«У робота есть заданная программа, по которой он двигается, но детали перед сваркой собирает человек, и здесь может быть что угодно: плохая сборка деталей, зазоры, некачественная зачистка металла. Зазор разошелся, робот просто в пустоту куда-то что-то наварил, – рассказывает заведующий кафедрой оборудования и технологии сварочного производства Михаил Иванов. – Дефекты в сварке предсказать невозможно. Например, подача проволоки идет, визуально она хорошая, но она постояла в цеху и набрала влаги – такие моменты не предугадать. Сейчас качество сварки оценивает человек, а мы придумали, как научить самого робота искать дефекты».
«Первое время я являлся связующим звеном в нашей междисциплинарной команде, – вспоминает аспирант Никита Черкасов. – Потому что у меня было достаточно знаний в сфере сварочного программирования».
«Промышленные дефекты средние и большие нейросеть достаточно хорошо видит, – комментирует заведующий кафедрой оборудования и технологии сварочного производства Михаил Иванов. – Все существующие автоматизированные сварочные системы заканчиваются «черным ящиком», куда человек вообще вмешиваться не может, не может «подправить», хотя такой соблазн иногда есть. Мы пытаемся создать такой «черный ящик», который будет говорить: да, дефект найден».
«Поставлена задача: конструкция 30 метров, листы отрезаны плазменной резкой, – объясняет заведующий кафедрой оборудования и технологии сварочного производства Михаил Иванов. – Плазменная резка вносит очень много тепла в конструкцию, и после этого начинается коробление: лист получается неровный. Между такими деталями зазор изменяется: то сходится, то расходится, поэтому сварное соединение получается с браком. Мы научили нейронную сеть оценивать зазор, рассчитали, какой режим сварки должен быть для каждого зазора. То есть, сварочный трактор совместно с источником питания сам себя регулирует».