Automating parts of the hardbanding process using computer vision and ROS

Sammendrag Denne masteroppgaven tar ett dypdykk inn i noe av ingeniørarbeidet som trengs for å skape en ny autonom produksjonslinje for reparasjonssveis av slitte borerør hos WellConnection Mongstad. Hovedmotivasjonen for denne masteroppgaven er knyttet til en eksisterende flaskehals i den eksisterende halvautomatiske produksjonslinjen. Noen av borerørene som må repareres trenger større mengder sveis for å erstatte urenheter som er fjernet under maskineringsprosessen. Dette skaper en utfordring fordi den store mengden sveis vil raskt tilføre varme til røret, som medfører at beskyttelsesbelegget inne i røret kan bli ødelagt. Derfor er det idag mye venting mellom sveisestrengene for å unngå å skade beskyttelsesbelegget innvendig. Dette medfører at en hel sveisestasjon blir satt på vent, og vil ikke kunne produsere noe mens røret kjøles, dette er flaskehalsen. I den nye produksjonslinjen planlegges det å ha en sveiserobot som kan bevege seg fra rør til rør og sveise avhengig av rørtemperatur for å unngå å skade rørene samt sikre en kontinuerlig produksjon Arbeidet gjort i denne rapporten er basert på rapporten (Hermansen, 2018) hvor det ble undersøkt om bruk av datasyn kunne bli brukt til å kontrollere en sveiserobot autonomt. Noe av arbeidet som er gjort i denne rapporten er å oppgradere det tidligere gjenkjennelses programmet ved å forbedre søkealgoritmen og legge til funksjonalitet som å kunne oppdage to maskinerte groper istedenfor en. Datasyn har blitt brukt til å estimere de ulike diametre som trengs for å lage en sveiseplanlegger i python som regner ut passende sveiseoppbygning samt nødvendig rørrotasjon for oppnå en ønsket sveisehøyde. Et termisk kamera ble testet og viste lovende resultater innen bruk som termisk sensor assistert av datasyn. Til slutt ble deler av koden implementert til et ROS nettverk for å lage en bedre overgang fra programmene laget til fremtidig utstyr som trengs for å realisere den nye produksjonslinjen