Control-enabled and vision-based quality optimization in fusion laser cutting

Laser cutting of metallic plates and tubes represents an efficient and flexible manufacturing solution that ensures a high level of reliability and excellent production times. Nonetheless, this process involves complex and multi-physical phenomena which make it unfeasible to derive a comprehensive mathematical model. Consequently, the multiple process parameters involved must be empirically tuned for each specific material and thickness and it is not uncommon to end up cutting with a sub-optimal choice of cutting parameters. In response to this problem, recent trends in camera-based monitoring and data analysis have fostered the study of several monitoring systems and closed loop control architectures. These aim at the modification of the cutting parameters during the cut process in order to obtain the best quality-productivity trade-off. The current state of the art is limited to controlling the process whilst monitoring a single defect (typically roughness or dross formation). Nonetheless, different process disruptions can occur concurrently (such as loss of cut and plasma formation). The goal of this thesis is to devise a system capable of handling a wider process window including the occurrence of a greater range of defects and process disturbances (namely plasma formation and loss of cut). A camera-based monitoring system, together with machine learning regression and estimation algorithms, are employed in order to correctly assess the value of the quality indicators in real-time, while a hierarchical control system is developed in order to modify the cutting speed and track a reference quality level. The control system is composed by an inner loop dedicated to the manipulation of the cutting speed and regulation of the dross attachment, while an outer loop is entrusted to supervise the system and allow to remain in optimal operating conditions. In doing so, some quality defects are prevented to occur (\textit{i.e.} laser induced plasma and loss of cut) but also the presence of a heavy disturbance related to cutting on top of the supporting grid is mitigated. The system is experimentally validated and demonstrated to be able to manage the amount of dross attachment also in presence of the grid disturbance. Furthermore it was capable of restoring the optimal cut even when laser induced plasma and loss of cut occurred in the process.

Il taglio laser di lastre e tubi metallici rappresenta una soluzione produttiva efficiente e flessibile che assicura un elevato livello di affidabilità e tempi di produzione eccellenti. Tuttavia, questo processo coinvolge fenomeni complessi e multi-disciplinari che rendono impraticabile la derivazione di un modello matematico completo. Di conseguenza, i molteplici parametri di processo coinvolti devono essere selezionati empiricamente per ciascun materiale e spessore specifico ed è frequente finire per tagliare con una scelta non ottimale dei parametri di taglio. In risposta a questo problema, le tendenze recenti nei campi del monitoraggio basato su telecamere e dell'analisi dei dati, hanno favorito lo studio di diversi sistemi di monitoraggio e architetture di controllo ad anello chiuso. Questi mirano a modificare i parametri di taglio durante il processo al fine di ottenere il miglior compromesso tra qualità e produttività. Attualmente, lo stato attuale dell'arte è limitato al controllo del processo mentre si monitora un singolo difetto (tipicamente rugosità o formazione di bava). Tuttavia, possono verificarsi contemporaneamente diverse interruzioni del processo (come la perdita di taglio e la formazione di plasma). Lo scopo di questa tesi è ideare un sistema in grado di gestire una finestra di processo più ampia, compresa la comparsa di una vasta gamma di difetti e disturbi (in particolare la formazione di plasma e la perdita di taglio). Un sistema di monitoraggio basato su telecamera, unitamente ad algoritmi di regressione e classificazione di machine learning, è impiegato al fine di valutare correttamente il valore degli indicatori di qualità in tempo reale, mentre viene sviluppato un sistema di controllo gerarchico per modificare la velocità di taglio e seguire un livello di qualità di riferimento. Il sistema di controllo è composto da un loop interno dedicato alla manipolazione della velocità di taglio e alla regolazione della quantità di bava, mentre un loop esterno è incaricato di supervisionare il sistema e consentire di rimanere in condizioni operative ottimali. In questo modo, alcuni difetti di qualità vengono prevenuti (ad esempio, la formazione di plasma indotto dal laser e la perdita di taglio), ma viene anche mitigata la presenza di un disturbo importante legato al taglio sulla griglia di supporto. Il sistema è stato validato empiricamente e si è dimostrato in grado di gestire la quantità di bava anche in presenza del disturbo della griglia. Inoltre, è stato in grado di ripristinare il taglio ottimale anche quando si sono verificati processi di formazione di plasma e perdita di taglio indotti dal laser.