Uma combinação de técnicas leva a uma soldagem por fricção e mistura aprimorada

Baixe o PDF: Uma combinação de técnicas leva a uma soldagem por fricção e mistura aprimorada

O NESC desenvolveu diversas ferramentas e técnicas inovadoras durante uma avaliação para encontrar a causa raiz da baixa resistência à tração e anomalias de baixa topografia (LTA) em soldas formadas usando um processo de soldagem de estado sólido chamado soldagem por fricção e agitação auto-reativa (SRFSW).

Usando uma combinação de aprendizado de máquina, modelagem estatística e simulações baseadas na física, a equipe de avaliação ajudou a melhorar o processo de soldagem e a resolver ambos os problemas, eliminando as restrições impostas ao hardware de voo.

Desenvolvimento de técnicas para detecção de LTA

A determinação da causa raiz das soldas com baixa resistência à tração e LTA observadas nas superfícies de fratura da solda envolveu diversas técnicas:

Aprendizado profundo para detecção de LTA: A equipe do NESC desenvolveu um modelo de aprendizado de máquina para detectar e segmentar LTA em imagens de solda. O modelo foi treinado em imagens anotadas por especialistas em metalurgia, com consenso de maioria de votos para resolver divergências. A equipe então desenvolveu um procedimento operacional padrão para captura de imagens para melhorar a robustez e reduzir distorções. Este modelo foi construído com base em trabalhos anteriores da NASA para desenvolver modelos básicos de análise de microscopia especializada por meio de pré-treinamento em mais de 100.000 imagens de microscopia. Esta etapa foi crucial para vincular os parâmetros do processo à ocorrência do LTA de forma objetiva e imparcial.

Estrutura integrada de ingestão de dados: O SRFSW é um processo complexo com muitas variáveis interagindo. O processo de soldagem produz uma grande quantidade de dados com diversos tipos de dados que incluem dezenas de parâmetros de processo tabulares, dezenas de fluxos de dados sequenciais da ferramenta de produção, imagens de fraturas e seções transversais de solda e dados de laboratório de testes mecânicos. Uma estrutura baseada em Python foi desenvolvida para ingerir e validar automaticamente esses diversos dados e compilá-los em uma única planilha mestre e um banco de dados. Essa ferramenta reduziu o esforço manual, minimizou erros de transcrição e melhorou a qualidade dos dados para análise posterior. A equipe entregou a ferramenta às partes interessadas para uso contínuo.

Aplicativo da Web de análise de dados: Uma nova ferramenta de visualização e análise baseada na web permitiu que engenheiros e especialistas no assunto explorassem rapidamente o conjunto de dados integrado para testes de hipóteses mais rápidos e geração de insights mais intuitivos durante toda a investigação

Projeto de experimentos que preenchem o espaço: Como o SRFSW envolve relações complexas e não lineares entre parâmetros de processo, a equipe descobriu que os projetos fatoriais tradicionais eram insuficientes e implementou um projeto de experimentos de preenchimento de espaço (DOE) para explorar com eficiência todo o espaço de parâmetros. Esses modelos de aprendizado de máquina treinados em dados capturam o comportamento subjacente da solda. A equipe também desenvolveu uma ferramenta de software para gerar esses projetos e a compartilhou com as partes interessadas.

Simulação SRFSW baseada em física: A criação de um modelo computacional do processo SRFSW simulou condições de soldagem, evolução da microestrutura e propriedades resultantes, oferecendo informações sobre aspectos do processo de soldagem que são inacessíveis aos sensores físicos. Isso melhorou a compreensão e orientou melhorias.

Determinando a causa raiz do LTA

Usando essas ferramentas e análises, a equipe identificou duas causas principais para o LTA e a baixa resistência à tração:

Preparação de superfície pós-soldagem excessivamente agressiva na produção reduziu a resistência da solda.

Entrada de energia de soldagem fora da faixa ideal levou a soldas inconsistentes e aumentou o risco de LTA.

Os modelos de processo ajudaram a definir uma janela de entrada de energia de soldagem alvo e recomendaram como ajustar os parâmetros de controle primário para atingir esse alvo de forma confiável. Testes de produção de acompanhamento confirmaram que esses ajustes poderiam ser implementados com alta precisão, eliminando soldas de baixa resistência e LTA.

Soldagem por Fricção e Mistura

No SRFSW, um pino giratório é cravado na costura entre duas placas de metal, gerando calor por meio do atrito que funde as folhas sem derreter o material. Esta técnica produz juntas mais fortes do que a soldagem tradicional e permite o uso de ligas de alto desempenho, mas tradicionalmente não soldáveis, como o Alumínio 2219.

A técnica SRFSW não utiliza maçaricos ou solda porque a fricção mistura os materiais em nível molecular.