El CAAR coordina el proyecto INT4WELDING, que tiene el objetivo principal de mejorar notablemente los procesos de calidad, producción y mantenimiento predictivo de una celda robotizada de soldadura de piezas para automoción mediante un sistema de inteligencia artificial basado en datos del proceso en tiempo real, que sea escalable. En él participan como socios Linde-Wiemann, Electroingenium, Integra, Predictland y Septer, además del Clúster de la Energía de Aragón (Clenar).
Las investigaciones se han llevado a cabo con analíticas avanzadas de datos basadas en machine learning, deep learning e inteligencia artificial y se ha conseguido avanzar en la consecución de los siguientes objetivos técnicos:
• Reconocimiento de imagen para determinar la calidad de la ‘lenteja’ de soldadura y poder detectar posibles degradaciones con suficiente antelación para poder realizar mantenimientos preventivos de la estación correspondiente, fresado de electrodos, etc.
• Detección de posibles anomalías en los procesos de soldadura y análisis de su correlación con la calidad de las soldaduras para anticiparse a posibles soldaduras defectuosas (predicción de defecto antes de realizar la soldadura).
• Optimización de los procesos de soldadura para conseguir minimizar del consumo energético sin perder calidad de las soldaduras. El 80% del consumo energético de la fábrica se debe a la corriente en el punto de soldadura, por lo que conseguir configuraciones óptimas del proceso generará importantes ahorros energéticos, minimizando la huella de carbono.
• Optimización de tiempo de ciclo en los procesos de soldadura sin perder calidad de soldadura ni aumentar la degradación de consumibles por soldadura.
Esta acción técnica ha sido apoyada por el Ministerio de Industria, Comercio y Turismo, así como de la Unión Europea, a través del Plan de Recuperación, Transformación y Resiliencia, dentro del programa de apoyo a las AEI para contribuir a la mejora de la competitividad de la industria española.
