浅谈AI技术在钣金制造中的应用

2022-02-07宋硕中车齐齐哈尔车辆有限公司

钣金与制作 2022年12期

文/宋硕·中车齐齐哈尔车辆有限公司

现代的科学技术日新月异，中国已经加快了智能技术向商业转化的过程，世界也在关注着中国智能制造、智慧家居等智能技术的推广和创新。在银行业已经逐步采用带有AI语音引导功能的无人值守终端机进行业务办理；在电话通信方面也在尝试采用AI技术，人们已经能够经常接到AI语音推销商品、办理电话通信业务和查询服务等；在教育领域，国家有意识地将Python编程纳入到计算机技术中，倡导学生与AI进行互动式编程，从娃娃抓起，让孩子适应智慧技术应用。可以说，中国未来的百姓生活和工作中到处会有AI技术的身影，AI技术将会成为中国社会的标志融入在人们周围。所以，很有必要将AI技术应用到工业制造中来。

目前，数控加工占据着工业加工的主流，其实钣金制造应用在铆焊行业的下料工序中也有很大比例。就拿结构件制造举例，主要是将板材分离成需要的形态再组焊成所需要的结构，而板材目前大都是以重型钢卷形式存在，需要经过开平、剪切、校平、切割、压形等工序加工成钣金件，再经过工艺装备进行组对焊接来完成整个制造过程。传统的工艺流程是通过人工利用天车进行工序间搬运和生产，经常因缺少规划造成料件搬运混乱。在组织中，因人员配置不当而影响生产效率的事情也时有发生。采用生产线进行生产虽然可以避免很多问题，但因为生产线生产产品单一，不利于产品的随意转换，所以以设备为核心，灵活多变的AI智能管控就显得迫切起来。

AI的管理掌控功能设计

首先，AI需要订单分析功能，还需要对零件信息有自动读取和主动规划生产流程的能力。先分析订单信息，将订单对应的设计图和工艺制造方案调取出来，再根据交货时间进行生产流程规划，并准备原材料采购等前端流程，待订金或保证金到位后，全面启动流程。比如，得到在某一时间段生产一种产品，AI需要自主调用对应设计图纸信息并调取工艺制造方案，分析现场正在生产的工艺流程，准备工艺流程切入或合并，并根据图纸启动原材料库存清点，对库存不足的原材料提出采购，并监控采购情况，还要对现有库存的位置信息进行整理，规划工艺路线和生产周期，对存在的问题进行反馈并给出历史上相近问题的解决措施。

其次，AI必须有工艺平面布局和物流规划功能。在生产车间的众多生产设备和辅助设备中合理搭配出需要使用的设备，并遵循五条原则：①工艺线路最短；②设备资源投入最少；③辅助设备最少；④尽量无中间工序库存；⑤风、水、电、气等公共辅助资源投入最低。以这些原则去布局和规划，对于人工来说是非常庞大的工作量，而且还要对现场非常了解，而AI的优势就是处理这些繁重计算工作并得出最优方案。

再次，AI必须有判断每个零部件当前状态的能力。类似于人工作业的一种状态，人在作业时可以实时确定自身的工作状态，可以理解成AI始终能够接收到持续的所在状态信息，也可以简单理解成GPS导航实时状态。

最后，生产错误信息分析能力，可以根据实时信息进行快速调整。在无人化生产中，人为的失误已经不存在，但设备的自身疲劳损伤，模具和刀具的自然损坏，原材料内应力的突然释放，突发性的断水、断电、断气等事件依旧难以避免，这都需要AI根据实际情况做出快速的响应和处理。

AI的“感觉”和“视觉”

AI需要数据采集后进行数据处理，目前主要配置的数据采集设备是传感器和图形采集器，如图1所示。传感器就相当于AI的“感觉”，图形采集器就相当于AI的“视觉”。

图1 工业级识别设备

传感器目前比较适合使用的较多，有实体接触的、电磁感应的、光学感应的等等，根据使用场地和生产环境的不同应该选择不同的传感器，比如在环境整洁、温度稳定、无明显振动等生产作业环境可以优先选用光学传感器，如激光测距类的，这是因为目前光学传感器对环境要求高、自身精度也高，适合在这种生产环境中作业；在推送板材时可以使用力量传感器；在周期运动部位使用电磁感应传感器等等。

图形采集器目前主要考虑到复杂的图像对AI的工作负荷过大，背后的处理设备可能需要光脑类计算机，而且程序代码编制也困难，所以并不适用于目前的工业体系。条形码和二维码的出现，使AI的图形数据得到了简化。钣金制造中常用的二维码如图2所示，我们可以将二维码里的数据当成一个整体进行处理，也可以将其分解成具体信息进行处理，比如当AI系统第四次接收到该二维码数据时，可以判定零部件在第四道工序的钣金生产中，也可以知道零件的长度、宽度等信息，可以驱动推动装置根据长度和宽度值将其推送到定位工位处，再驱动机械手到该处夹住零件。当然，对图像进行较复杂分析识别的智能AI技术在淘宝、拼多多、百度等软件中已经应用的不错，在工业生产流程中也可以有选择性地使用。

图2 二维码

AI的主要触发数据点

AI在生产管理时与人工生产有一个共同点，就是在生产作业时，需要实时了解生产制造情况。比如，人工在进行板材分离作业时，从拿起板材到推入设备，再到成品推出来，整个过程都要受到监控，包括手部的接触（用手推料进设备），眼睛的观看（看着板材脱离手后在设备中的状态），耳朵听见（设备将板材完全遮挡住但有分离的声音）。

AI技术实际上也需要同样的状态，需要有完整的触发数据点。比如，收到零件到达工位指定位置的信号，夹钳过来夹取该零件，这里需要力量传感器、限位器或位置传感器配合，保证AI系统可以实时知道零件的状态，当接收到位置传感器的信号且力量传感器的力量急速增大时，AI就可以通过逻辑判断出板材已经推送到位了，图形采集器根据设计图的二维码位置采集二维码，数据点受到触发，判定可以进行机械手作业了。当然，后面还有许多问题，比如机械手如何抓取到零件重心上，其实可以由AI调取图纸进行重心计算，再通过固定挡位的坐标计算出重心的坐标，并驱动机械手到该位置拾取零件，确保后续作业。在同一工序中，不同的零件都采用这种方式触发数据点，再根据不同的数据进行作业，实现了生产的多元化制造。

市场上主流的二维码是原昌宏（日本人）开发的QR Code，它的免费开放，又在中国得到了广泛的推广应用，可以说是简化数据流的一个有利契机。工业上，不适合使用打印的二维码，因为在推送加工时极易损坏，所以，“点式”二维码在工业推广上就有了用武之地，如图3所示，可以通过气动磕打机、激光蚀刻机等辅助设备，根据图纸位置，加工到零件表面，这就可以保证生产过程中数据触发点的稳定。

图3 “点式”二维码

AI的流程管理

AI管理系统如图4所示，系统的构架是计算机程序开发的核心，它包括很多方面，比如订单的管理、工艺方案的匹配、生产订单的执行、设备的驱动、物流等等。要以外部订单为起点、生产订单为主线、设备驱动为核心、数据采集为保障，进行全流程管控。这里的AI程序需要通过测试、数据采集、数据分析、信息反馈、自主学习等不断完善。AI系统能够真正使用到实际生产中去还有很长的路要走，但数据流互动，AI自主学习、自主完善是一个必经的过程，谁率先进行应用谁就会抢占市场先机。