Reparación de herramientas de minería con IA y tecnología láser

Investigadores del Instituto Fraunhofer de Tecnología Láser ILT se han asociado con socios del proyecto para desarrollar un módulo de IA que ayude en la deposición de material por láser. Esta técnica se utiliza para reparar dientes de cucharones desgastados y otras herramientas utilizadas en la minería. Entre los socios del proyecto se encuentran organizaciones de investigación y empresas de Canadá.

Las herramientas utilizadas en la minería están expuestas a un desgaste tremendo. Las cucharas de excavadoras con dientes desgastados o cinceles desafilados y las trituradoras de rocas suelen fundirse y sustituirse por otras nuevas. Pero eso es caro y poco eficiente en cuanto a recursos.

La deposición de material por láser (LMD) presenta una alternativa a esto. En este método, un polvo metálico y el rayo láser se guían a través de un sistema óptico de tal manera que el rayo láser crea un baño de soldadura localizado en el componente, donde se deposita el polvo. El sistema se mueve sobre la herramienta, depositando aleaciones metálicas de alta calidad camino a camino y capa a capa. Esto restaura el contorno original de piezas como un diente de excavadora o una broca desgastados exactamente como estaban antes. En el proyecto de mejora de la inteligencia artificial de la detección de procesos para la fabricación aditiva láser adaptativa (AI-SLAM), los investigadores de Fraunhofer están combinando la tecnología láser con la inteligencia artificial. “El objetivo del proyecto era automatizar todos los pasos, desde el mapeo de los defectos hasta la planificación de las trayectorias y los parámetros que se utilizarán durante la soldadura y, a continuación, la ejecución real y el control de calidad”, explica Max Zimmermann, director del proyecto responsable del recubrimiento LMD y el tratamiento térmico en el departamento de deposición de material por láser de Fraunhofer ILT.

Los socios del proyecto son el Consejo Nacional de Investigación de Canadá, la Universidad McGill y empresas como la firma de IA Braintoy, con sede en Calgary, y Apollo Machine and Welding, con sede en Edmonton. BCT, una empresa de desarrollo de software con sede en Dortmund, también participa.

Durante el proceso de reparación, el sistema óptico láser sigue una trayectoria precalculada sobre la superficie de la herramienta. El acero inoxidable se funde a aproximadamente 1.300 °C y se deposita, mientras que las boquillas dirigen simultáneamente chorros de partículas de carburo de tungsteno a la misma zona. Las partículas se combinan con el acero fundido para formar un revestimiento ultraduro en la herramienta después del enfriamiento, protegiéndola tanto del desgaste como de la corrosión.

Uno de los retos para el equipo de investigadores fue encontrar la proporción óptima de partículas de carburo de tungsteno y acero. “Una proporción demasiado alta de partículas hace que el recubrimiento sea quebradizo y propenso a agrietarse, pero con demasiado acero inoxidable, es demasiado blando, por lo que se desgasta rápidamente”, explica Zimmermann. La potencia del láser también debe calibrarse para que la temperatura sea lo suficientemente alta como para fundir el acero, pero no tan alta como para que las partículas de carburo de tungsteno también se fundan (a aproximadamente 2.900°C). Si eso sucediera, el carburo de tungsteno se volvería demasiado blando. Hay muchos otros parámetros, además: la distancia entre las boquillas y la superficie, la velocidad a la que el sistema traza su camino, la superposición entre caminos, la potencia del láser y mucho más. En total, hay 150 parámetros que configurar y coordinar al planificar un solo proceso de reparación.

Para el proyecto AI-SLAM, los investigadores de Fraunhofer desarrollaron un módulo de IA de varias partes que gobierna este complejo proceso de planificación y control. Como primer paso, un láser de línea utiliza una cámara CMOS para capturar los contornos desgastados de la herramienta, como el diente de una excavadora. Esto produce una imagen de la geometría actual de la superficie. La imagen se compara con el contorno del diente cuando es nuevo, que también se almacena en el software. Finalmente, el módulo utiliza la diferencia para calcular la trayectoria y el grosor del recubrimiento metálico que debe aplicarse. Una cámara envía imágenes a la IA durante el proceso de recubrimiento para que pueda detectar cualquier discrepancia o error mientras el trabajo está en curso.

El socio del proyecto BCT incorporó el módulo de IA de los investigadores en su software operativo OpenARMS, que traduce los parámetros recomendados por la IA para el proceso de soldadura en comandos de control. Esto significa que los operadores humanos ya no necesitan escribir los códigos de la máquina, un paso que requiere mucho tiempo y es propenso a errores. Braintoy, con sede en Calgary, es responsable de los algoritmos de aprendizaje automático. También proporciona la plataforma para el análisis de datos en el sistema LMD.

Todas las soluciones funcionan juntas, por lo que el proceso de reparación se lleva a cabo de forma automática y sin errores. “Todo lo que el operador humano tiene que hacer es pulsar el botón de inicio”, dice Zimmermann.