Als Anbieter mechatronischer Lösungen für die Bearbeitung von Stahlblechen hat Clecim kürzlich sein Angebot an Laserschweißgeräten um eine neue Maschinengeneration zum Schneiden und Schweißen von Grobblechen mit einer 12-kW-Laserquelle erweitert. Im Jahr 2019 wurde der Laserschneidprozess umfassend untersucht und der Einsatz von Machine Learning-Techniken ermöglichte es, ein Modell zu erstellen, das robuste Schneidanweisungen für den gesamten Dickenbereich liefert. Im Fokus steht heute das autogene Laserschweißverfahren (ohne Zusatzdraht). Um eine gute Schweißnaht zu erhalten, müssen zwei Kriterien erfüllt sein: eine fehlerfreie Schweißnaht (Arten von Spritzern, Laufflächen, Unterfüllungen, Löchern usw.) möglichst nahe am Grundwiderstand des Materials liegen). Um dieses Ergebnis zu erreichen, wurden viele Schritte durchgeführt, die jeweils die Verwendung einer JMP-Plattform erforderten:
- "Fit X by Y" und "Distribution", um nicht nur den Wert des Grundwiderstands des Materials statistisch zu bestimmen, sondern auch um sicherzustellen, dass die untersuchten Platten als identisch und homogen betrachtet werden können
- "Graph Builder", um die visuellen Beobachtungen zu synthetisieren und eine Kartierung der Schweißfehler gemäß den untersuchten Parametern zu erhalten, wobei das Ergebnis es ermöglicht, einen Bereich zu bestimmen, in dem die Schweißnaht frei von Fehlern ist
- Und schließlich "DoE / Custom Design" und 2 Fit Model "die es ermöglichen, den Widerstand der Schweißnaht in der vorherigen Zone zu untersuchen und zu modellieren, um die optimalen Parameter zu bestimmen. Da das Untersuchungsgebiet unregelmäßig geformt ist, wird es in Form einer Reihe von Kandidatenpunkten (Kovariaten) eingegeben.
