19. Juli 2018

Inline-Monitoring für Laserprozesse


				
					Optische Kohärenztomografie ergänzt Remote-Laserschweißen in der Automobilfertigung.

Wo Laser schweißen und löten, ist Inline-Qualitätsüberwachung nicht weit. Optische Systeme verfolgen die Fügeprozesse in Echtzeit und gewährleisten eine fehlerfreie Fertigung.

Wenn Laserschweißanlagen loslegen, kommt das menschliche Auge nicht mit. Scannerköpfe rasen über Werkstücke und ziehen jeweils in Sekundenbruchteilen mit größter Treffsicherheit metallische Nähte. Damit sich dabei keine Fehler einschleichen, werden solche Fügeprozesse minutiös in Echtzeit überwacht. Die Vision Photonik 4.0 ist bei Laserfügeprozessen zu weiten Teilen umgesetzt.

Wie die Laserprozesse selbst basiert das Inline-Monitoring auf Photonik. Ein neuerer Ansatz ist die optische Kohärenztomografie (OCT), mit der unter anderem die beiden Schwesterfirmen SCANLAB und Blackbird Robotersysteme eine 360-Grad-Überwachung realisieren. Sie misst die Topographie vor, am und hinter dem Schweißpunkt mit hoher räumlicher und zeitlicher Auflösung. Das Messlicht des OCT-Sensors wird dafür direkt koaxial in den Strahlengang des Laserschweißkopfes eingekoppelt und über dessen Scan-Spiegel geführt. So ist die Überwachung des ganzen Prozessbereichs möglich – und es gibt anders als bei einer seitlichen Überwachung keine Hindernisse.

Exakte Topographiedaten als Wegbereiter für 4.0-Prozesse

Das System prüft unmittelbar vor dem Fügeprozess die Kanten und den Überlapp, misst im Prozess die Eindringtiefe der Dampfkapillare sowie jede Abweichung vom Soll – und es prüft in Nachgang die Qualität und Lage der Schweißnaht. Poren- und Kraterbildung in der Metallschmelze fallen sofort auf. Um die Technologie weiterzuentwickeln und komplexe Prozesse mit oszillierendem Laserstrahl zu realisieren, treibt Blackbird mit Partnern wie BMW, Precitec oder der TU München in der staatlichen Förderinitiative Photonik für die flexible, vernetzte Produktion das Projekt RoKtoLas voran. Ziel ist es, OCT für das Remote-Laserstrahlschweißen in hoch flexiblen Karosseriebau-Prozessketten nutzbar zu machen. Hintergrund: Die Automobilindustrie braucht dringend qualitätsgesicherte Lösungen für die Kleinserienfertigung von Elektrofahrzeugen.

Ebenfalls auf Lösungen für das Remote-Laserschweißen und –löten ist die Berliner Scansonic Gruppe spezialisiert, die jüngst die vierte Generation ihrer vollintegrierten ALO-SCeye-Serie angekündigte. Mit SCeye sind ein Highspeed-CMOS-Kamerasystem, ein umschaltbares Laser-/LED-Beleuchtungsmodul und eine Recheneinheit mit Speicherkapazität für acht Stunden Prozessaufzeichnung in den Schweißkopf integriert. Auch hier wird der Fügeprozess aus der Vogelperspektive überwacht und dokumentiert. Durch synchronisierte Aufzeichnung des Kamera-Streams, der Prozessdaten, Teil- und Schweißnahtnummern lassen sich Ursachen für nachlassende Prozessstabilität und Fehler gezielt analysieren. Doch die Pläne gehen weiter: Wenn Parameter eines optimalen Prozesses hinterlegt sind, können entsprechende Machine-Learning-Algorithmen laufende Prozesse daran abgleichen und Fehler sofort erkennen. Scansonic hat ein solches Kontrollsystem evaluiert. Schon in der Validierungsphase an 20.000 Schweißnähten blieb von Dutzenden Fehlern nicht einer unentdeckt. Damit ist die Basis für automatisierte, selbstregulierende 4.0-Prozesse gelegt. Noch ist weitere Feinabstimmung nötig, um Fehlalarme auszuschließen und die Kontrolle auf Defekte im Sub-Millimeterbereich auszuweiten.

Zusammenspiel unterschiedlicher optischer Sensoren

Ein Ansatz, um die Zuverlässigkeit lernender Kontrollsysteme zu erhöhen, ist die Fusion mehrerer optischer Sensoren. Wo Hochleistungskameras und Dioden-Systeme die Laserprozesse im sichtbaren und infraroten Bereich verfolgen, OCT-Sensorik die Topographie vermisst und diese Daten an definierten Prozessparametern abgeglichen werden, ist der Weg zu geschlossenen Regelkreisen nicht weit.

Die Plasmo Industrietechnik GmbH arbeitet unter anderem mit Volkswagen daran, Daten aus solchen Sensorfusionen mithilfe von Deep-Learning-Software für die Prozessoptimierung nutzbar zu machen. Wichtig ist es dabei, für Anwender relevante Informationen anschaulich zu visualisieren, damit diese sofort in die Produktionssteuerung einfließen können. Läuft der Prozess aus dem vorab gesetzten Rahmen, macht das Qualitätsinspektionssystem dies in Echtzeit sichtbar. Dafür analysieren Big-Data-Algorithmen in größeren Produktionsnetzwerken viele Millionen Datensätze – und filtern die relevanten Informationen heraus.

Plasmo hat solche Multisensor-Systeme bereits im Industrieeinsatz. Bis zu 30.000 Bilder pro Sekunde fallen an, wo verschiedene Systeme Daten liefern, und parallel Messungen der Lichtemissionen, der Laserleistungen im Rohstrahl, Lasertriangulationen und OCT-Messungen laufen. Die Daten sind den Aufwand wert: Sie dokumentieren nicht nur, dass fehlerfrei verschweißte Bauteile ausgeliefert werden, sondern auf ihrer Basis können die Ursachen von Abweichungen trotz höchster Prozesskomplexität schnell erkannt und behoben werden. Mittelfristig dürften die Inline-Systeme zerstörende Prüfungen ersetzen. Langfristig werden sie den Weg zu vollautomatisierten Photonik-4.0-Prozessen ebnen.

 
 
 
  • LASER World of PHOTONICS