Техніка та енергетика

Використання роботизованих та автоматизованих систем у процесах зварювання та відновлення деталей

Ірина Захарова, Сергій Щетинін, Віра Щетиніна, Антон Зусін, Ірина Воленко
Завантажити статтю
Анотація

Дослідження спрямоване на аналіз використання роботизованих систем у зварювальних і наплавлювальних процесах машинобудування з метою підвищення продуктивності, точності та економічної ефективності виробничих операцій. У дослідженні були використані методи порівняльного аналізу, економічного аналізу та аналізу ризиків для оцінки ефективності впровадження роботизованих систем у зварювальний процес і вивчення їх впливу на витрати, якість продукції та умови праці. Аналіз ефективності впровадження роботизованих технологій показав, що автоматизація цих процесів знижує ймовірність дефектів зварних швів і наплавлених покриттів, забезпечуючи стабільну якість на всіх етапах виробництва. Використання роботизованих систем, таких як ABB IRB 6700 і Fanuc ARC Mate 100iD, дозволило досягти точного контролю над параметрами зварювання та наплавлення, зокрема температурою, швидкістю подачі матеріалу і струмом. Роботизовані системи зварювання та наплавлення, зокрема від компаній Fronius, KUKA та YASKAWA, активно використовуються в енергетиці, металургії, атомній промисловості та авіації, для підвищення точності, безпеки та ефективності виробничих процесів. Дослідження передбачало розробку енергозберігаючої технології наплавлення робочих валків прокатних станів для покращення їх зносостійкості і корозійної стійкості з використанням апаратів Tesla Weld SAW/MMA MZ 630 та зварювального роботизованого маніпулятора Tesla Weld R1 для автоматизації процесу і забезпечення високої якості наплавленого шару. Відзначено, що роботизовані системи можуть працювати з широким спектром матеріалів, зокрема алюмінієм, сталлю та сплавами, що розширює можливості застосування технології у машинобудуванні. Завдяки роботизації процесів зварювання та наплавлення досягається значне зниження виробничих витрат, оскільки зменшується потреба в ручному контролі та корекції процесу. Автоматизація дозволяє здійснювати наплавлення на зношених деталях, що подовжує термін служби обладнання та знижує витрати на його заміну

Ключові слова

якість продукції, автоматизація, матеріали, безпека, економічна ефективність, конкурентоспроможність

ЦИТУВАТИ
Zakharova, I., Shchetynin, S., Shchetynina, V., Zusin, A., & Volenko, I. (2025). Use of robotic and automated systems in welding and restoration of parts. Machinery & Energetics, 16(1), 117-129. https://doi.org/10.31548/machinery/1.2025.117
Використані джерела

[1] Abebe, R., & Gopal, M. (2023). Optimization and simulation of arc welding robot parameters based on offline programming. Materials Today: Proceedings. doi: 10.1016/j.matpr.2023.02.291.

[2] Ajiga, D., Okeleke, P.A., Folorunsho, S.O., & Ezeigweneme, C. (2024). The role of software automation in improving industrial operations and efficiency. International Journal of Engineering Research Updates, 7(1), 22-35. doi: 10.53430/ijeru.2024.7.1.0031.

[3] Akberdin, A.A., Kim, A.S., Tolymbekova, L.B., & Sultangaziyev, R.B. (2023). Development of technology for producing complex boron-containing aluminum-silicon ferroalloy. Metallurgist, 67(5-6), 749-756. doi: 10.1007/s11015-023-01562-9.

[4] Ali, M., Alkaabi, A.K., & Lee, J.I. (2022). CFD simulation of an integrated PCM-based thermal energy storage within a nuclear power plant connected to a grid with constant or variable power demand. Nuclear Engineering and Design, 394, article number 111819. doi: 10.1016/j.nucengdes.2022.111819.

[5] Aydinliyim, T., Çil, E.B., & Murthy, N.N. (2023). Input material reduction incentives versus scrap recycling for closed‐loop supply chains. Production and Operations Management, 32(10), 3328-3346. doi: 10.1111/poms.14039.

[6] Bilenko, P., Eremenko, G., Zhukov, S., & Peregudov, V. (2023). Prospects and factors of the use of unmanned robotic vehicles in open-pit mining in Ukraine. Journal of Kryvyi Rih National University, 21(1), 126-132. doi: 10.31721/2306-5451-2023-1-56-126-133.

[7] Chen, S., Liu, J., Chen, B., & Suo, X. (2022). Universal fillet weld joint recognition and positioning for robot welding using structured light. Robotics and Computer-Integrated Manufacturing, 74, article number 102279. doi: 10.1016/j.rcim.2021.102279.

[8] Epping, K., & Zhang, H. (2018). A sustainable decision-making framework for transitioning to robotic welding for small and medium manufacturers. Sustainability, 10(10), article number 3651. doi: 10.3390/su10103651.

[9] Fanuc Corporation. (n.d.). Integrated reports. Retrieved from https://www.fanuc.co.jp/en/ir/annualreport/.

[10] Hnatenko, M. (2024). Elimination of casting defects in parts by microplasma cladding methods. Mining Journal of Kryvyi Rih National University, 22(1), 126-130. doi: 10.31721/2306-5435-2024-1-112-126-130.

[11] Javaid, M., Haleem, A., Singh, R.P., Suman, R., & Rab, S. (2021). Role of additive manufacturing applications towards environmental sustainability. Advanced Industrial and Engineering Polymer Research, 4(4), 312-322. doi: 10.1016/j.aiepr.2021.07.005.

[12] Kahnamouei, J.T., & Moallem, M. (2024). Advancements in control systems and integration of artificial intelligence in welding robots: A review. Ocean Engineering, 312, article number 119294. doi: 10.1016/j.oceaneng.2024.119294.

[13] Kairat, K., Ildar, P., Karygash, A., Saule, B., Indira, K., Markhaba, K., & Aizhan, B. (2023). Digital twins technology in the educational process of the aviation equipment repair. Indonesian Journal of Electrical Engineering and Computer Science, 32(2), 752-762. doi: 10.11591/ijeecs.v32.i2.pp752-762.

[14] Kawasaki Robotics. (n.d.). Kawasaki report (Annual & CSR Report). Retrieved from https://global.kawasaki.com/en/corp/ir/library/annual_report.html.

[15] Kharkiv Tractor Plant. (n.d.). Information for shareholders and stakeholders. Retrieved from https://xtz.ua/ua/public-information.html.

[16] Kołodziejczak, P., Bober, M., & Chmielewski, T. (2022). Wear resistance comparison research of high-alloy protective coatings for power industry prepared by means of CMT cladding. Applied Sciences, 12(9), article number 4568. doi: 10.3390/app12094568.

[17] Korzhyk, V.N., Kulak, L.D., Shevchenko, V.E., Kvasnitskiy, V.V., Kuzmenko, N.N., Liu, X., Cai, Y.X., Wang, L., Xie, H.W., & Zou, L.M. (2017). New equipment for production of super hard spherical tungsten carbide and other high-melting compounds using the method of plasma atomization of rotating billet. Materials Science Forum, 898 MSF, 1485-1497. doi: 10.4028/www.scientific.net/MSF.898.1485.

[18] Lee, D., & Han, K. (2024). Vision-based construction robot for real-time automated welding with human-robot interaction. Automation in Construction, 168, article number 105782. doi: 10.1016/j.autcon.2024.105782.

[19] Liashok, V., & Tykhanskyi, M. (2024). Intelligent tools in grinding processes as a powerful automation tool. Mining Journal of Kryvyi Rih National University, 22(1), 23-28. doi: 10.31721/2306-5435-2024-1-112-23-29.

[20] Loukas, C., Williams, V., Jones, R., Vasilev, M., MacLeod, C.N., Dobie, G., Sibson, J., Pierce, S.G., & Gachagan, A. (2021). A cost-function driven adaptive welding framework for multi-pass robotic welding. Journal of Manufacturing Processes, 67, 545-561. doi: 10.1016/j.jmapro.2021.05.004.

[21] Mehta, A., & Vasudev, H. (2024). Advances in welding sensing information processing and modelling technology: An overview. Journal of Adhesion Science and Technology. doi: 10.1080/01694243.2024.2388141.

[22] Motor Sich. (n.d.). Reporting. Retrieved from https://motorsich.com/ukr/investors/reg_Inf/richnataprom_inform/.

[23] Murugan, S.S., & Sathiya, P. (2024). Analysis of welding hazards from an occupational safety perspective. Vietnam Journal of Science, Technology and Engineering, 66(3), 63-74. doi: 10.31276/VJSTE.2023.0007.

[24] Ocansey, E.D., Hinterbichler, H., Holom, R.M., & Araz, M. (2024). Insights on weld quality using unsupervised learning: Clustering of MIG/MAG process signals. IOP Conference Series: Materials Science and Engineering, 1315, article number 012003. doi: 10.1088/1757-899X/1315/1/012003.

[25] Okumus, D., Fariya, S., Tamer, S., Gunbeyaz, S.A., Yildiz, G., Kurt, R.E., & Barlas, B. (2023). The impact of fatigue on shipyard welding workers’ occupational health and safety and performance. Ocean Engineering, 285, article number 115296. doi: 10.1016/j.oceaneng.2023.115296.

[26] Pires, J.N., Azar, A.S., Nogueira, F., Zhu, C.Y., Branco, R., & Tankova, T. (2022). The role of robotics in additive manufacturing: Review of the AM processes and introduction of an intelligent system. Industrial Robot, 49(2), 311-331. doi: 10.1108/IR-06-2021-0110.

[27] Pop, G., Pusca, A., Tucan, P., Moldovan, A., Jucan, D., & Gherman, B. (2024). Welding process automation using a robotic cell. Case study. In J. Machado, F. Soares, J. Trojanowska, E. Ottaviano, P. Valášek, M. Reddy, E.A. Perondi & Ye. Basova (Eds.), Innovations in mechanical engineering III (pp. 384-393). Cham: Springer. doi: 10.1007/978-3-031-62684-5_34.

[28] Proia, S., Carli, R., Cavone, G., & Dotoli, M. (2021). Control techniques for safe, ergonomic, and efficient human-robot collaboration in the digital industry: A survey. IEEE Transactions on Automation Science and Engineering, 19(3), 1798-1819. doi: 10.1109/TASE.2021.3131011.

[29] Puzyrov, O., & Hrechka, A. (2024). Analysis of the effectiveness of implementing the drawing state for the preparation of metalworking blanks for machines with CNC. Technologies and Engineering, 25(5), 71-78. doi: 10.30857/2786-5371.2024.5.7.

[30] Rocha, F., et al. (2021). ROSI: A robotic system for harsh outdoor industrial inspection-system design and applications. Journal of Intelligent & Robotic Systems, 103, article number 30. doi: 10.1007/s10846-021-01459-2.

[31] Sarivan, I.M., Madsen, O., & Wæhrens, B.V. (2024). Automatic welding-robot programming based on product-process-resource models. International Journal of Advanced Manufacturing Technology, 132(3), 1931-1950. doi: 10.1007/s00170-024-13409-x.

[32] Sharma, A., Chaturvedi, R., Singh, P.K., & Sharma, K. (2021). AristoTM robot welding performance and analysis of mechanical and microstructural characteristics of the weld. Materials Today: Proceedings, 43, 614-622. doi: 10.1016/j.matpr.2020.12.158.

[33] Srinivasulu, R., Rao, Y.S., Vempati, S., & Haribabu, U. (2022). Designing arc welding application using Yaskawa robot. International Journal of Mechanical Engineering, 7(2), 2493-2510.

[34] Sun, G., Wang, Z., Lu, Y., Chen, M., Yang, K., & Ni, Z. (2022). Underwater laser welding/cladding for high-performance repair of marine metal materials: A review. Chinese Journal of Mechanical Engineering, 35(1), article number 5. doi: 10.1186/s10033-021-00674-0.

[35] Vasilev, M., MacLeod, C.N., Loukas, C., Javadi, Y., Vithanage, R.K., Lines, D., Mohseni, E., Pierce, S.G., & Gachagan, A. (2021). Sensor-enabled multi-robot system for automated welding and in-process ultrasonic NDE. Sensors, 21(15), article number 5077. doi: 10.3390/s21155077.

[36] Wang, X., Zhou, X., Xia, Z., & Gu, X. (2021). A survey of welding robot intelligent path optimization. Journal of Manufacturing Processes, 63, 14-23. doi: 10.1016/j.jmapro.2020.04.085.

[37] Yang, S., Zhong, Y., Feng, D., Li, R.Y., Shao, X.F., & Liu, W. (2022). Robot application and occupational injuries: Are robots necessarily safer? Safety Science, 147, article number 105623. doi: 10.1016/j.ssci.2021.105623.

[38] Zhang, J., Shao, G., Fan, J., Wang, L., & Zhang, D. (2022). A review on parallel development of flux design and thermodynamics subject to submerged arc welding. Processes, 10(11), article number 2305. doi: 10.3390/pr10112305.

[39] Zhang, P., Wang, J., Zhang, F., Xu, P., Li, L., & Li, B. (2022). Design and analysis of welding inspection robot. Scientific Reports, 12(1), article number 22651. doi: 10.1038/s41598-022-27209-4.

[40] Zhao, X., Wu, C., & Liu, D. (2021). Comparative analysis of the life-cycle cost of robot substitution: A case of automobile welding production in China. Symmetry, 13(2), article number 226. doi: 10.3390/sym13020226.

[41] Zheng, C., An, Y., Wang, Z., Wu, H., Qin, X., Eynard, B., & Zhang, Y. (2022). Hybrid offline programming method for robotic welding systems. Robotics and Computer-Integrated Manufacturing, 73, article number 102238. doi: 10.1016/j.rcim.2021.102238.