Una mirada a la inspección visual automatizada para la detección de defectos de socavado en soldadura mig

Irvingh Carlos Alexis Delgado García
Facultad de Sistemas, UAdeC
alexisdelgado@uadec.edu.mx

CienciaCierta #47

Resumen

En el presente artículo se pretende explicar de manera general el funcionamiento de un sistema de inspección visual automatizada para la detección de defectos de socavado en cordones de soldadura mig. Comienza con un repaso a las ideas y conceptos acerca de soldadura mig; a continuación se habla de la importancia de la calidad de la soldadura y la metodología para su evaluación por inspección visual. Aunado a esto se darán algunos ejemplos de aplicaciones de este tipo de soldadura y de los defectos por socavado en cordones de soldadura. Una vez lista la contextualización acerca de la inspección visual en soldadura mig, también se hace una reseña de los sistemas de visión y sus partes para, finalmente, mencionar la implementación de éstos a los tipos de socavado en cordones de soldadura mig.

¿Qué es y dónde se utiliza la soldadura mig?

El término arc welding, o soldadura por arco, se aplica a un amplio y diverso grupo de procesos de soldadura que usan un arco eléctrico como fuente de calor. mig [1], también conocido como gmaw[2], es un proceso básico y versátil utilizado para soldar metales ferrosos y no ferrosos (Jenney, O’Brien, & American Welding Society, 2001).

mig implica el uso de un arco metálico hueco, en cuyo interior circula y se transfiere a las piezas a soldar, material base, el hilo metálico para soldar, material de aporte, mientras fluye a su alrededor un gas inerte que desplaza el aire de la zona de contacto de la soldadura, para proteger el cordón de soldadura de la oxidación. (Jenney, O’Brien, & American Welding Society, 2001)

Algunas de las ventajas de este método frente a los demás son su bajo costo, la facilidad de ensamblaje del equipo, la compatibilidad con sistemas robotizados, su capacidad de aplicación desde cualquier ángulo, entre otras (Köse & Tatli, 2016). Además, el método de soldadura mig puede aplicarse a cualquier metal comercial, como acero al carbón, acero inoxidable, aluminio, cobre, titanio y sus aleaciones. Estas ventajas hacen que la soldadura mig esté presente en las industrias de construcción, manufactura automotriz, metalmecánica, aeroespacial, naval, entre otras (Pires, y otros, 2003).

Ilustración 1: Diagrama Esquemático del Proceso GMAW (Equipo de Asesoría y Capacitación, Rodríguez Moreno, & Flores Castillo, 2003)

soldadura

Importancia de la calidad de la soldadura

Como se ha mencionado, las aplicaciones de la soldadura mig abarcan la manufactura de vehículos y edificios; estructuras metálicas para construcción y chasises, que por seguridad del usuario deben de poseer especificaciones físicas mínimas que garanticen la estabilidad y durabilidad del vehículo o edificio (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014). Si se presenta un defecto en las uniones de soldadura de la estructura reduciría las propiedades mecánicas de la pieza de manufactura. Es importante considerar también que, a su vez, el estado final de las uniones depende de parámetros de voltaje y corriente en la estación de soldadura, velocidad de avance de la antorcha, flujo del gas, etc., por lo que una variación no controlada en ellos podría generar algún defecto (Chu & Wang, 2015).

Inspección visual y defectos

Existen dos métodos de examinación para la calidad: por pruebas destructivas, y por pruebas no destructivas, siendo en ésta última más básica la inspección visual (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014). Todavía hace algunos años la tarea de inspección visual de los cordones de soldadura se llevaba a cabo completamente por técnicos inspectores (Cook, Barnett, Andersen, Springfield, & Strauss, 1999).

Algunos de los tipos más comunes de defectos que se pueden detectar por inspección visual los define la norma EN 25817, éstos se muestran en la ilustración 2. A, es la soldadura correctamente aplicada; B, tiene exceso de material de aporte; C, insuficiente material, y D, ausencia de material de aporte. (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014)

Ilustración 2 Diferentes tipos de aplicación de soldadura correcta e incorrecta (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014)
Ilustración 2 Diferentes tipos de aplicación de soldadura correcta e incorrecta (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014)

Otro defecto detectable por inspección visual es el socavado del material base. Cuando no se usa una técnica apropiada de soldadura, o se tienen altos valores de corriente eléctrica al soldar, se puede generar una ranura en el material base junto al cordón de soldadura. Este hueco se conoce como socavado y se muestra en la Ilustración 3 (American Welding Society, AWS Technical Activities Committee, & AWS Board of Directors, 2015).

Ilustración 3 Ejemplos de Socavado (American Welding Society, AWS Technical Activities Committee, & AWS Board of Directors, 2015)
Ilustración 3 Ejemplos de Socavado (American Welding Society, AWS Technical Activities Committee, & AWS Board of Directors, 2015)

Ventajas de los sistemas de visión vs el inspector

Existe una limitación muy notoria para el inspector, la subjetividad en la evaluación del cordón de soldadura, la cual dependerá del criterio personal del operario (Reichert, 1998). Esta limitación humana ha dado lugar al aprovechamiento de sistemas de visión para la inspección visual automatizada, en especial la detección de defectos superficiales. (Chu & Wang, 2015)

Además de esta limitación, se pueden ver claramente diferenciadas las capacidades sensoriales y mentales humanas de las capacidades de las computadoras, en tareas repetitivas las máquinas son superiores (Beyerer, Puente De León, & Frese, 2016). A continuación, se presenta una tabla que compara las facultades especiales humanas concernientes a las tareas de inspección visual, con las capacidades de detección y procesamiento de las computadoras:

Tabla 1 Comparación de capacidades humanas y de computadoras (Beyerer, Puente De León, & Frese, 2016)

soldadura-3

A diferencia de otras actividades, la inspección visual manual es monótona, laboriosa, fatigosa, subjetiva, imprecisa, cara, difícil de especificar. En cambio, un sistema automatizado para tareas de inspección visual nunca se fatiga, es imparcial, preciso y nos permite almacenar información completa y detallada (Beyerer, Puente De León, & Frese, 2016).

Sistemas de visión

Típicamente un sistema de visión consta de una estructura que se puede dividir en seis bloques:

  1. Adquisición de Imagen. En el interior de la cámara existe un sensor que puede transformar la información óptica de la imagen del objeto, intensidad de luz, color, forma, etc. La información recogida por el sensor es la “materia prima”, es decir lo primero que entra al sistema. Debido a esto, se requiere que la información sea amplia, pues es imposible recuperar y procesar información que el sensor no haya “visto”(Beyerer, Puente De León, & Frese, 2016).
  2. Digitalización. Generalmente, la información entra al sistema en forma de señales análogas; sin embargo, las señales que se pueden procesar en el sistema de cómputo son digitales, por lo que se requiere convertir la información de formato análogo a digital para poder procesarla y guardarla(Beyerer, Puente De León, & Frese, 2016).
  3. Pre-procesamiento. La información primaria que proporciona el sensor puede contener partes irrelevantes; por ejemplo, si se necesita detectar un defecto de socavado en el cordón de soldadura, podríamos eliminar las componentes de imagen que no correspondan al cordón de soldadura y el área contigua a esta. Para esto, se aplican filtros, algoritmos matemáticos y lógicos, en la información de imagen que se digitalizó en la etapa anterior(Beyerer, Puente De León, & Frese, 2016).
  4. Compresión y extracción de información. Una vez escogida la información más significativa, se reconstruye la imagen y se procede a analizarla buscando las detecciones visuales programadas, objetos, formas, colores, número de objetos, etc.,(Beyerer, Puente De León, & Frese, 2016).
  5. Decisión. A partir de las detecciones obtenidas el sistema es capaz de tomar decisiones de acción acerca de un proceso específico(Beyerer, Puente De León, & Frese, 2016).

Aplicación del Sistema de Visión para Inspección Visual de Soldadura

Se ha comentado que la información captada por la cámara o sensor óptico proviene de los valores de la luz reflejada por el objeto o área a inspeccionar (Beyerer, Puente De León, & Frese, 2016). Para realizar fidedignamente la toma de datos, muestreo, se requiere de una fuente de luz ajustable, estable y constante para controlar y estabilizar el rango de valores de intensidad lumínica. Esta fuente de luz, puede ser interna al sistema o externa, e incluso, pero no recomendable, ambiental (Beyerer, Puente De León, & Frese, 2016).

Si se fija el objetivo de detectar socavados se tendrían qué contrastar las imágenes de una sección de cordón de soldadura con socavado y una sin socavado, para determinar las figuras o formas que hay qué detectar y sus respectivos niveles de luz, por ejemplo, sombras, puntos de luz, etc., que representan las ranuras producidas por los socavados (Chu & Wang, 2015). En ocasiones, para llevar a cabo esta tarea, se utilizan diferentes tomas, con diferentes ángulos y niveles de luz (Senthil Kumar, Natarajan U., Veerarajan, & Ananthan, 2014). A partir de las formas y los niveles definidos, se genera el algoritmo para cargar en el sistema y gobernar el proceso de inspección.

Además, y, por último, es importante señalar que el análisis de la imagen puede ser asistido por herramientas matriciales, estadísticas, heurísticas, de inteligencia artificial y redes neuronales, entre otras, para la optimización de tiempos de procesamiento y precisión en los cálculos del sistema (Beyerer, Puente De León, & Frese, 2016; Reichert, 1998).

Referencias

American Welding Society, AWS Technical Activities Committee, & AWS Board of Directors. (2015). Guide for the Visual Examination of Welds. Danvers, MA: American Welding Society.

Beyerer, J., Puente De León, F., & Frese, C. (2016). Machine Vision. Berlin.

Chu, H.-H., & Wang, Z.-Y. (2015). A vision-based system for post-welding quality measurement. The International Journal of Advanced Manufacturing Technology.

Cook, G., Barnett, R., Andersen, K., Springfield, J., & Strauss, A. (1999). Automated visual inspection and interpretation system for weld quality evaluation. IEEE IAS Annual Meeting (págs. 1809-1816). IEEE.

Equipo de Asesoría y Capacitación, Rodríguez Moreno, C., & Flores Castillo, A. (2003). Inspección de Soldadura. Inspección y Sistemas de Calidad.

Jenney, C. L., O’Brien, A., & American Welding Society. (2001). Welding Handbook. Miami, FL: American Welding Society.

Köse, C., & Tatli, Z. (2016). Pulsed DC Robotic MIG Welding of Non Heat Treatable Aluminum Alloys. International Journal of Electromechanical Science, 11, 1918.

Pires, J. N., Loureiro, A., Godinho, T., Ferreira, P., Fernando, B., & Morgado, J. (2003). Welding robots. IEEE Robotics & Automation Magazine, 10, 55.

Reichert, T. (1998). Pre- and postweld inspection using laser vision. Nondestructive Evaluation of Materials and Composite, 3396.

Senthil Kumar, G., Natarajan U., Veerarajan, T., & Ananthan, S. (2014). Quality Level Assessment for Imperfections in GMAW. Welding Journal, 85-97.

[1] MIG: Metal Inert Gas

[2] GMAW: Gas Metal Arc Welding

Post Author: CC

Deja un comentario