_s(t), beispielsweise alle 20 ms, dienen. Sie bilden beliebige Kurvenformen ab, sind aber zahlreich und häufig stark korreliert. Zeitunabhängigere geometrische Merkmale sind R_max, der Zeitpunkt t_min des minimalen Widerstands R_min, der Zeitpunkt t_max von R_max sowie die Steigungen dR_1 zwischen Minimum und Maximum und dR_2 zwischen Maximum und Schweißende.

Mechanische Signale beruhen auf der Wärmeausdehnung: ΔV ∼ 3αV₀ΔT, mit Volumenänderung ΔV, Ausgangsvolumen V₀, Temperaturänderung ΔT und linearem Ausdehnungskoeffizienten α. Erwärmung verändert Elektrodenweg oder -kraft. Bei ausreichender Verbindungsbildung steigt die Reaktionskraft zügig bis zu einem Maximum; Materialfließen führt zum Abfall, Spritzer zum Einbruch. Praktisch stören jedoch Kraftsprünge durch Slip-stick-Effekte sowie Kraftkonstantregelungen servomotorischer Zangen.

Ein beispielhaftes System berechnet aus Strom und Elektrodenspannung den dynamischen Widerstand und verwendet vier ausgewählte 20-ms-Mittelwerte. Geprüfte Lernschweißungen werden gegebenenfalls geclustert; der EM-Algorithmus speichert Mittelwerte und Kovarianzmatrizen als Klassenmodell. Wegen unterschiedlicher Bauteilpositionen und Zangenlagen muss jede einzelne Verbindung gesondert trainiert werden.

Lichtbogenschmelzschweißen

Beim MIG/MAG-Schweißen prüft die Online-Überwachung in Echtzeit, ob die technologischen Bedingungen eingehalten werden und der Prozess stabil bleibt. Daraus lässt sich erwartbare Nahtqualität ableiten; ein quantitativer Nachweis einzelner Gütekriterien ist damit nicht möglich. Der theoretisch beliebig lange Prozess wird in gleich lange Zeitfenster ähnlich den Frames eines Films zerlegt. Für jedes Intervall werden Ist-Merkmalsmuster mit Sollmustern geprüfter Referenzschweißungen verglichen. Ausreichende Ähnlichkeit führt zur Annahme guter Qualität; Abweichungen können nach Prozessende signalisiert, durch Unterbrechung beantwortet oder am betroffenen Nahtabschnitt markiert werden.

Elektrische Signale beschreiben Energieumsatz und Reproduzierbarkeit. Gemessen wird die Gesamtspannung u_s, nicht nur die Lichtbogenspannung u_LB. Es gilt u_s = u_LB + R_sum · i_s mit R_sum = R_Lf + R_KR + R_W + R_K. Enthalten sind die Widerstände der freien Drahtlänge, des Kontaktrohrs, des Werkstücks und des Schweißkabels. R_sum verändert sich unter anderem mit Temperatur, Stromkontaktdüse, Drahtoberfläche und Übergangswiderständen.

Beim Kurzlichtbogen besitzen Kurzschluss- und Brennphase unterschiedliche Strom-Spannungs-Steigungen. Aus der Kurzschlussphase kann R_sum · i_s bestimmt und damit eine korrigierte, im Wesentlichen vom Lichtbogen bestimmte Spannung berechnet werden. Die Kurzschlussspannung zeigt dagegen Änderungen der freien Drahtlänge und damit des Brennerabstands. Beide Phasen lassen sich durch eine Schwelle unterhalb der Mindestbrennspannung von 14 V trennen.

Aus Strom- und Spannungssignalen entstehen Histogramme. Merkmale wie linke und rechte Grenze, Median, Lage des Maximums, Mittelwert und Effektivwert beschreiben Lage, Streuung und Form der Verteilungen. Im beschriebenen Verfahren wird aus der Kurzschlussphase der Median verwendet; aus der Brennphase werden Grenzen, Median und Effektivwert genutzt. Da eine Naht verschiedene Parameter und Schweißpositionen enthalten kann, muss das Training unterschiedliche Prozessklassen automatisch erkennen und eigene Sollmuster anlernen. Zusätzlich können optische Signale Lichtbogentemperatur, Dynamik, Schweißbad und Zusatzwerkstoff abbilden. Akustische Signale geben Hinweise auf Prozessstabilität und Tropfenübergang.

Bedeutung für die Qualitätssicherung

Die Online-Prozessüberwachung ist Teil des Qualitätsregelkreises 1 (QRK1) im Qualitätsregelkreiskonzept nach Haepp und Hopf. Sie strebt eine Vollprüfung an, macht den Qualitätsregelkreis 2 weitgehend überflüssig und liefert Daten für die Statistische Qualitätslenkung. Damit unterstützt sie die laufende Qualitätskontrolle sowie die dauerhafte Prozess- und Qualitätsoptimierung nach dem PDCA-Konzept.

Sie stellt Informationen über die aktuelle Verbindungsqualität, die gegenwärtige und vergangene Prozessfähigkeit und Prozessbeherrschung sowie die Stabilität über frei wählbare zurückliegende Fertigungszeiträume bereit. Daraus werden die Notwendigkeit eines Prozesseingriffs, der Bedarf an Verbesserungen und die Wirksamkeit bereits ausgeführter Maßnahmen erkennbar. Die Aussage bleibt grundsätzlich eine aus Prozessmerkmalen abgeleitete Erwartung über die Produktqualität, nicht deren direkte Messung.