Personalizar las preferencias

Las cookies son pequeños archivos de texto que pueden ser usados por las webs para hacer más eficiente la experiencia del usuario. La ley establece que podemos almacenar cookies en tu dispositivo si son estrictamente necesarias para el funcionamiento de este sitio. Para todos los demás tipos de cookies, necesitamos tu permiso. Este sitio utiliza diferentes tipos de cookies. Algunas cookies son colocadas por los servicios de terceros que aparecen en nuestras páginas.

Siempre activas

Se requieren las cookies necesarias para habilitar las funciones básicas de este sitio, como proporcionar un inicio de sesión seguro o ajustar sus preferencias de consentimiento. Estas cookies no almacenan ningún dato de identificación personal.

No hay cookies que mostrar

Las cookies funcionales ayudan a realizar ciertas funciones, como compartir el contenido del sitio web en plataformas de redes sociales, recopilar comentarios y otras funciones de terceros.

Las cookies analíticas se utilizan para comprender cómo interactúan los visitantes con el sitio web. Estas cookies ayudan a proporcionar información sobre métricas como el número de visitantes, la tasa de rebote, la fuente de tráfico, etc.

Las cookies de rendimiento se utilizan para comprender y analizar los índices clave de rendimiento del sitio web, lo que ayuda a ofrecer una mejor experiencia de usuario a los visitantes.

No hay cookies que mostrar

Las cookies publicitarias se utilizan para proporcionar a los visitantes anuncios personalizados basados ​​en las páginas que visitó anteriormente y para analizar la efectividad de las campañas publicitarias.

Logo

LORTEK – Quality control of welds by profilometry measurements

LORTEK 

Sector: Industry

Business Case

In the welding process, one of the criteria that determines the quality of the joints is the depth of penetration that the bead has passed through. When two segments are welded together, quality assessment is often costly, especially when access to the hidden or root part of the weld for inspection is difficult, and destructive testing is necessary.

Objectives

Knowing the geometrical properties of the face or surface part of the seam, and the process descriptive data collected during welding, one can predict or estimate the root to know if penetration has occurred. Using ML algorithms, to determine the quality of a weld based solely on the process data and geometric measurements collected by the laser profilometer for the surface part, thus avoiding more costly tests such as cutting the parts or non-destructive techniques (NDTs) such as X-rays or computed tomography.

Use case

After setting up a test bench with different types of welds (plate against plate, plate against tube, etc.), the laser profilometer is used to measure both the geometry of the face and the root of the beads. Regression algorithms are developed that are able to infer the reverse side of a weld knowing only the shape of its front side and the welding process data (V,I, etc.). The models are validated both with samples from the initial bench that have been excluded during training and with real data from the production process.

Infrastructure

On Premise

Technology

Automatic or Deep Learning Image recognition/processing

Data

Multivariate time series. For each weld bead, signals of height, width, angle, etc., for both face and root, as well as process data collected during the welding process (V, I, WFS, Gas Flow Rate, etc.).

Resources

Difficulties and learning

KPIs (business impact and metrics of the model)

Funding

Collaborators, Partners