基于聚类的多元焊接过程数据视觉异常检测方法（支持用户引导）

DOI

焊接机器人在现代制造业中不可或缺，它们自动化危险的焊接任务，提高生产率和安全性，同时降低成本。然而，总部件成本中有很大一部分来自手动视觉检查和机器人焊接焊缝的返工，这凸显了工艺优化的重要性。生产现场日益数字化，使用系统跟踪和管理生产流程、规划资源并收集生产过程数据。利用这些数据，焊接工程师面临着分析大量时间序列数据以获取可操作见解的挑战。数据的复杂性和海量使得识别问题变得困难，而缺乏真实标签使得无监督方法（如短期问题的异常检测和长期趋势的聚类）成为必要。为确保我们的研究符合焊接工程师的具体需求，我们与行业领域专家进行了一项设计研究。基于该设计研究，我们引入了一种可视化分析方法，支持领域专家分析焊接数据，解决了检查来自不同焊接机器人的多个时间序列数据集的挑战，这些机器人在生产线上的不同组件上产生多个焊缝。该交互式工具集成了先进的可视化技术，采用人机协作方式，让领域专家能够识别、探索和解释异常和聚类。它实现了引导功能，帮助用户导航并聚焦于数据中有意义的模式。一项配对分析用户研究评估了原型在假设生成方面的能力，并研究了用户学习和有效使用系统的效率。该研究展示了发现示例，展示了领域专家参与者如何使用可视化分析工具揭示模式，从而可能改善决策和运营效率。我们以研究人员在未来完善我们工具能力方面的可能工作方向结束本文。