알고리즘으로 분석된 전기 데이터를 사용하여 로봇 제조에서 생산된 용접의 품질을 평가한다는 아이디어는 1995년 시드니 대학교의 스티븐 심슨 부교수가 용접 아크에서 발생하는 복잡한 물리적 현상에 대한 연구에서 나왔습니다. 심슨은 이러한 현상에 대한 명확한 이해 없이도 용접의 품질을 결정하는 방법을 개발할 수 있다는 것을 깨달았습니다. 개발에는 다음이 포함되었습니다.
적절한 이미지 처리를 통해 위상 공간 초상 서명으로 처리하여 샘플링된 데이터 블록을 처리하는 방법입니다. 일반적으로 GMAW 펄스 또는 단호 아크 용접 공정에서 1초 분량의 샘플링된 용접 전압 및 전류 데이터를 수집합니다. 이 데이터는 2D 히스토그램으로 변환되고 이미지 평활화와 같은 신호 처리 작업이 수행됩니다.
사회 과학의 통계적 방법(예: 주성분 분석)을 기반으로 용접 시그니처를 분석하는 기술입니다. 용접 전압과 전류 간의 관계는 용접 공정의 상태를 반영하며, 시그니처 이미지에는 이 정보가 포함됩니다. 주성분 분석을 사용하여 시그니처를 정량적으로 비교하면 시그니처 이미지가 퍼져서 결함을 감지하고 식별할 수 있습니다. 이 시스템에는 개인용 컴퓨터에서 실시간 용접 분석에 적합한 알고리즘과 수학, 실험 용접 데이터를 사용하여 결함 감지 성능을 다차원적으로 최적화하는 것이 포함됩니다. 용접에서 순간마다 시그니처 이미지를 비교하면 용접 공정이 얼마나 안정적인지에 대한 유용한 추정치를 제공합니다. 공정의 물리적 매개변수가 변경될 때 시그니처 이미지를 비교하여 "아크를 통한" 감지를 통해 정량적 추정치(예: 용접 비드 위치)를 얻을 수 있습니다.
나중에 연구하기 위해 정보를 기록하거나 X선이나 초음파를 사용하여 샘플을 확인하는 시스템과 달리 SIP 기술은 전기 신호를 보고 오류가 발생하면 이를 감지합니다. 4,000개의 전기 데이터 지점으로 구성된 데이터 블록이 초당 4회 수집되어 시그니처 이미지로 변환됩니다. 이미지 처리 작업 후, 시그니처의 통계적 분석은 용접 공정에 대한 정량적 평가를 제공하여 안정성과 재현성을 밝히고 오류 감지 및 공정 진단을 제공합니다. 전압-전류 히스토그램과 시그니처 이미지 간 거리의 단순화된 통계적 측정을 사용하는 유사한 접근 방식이 오사카 대학의 연구원들에 의해 텅스텐 불활성 가스(TIG) 용접에 대해 평가되었습니다.
