Revista de Ciencias Tecnológicas (RECIT). Volumen 3 (1): 10-22
Revista de Ciencias Tecnológicas (RECIT). Universidad Autónoma de Baja California ISSN 2594-1925
Volumen 7 (3): e353. Julio-Septiembre 2024. https://doi.org/10.37636/recit.v7n3e353
Artículo de revisión
Revisión de métodos no destructivos para la evaluación de la
soldadura por puntos de resistencia en la industria automotriz
Review of non-destructive methods for the evaluation of resistance spot
welding in the automotive industry
Jazmin Monserrat Rodriguez Torres1, Carolina Reta2, Francisco Javier Ibarra Villegas3
1Posgrado CIATEQ, A.C., Centro de Tecnología Avanzada, Cto. Aguascalientes Nte. 135, Parque industrial de
Valle de Aguascalientes, Aguascalientes, 20358, Aguascalientes, México.
2CONAHCYT–CIATEQ A.C., Centro de Tecnología Avanzada, Gaza 30 Lote 1, Distrito de Educación, Salud,
Ciencia, Tecnología e Innovación, San Agustín Tlaxiaca, 42163, Hidalgo, México.
3CIATEQ, A.C. Centro de Tecnología Avanzada, Av. Nodo Servidor Público #165 Col. Anexa al Club de Golf,
Las Lomas, Zapopan, 45136, Jalisco, México.
Autor de correspondencia: Carolina Reta, CONAHCYT–CIATEQ A.C., Centro de Tecnología Avanzada, Gaza 30 Lote 1,
Distrito de Educación, Salud, Ciencia, Tecnología e Innovación, San Agustín Tlaxiaca, 42163, Hidalgo, México. E-mail:
carolina.reta@ciateq.mx. ORCID: 0000-0002-0843-129X.
Recibido: 11 de Abril del 2024 Aceptado: 18 de Junio del 2024 Publicado: 19 de Julio del 2024
Resumen.- La soldadura por puntos de resistencia es una técnica común en la industria manufacturera,
especialmente en el sector automotriz en México, debido a su versatilidad y facilidad de implementación. La
evaluación de la calidad de estas soldaduras es crucial, y existen múltiples métodos para ello, lo que complica la
elección del más adecuado. Este artículo presenta una revisión de la literatura centrada en métodos no destructivos
para la confirmación de la calidad de la soldadura por puntos de resistencia. Se destacan técnicas como la
inspección por ultrasonido, la termografía infrarroja y la visión por computadora, entre otras. La metodología
empleada incluye un análisis comparativo de estudios recientes para identificar las mejores prácticas y
aplicaciones en la evaluación de la calidad de la soldadura por puntos. Los resultados de esta revisión
proporcionan una guía comprensiva para investigadores y profesionales, facilitando la selección de métodos
adecuados para aplicaciones específicas.
Palabras clave: Calidad de soldadura; Resistencia de soldadura por puntos; Pruebas no destructivas; Inspección
infrarroja; Visión por computadora.
Abstract.- Resistance spot welding is a common technique in the manufacturing industry, especially in the
automotive sector in Mexico, due to its versatility and ease of implementation. The evaluation of the quality of these
welds is crucial, and there are multiple methods for this, making the choice of the most suitable one complicated.
This article presents a literature review focused on non-destructive methods for confirming the quality of resistance
spot welding. Techniques such as ultrasonic inspection, infrared thermography, and computer vision, among others,
are highlighted. The methodology employed includes a comparative analysis of recent studies to identify the best
practices and applications in the quality assessment of spot welding. The results of this review provide a
comprehensive guide for researchers and professionals, facilitating the selection of appropriate methods for
specific applications.
Keywords: Welding quality; Spot welding resistance; Non-destructive testing; Infrared inspection; Computer
vision.
2 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
1. Introducción
México cuenta con una amplia variedad de
plantas manufactureras, y una parte importante de
este sector está directamente relacionada con la
industria automotriz. Esta industria se caracteriza
por el uso de la soldadura por puntos de
resistencia en la fabricación de carrocerías.
La alta competitividad que distingue a esta
industria impulsa la necesidad constante de
mejorar los procesos para asegurar la calidad de
los productos. En este contexto, este trabajo
presenta una revisión de la literatura sobre
métodos de confirmación de calidad de soldadura
por puntos, entre los que se encuentran:
inspección por ultrasonido (sección 5.1), flujo
magnético (sección 5.2), visión por computadora
(sección 5.3), termografía infrarroja (sección 5.4),
predicción de defectos empleando IA (sección
5.5), entre otros métodos híbridos (sección 5.6).
Con ello, se busca proporcionar una visión
integral de las herramientas y técnicas disponibles
para su desarrollo y aplicación en la industria.
La revisión bibliográfica abarca artículos
publicados mayoritariamente en los últimos cinco
años. Sin embargo, también se incluyen trabajos
de años previos debido a su contribución en el
campo, lo que nos permite identificar el impacto
de la investigación en esta disciplina y su
relevancia para los avances en la industria
automotriz.
2. Soldadura por puntos de resistencia
El proceso de soldadura por puntos de resistencia
(RSW, por sus siglas en inglés, Resistance Spot
Welding) consiste en la unión de dos o más
láminas metálicas, mediante la aplicación de
corriente eléctrica a través de los paneles. Para
este tipo de soldadura se aprovecha la propiedad
eléctrica de las láminas la cual consiste en
oponerse al flujo de corriente, generando así la
fusión del metal con el calor producido, para
obtener la soldadura [1].
Este proceso ofrece las siguientes ventajas:
eficiencia económica, alta velocidad y
adaptabilidad para la automatización [2]. Sin
embargo, también presenta desventajas, como el
traslape de las uniones y una baja resistencia
mecánica a la tensión y fatiga [2]. Debido a sus
ventajas, este proceso es ampliamente utilizado
para la unión de láminas.
2.1 Principio de operación
El proceso de soldadura por RSW utiliza la
aplicación controlada del flujo de corriente
eléctrica en un tiempo determinado. Su
funcionamiento se basa en el efecto Joule, el cual
establece que cuando los electrones en
movimiento de una corriente eléctrica impactan
contra el material a través del cual están siendo
conducidos, la energía cinética contenida en los
electrodos es transformada en energía calorífica,
dando como resultado la fusión de los materiales
[3].
La cantidad de calor generada es proporcional al
cuadrado de la corriente eléctrica y directamente
proporcional a la resistencia eléctrica y el tiempo,
como se muestra en la ecuación (1) [4].
𝑄 = 𝐼2𝑅𝑡
( 1)
donde:
𝑄 = Calor generado (Joules).
𝐼 = Corriente, cantidad de electrodos que
recorren el circuito por unidad de tiempo
(Ampers).
𝑅 = Resistencia, oposición que ejerce un
material al flujo de corriente (Ohms).
𝑡 = Tiempo, cantidad de tiempo durante el cual
fluye la corriente eléctrica a través del
conductor (Segundos).
3 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Para llevar a cabo el proceso de soldadura por
puntos, dos o más láminas metálicas son
presionadas mediante electrodos, a través de los
cuales se hace circular corriente eléctrica,
generando el calentamiento de las zonas de
contacto de la lámina y el electrodo, dando como
resultado la unión de las láminas [5]. En la Figura
1 se puede observar dicho proceso.
Durante este proceso, se debe generar la cantidad
de calor necesaria para fundir las láminas que se
desean unir. A continuación, la unión se deja
reposar el tiempo suficiente bajo la aplicación de
cierta presión, con la finalidad de brindarle la
resistencia mecánica necesaria para mantener la
unión de las láminas. A ese metal fundido y
posteriormente solidificado se le conoce
comúnmente como botón de soldadura o huella.
La forma y el tamaño de este varían según el
campo magnético inducido mediante el flujo de la
corriente eléctrica [5].
2.2 Soldadura por RSW en la industria
automotriz
El uso de la soldadura por RSW en la fabricación
del ensamble estructural de los automóviles
permite usar conjuntos de puntos de soldadura
para transferir el impacto hacia la estructura del
vehículo durante un choque [6]. Esta resistencia
depende en gran medida de la integridad y
desempeño mecánico del punto de soldadura [6].
El fallo en las uniones de soldadura afecta la
rigidez estructural del vehículo; por lo tanto, la
calidad de los puntos de soldadura es fundamental
para determinar la seguridad y durabilidad de los
vehículos.
Figura 1. Proceso de soldadura por RSW.
Los defectos en la soldadura desencadenan una
serie de eventos perjudiciales para el proceso de
manufactura, puesto que representan pérdidas de
tiempo por retrabajos y mayores costos de
producción [7]. En el proceso de carrocerías, los
defectos más comunes son [8]: fractura,
perforación, punto desprendido y rebaba, los
cuales se muestran en la Figura 2.
4 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Para evaluar la resistencia de los puntos de
soldadura [6] se utilizan tres índices, mostrados en
la Figura 3, los cuales son la base para monitorear
la calidad de la soldadura dentro de los procesos
productivos.
3. Control de calidad de la soldadura por RSW
El control de la calidad es un aspecto de gran
importancia y cuidado por las empresas [9].
Por lo general, la calidad de la soldadura se
determina con base en 5 criterios [8]: aspecto,
tamaño, penetración, resistencia mecánica y
discontinuidades internas.
Los métodos de inspección utilizados para la
evaluación de la calidad de la soldadura por RSW
pueden ser de dos tipos: destructivos y no
destructivos. Por lo general, en las empresas se
utilizan ambos métodos de inspección.
Figura 2. Principales defectos en la soldadura por RSW.
Figura 3. Índices para la evaluación de la calidad de la soldadura.
3.1 Ensayos destructivos
Los ensayos destructivos (DT, por sus siglas en
inglés, Destructive Testing) implican la
destrucción parcial o total de la pieza soldada con
la finalidad de evaluar las propiedades mecánicas
de la unión, como: la resistencia, la dureza y,
sobre todo, la fusión de las láminas. Hasta la
fecha, estos métodos son los más confiables para
garantizar la calidad en la unión de la soldadura
[9].
La principal desventaja de las pruebas DT son el
tiempo y el alto costo. Además, debido a su
La fuerza en la unión de la soldadura es relacionada con tres atributos
físicos importantes.
•Tamaño de la huella.
•Profundidad de la penetración del punto de soldadura.
•Deformaciones en la huella de soldadura.
Características físicas y metalúrgicas de la soldadura
Durante el servicio del vehículo, los puntos de soldadura pueden ser
sometidos a fatiga estática y a condiciones de carga por impacto.
Rendimiento mecánico de la soldadura
Es una medida cualitativa sobre las propiedades mecánicas de los
puntos de soldadura que ayudan a determinar el tipo de fractura que
se genera en los puntos de soldadura.
Modo de falla
Durante el servicio del vehículo, los puntos de soldadura pueden ser
sometidos a condiciones de carga cuasi-estática, fatiga e impacto.
Es una medida cualitativa sobre las propiedades mecánicas de los
puntos de soldadura que ayudan a determinar el tipo de fractura que
se genera en los puntos de soldadura.
La fuerza en la unión de la soldadura es relacionada con tres
atributos físicos importantes.
5 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
naturaleza, esta prueba se realiza mediante un
muestreo, lo cual conlleva un alto riesgo de fuga
de defectivo en el proceso. En general, las pruebas
DT se pueden clasificar en: mecánicas, químicas
y metalográficas [10].
3.2 Ensayos no destructivos
Un ensayo no destructivo (NDT por sus siglas en
inglés, Non Destructive Testing) es cualquier tipo
de prueba aplicada a un material que no altera de
forma permanente sus propiedades físicas,
químicas, mecánicas o dimensionales [11]. Estos
métodos basan su principio de funcionamiento en
el uso de diferentes tipos de energía, para detectar
de manera interna o visual defectos en el punto de
unión de la soldadura. Sin embargo, los métodos
de inspección no destructiva que se han
desarrollado hasta la fecha no garantizan al 100%
la calidad de la soldadura [9].
La Error! Reference source not found. enlista
los principales tipos de ensayos no destructivos y
sus correspondientes ventajas y desventajas [12]-
[18].
4. Metodología
En este estudio, se llevó a cabo una revisión
sistémica de la literatura científica sobre los
métodos de prueba no destructivos para el proceso
de soldadura por puntos. El objetivo del estudio es
examinar el estado actual y los avances en este
campo específico.
4.1 Esquema de búsqueda
Para la búsqueda de los artículos científicos, se
empleó el siguiente procedimiento:
Definición de palabras clave. Se realizó una
selección de palabras clave en inglés, las
cuales se determinaron con base en el objetivo
de la investigación. Estas fueron: Quality;
Spot Welding; Destructive test;
Nondestructive test.
Búsqueda de literatura. Estas palabras clave
fueron empleadas como criterios de búsqueda
en una variedad de plataformas académicas,
incluyendo Scopus, Semantic Scholar,
ResearchGate, ScienceDirect, Elsevier,
MDPI, Redalyc, SciELO, y Dialnet. Esto con
el fin de obtener una amplia perspectiva sobre
el tema de estudio.
Selección extensa de artículos para revisión.
Esta selección consideró principalmente el
criterio de avance en el desarrollo de nuevos
métodos no destructivos. Esto con el fin de
garantizar la inclusión de trabajos
significativos y pertinentes para su revisión.
Recuperación de documentos para revisión.
Una vez seleccionados artículos relevantes, se
procedió con la recuperación de los
documentos completos para su posterior
revisión, los cuales fueron descargados a
través de las plataformas mencionadas.
6 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Figura 4. Tipos de ensayos no destructivos.
Involucra el uso de algoritmos de aprendizaje automático para analizar datos de las soldaduras, con el objetivo de
predecir la aparición de defectos.
Ventajas Desventajas
Predictiva Requiere un gran volumen de datos de alta calidad para el
Mejora continua entrenamiento de modelos de IA
Permite la optimización de procesos Sensibilidad a condiciones cambiantes
Combinan múltiples métodos, técnicas o algoritmos para aprovechar las fortalezas individuales de cada uno y
mitigar sus debilidades.
Ventajas Desventajas
Mejora del rendimiento Mayor complejidad
Mayor adaptación
Obtención de imágenes térmicas de la unión de soldadura, los cambios de temperatura de la unión indican la
presencia de defectos internos.
Ventajas Desventajas
Rápido Sensible a condiciones ambientales
Permite la inspección de grandes áreas Requiere de una fuente de calentamiento externa
Inspección por termografía infrarroja
Predicción de defectos empleando IA
Métodos híbridos
Transmisión de ondas sonoras de alta frecuencia a través de la soldadura para generar vibraciones. Los defectos
internos en la soldadura alteran la propagación de estas ondas.
Ventajas Desventajas
Alta confiabilidad Costo
Juicio sujeto a la interpretación del auditor
Alto nivel de especialización en el equipo
La soldadura se somete al flujo de corriente eléctrica para inducir un campo magnético sobre ella y se aplica
polvo ferromagnético, si se presenta algún defecto en la soldadura el flujo magnético presentará una fuga,
provocando el acumulamiento de las partículas ferromagnéticas sobre la superficie.
Ventajas Desventajas
Detección de defectos pequeños Solo puede aplicarse a materiales ferromagnéticos
Es necesario desmagnetizar
Inspección por ultrasonido
Inspección por flujo magnético
Utiliza cámaras, sensores o equipos especializados para adquirir imágenes de la soldadura y mediante algoritmos
de análisis de imágenes se evalúa la calidad de la misma. Las imágenes capturadas se analizan para detectar
defectos como grietas, porosidades, fallos superficiales e internos, entre otros.
Ventajas Desventajas
Automatización Costo
Precisión y consistencia Limitaciones en ciertos entornos
Aplicable a diferentes tipos de imágenes:
color, rayos X, ultrasonido, termográficas, etc.
Inspección por visión por computadora
7 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
4.2 Esquema de revisión
La revisión de la literatura se realizó siguiendo un
esquema de lectura de tres pasadas [19]. Este
esquema permitió una revisión exhaustiva y
profunda de los documentos, evitando una lectura
lineal de principio a fin. Los pasos seguidos
fueron:
Primera pasada. Se realizó una lectura inicial
para obtener una visión general de cada
trabajo. Se revisaron el título, resumen,
introducción y conclusiones para comprender
el alcance y los objetivos del estudio. Los
artículos que no estaban alineados con el tema
de estudio fueron descartados en este punto.
Segunda pasada. Se llevó una lectura más
detallada del contenido de cada trabajo. Se
exploraron los métodos utilizados, los
resultados presentados y las discusiones
realizadas, sin adentrarse en detalles
específicos. Esto permitió identificar artículos
relevantes para este estudio.
Tercera pasada. Se realizó una lectura
minuciosa y profunda del artículo. Se
analizaron con detalle los métodos,
resultados, discusiones, conclusiones y
cualquier otro aspecto relevante para obtener
una comprensión completa y precisa del
trabajo. Este paso garantizó la inclusión de
información relevante y la identificación de
aspectos clave para el presente estudio, como
se presenta en la sección 5.
Aunque no se adoptó la metodología PRISMA
[20] en este estudio, debido a que es muy
restrictiva para explorar la amplitud y diversidad
de la literatura sobre el tema abordado, se
reconoce que fue muy útil para el proceso de
síntesis y análisis de resultados, presentado en las
secciones 5 y 6.
5. Avances en la inspección no destructiva
La garantía de la calidad en los procesos de
soldadura es fundamental tanto en la industria
como en la academia, por lo cual se continúan
estudiando y desarrollando nuevos métodos de
inspección. En este contexto, la aplicación de
técnicas NDT ha experimentado avances
significativos, contribuyendo a la mejora continua
de la calidad y la eficiencia en estos procesos. A
continuación, se presentan los principales
métodos de inspección NDT utilizados para
evaluar la calidad de las soldaduras por puntos,
destacándose por sus innovaciones y
contribuciones.
5.1 Inspección por Ultrasonido
El ultrasonido ha sido ampliamente utilizado en la
inspección de soldaduras por puntos debido a su
capacidad para detectar defectos internos y
evaluar la integridad estructural. Martín y col.
(2007) probaron el uso de una red neuronal
multicapa de retro propagación y avance, usando
Matlab 6.1 para interpretar los oscilogramas
ultrasónicos obtenidos por el ensayo ultrasónico.
Para ello, desarrollaron un programa en Matlab
que utilizó vectores obtenidos del oscilograma
ultrasónico como entrada para la red neuronal
artificial, los parámetros que se consideraron
fueron, la microestructura interna y el tamaño del
punto de soldadura, las cuales se clasificaron en
cuatro tipos, buena soldadura, tamaño insuficiente
de soldadura, soldadura de palo, y sin soldadura.
El entrenamiento de la red fue mediante
aprendizaje supervisado. Con este trabajo, los
autores contribuyeron a la automatización de la
clasificación de las soldaduras por RSW en
niveles de calidad a través de sus respectivos
oscilogramas obtenidos por ensayo ultrasónico
[21].
Martín y col. (2014) usaron las técnicas de árbol
de clasificación y regresión (CART) y bosque
aleatorio como herramientas de reconocimiento
8 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
de patrones para la clasificación de oscilogramas
ultrasónicos de uniones de RSW. Los resultados
mostraron que los modelos CART produjeron una
tasa de error aceptable con una alta
interpretabilidad. La aportación de este trabajo
fue el desarrollo de técnicas para la clasificación
de oscilogramas ultrasónicos que permitieran
reducir la carga de trabajo de los operadores
humanos y reducir los errores en la interpretación
de los resultados [22].
Liu y col. (2017) propusieron un método para
identificar y clasificar automáticamente mediante
una red neuronal de retro propagación las señales
ultrasónicas. Para ello se analizan las señales de
cuatro tipos de soldaduras por RSW, soldadura
fallida, soldadura por adherencia, soldadura
buena y soldadura defectuosa con poro de gas, en
los dominios del tiempo, de la frecuencia y del
tiempo-frecuencia basado en la transformada de
paquetes de onda. La contribución de este trabajo
fue el desarrollo de un método para realizar la
identificación de los defectos de soldadura por
RSW, cuya factibilidad fue verificada en el
experimento [23].
Hua y col. (2019) desarrollaron un sistema de
detección ultrasónica en sitio para evaluar la
calidad de la soldadura por RSW
automáticamente. Para ello se utiliza una sonda
integrada en el electrodo para obtener los valores
de la señal y se establecen modelos de cálculo
matemático para realizar la evaluación ultrasónica
cuantitativa de la calidad de la RSW y clasificar
la calidad de la soldadura automáticamente. Este
sistema demostró ser eficaz para la detección
automática de la calidad mediante el uso del
ultrasonido [24].
Amiri y col. (2020) probaron una nueva
metodología para evaluar el comportamiento de
las uniones soldadas por RSW ante la fatiga. Para
ello se fabricaron muestras de tres láminas, las
cuales se sometieron a ensayos por ultrasonido y
se extrajeron los datos de pulso-eco mediante el
procesamiento de imágenes. Utilizando la
simulación con redes neuronales artificiales y su
optimización mediante algoritmos genéticos,
permite evaluar la resistencia estática y la vida útil
de las uniones RSW sometidas a fatiga. La
aportación de esta investigación es el desarrollo
de una metodología NDT que permita evaluar los
puntos de soldadura ante la fatiga [25].
Ji y col. (2020) integraron un sistema de imagen
ultrasónica de matriz de fase en un robot asistido
para aplicaciones de soldadura por RSW. Este
sistema utiliza una función de dual-time gate para
inspecciones de soldaduras. Además, estudiaron
los efectos de la presión de contacto de la sonda y
el ángulo de incidencia del haz ultrasónico, lo que
permitió determinar la presión de contacto y el
ángulo de incidencia óptimos [26].
Ulbrich y Kanczurzewska (2022) presentaron un
método predictivo de la calidad del nugget de
soldadura. Para ello, determinaron la correlación
entre la resistencia mecánica de una junta, medida
en kN, y los parámetros seleccionados de la onda
longitudinal ultrasónica con una frecuencia de 20
MHz. Este estudio determinó que existe una
correlación fuertemente positiva entre el número
de ecos inversos y la fuerza necesaria para destruir
la soldadura por puntos, así como el diámetro del
nugget de soldadura [27].
Ulbrich y col. (2023) emplearon transductores
ultrasónicos para medir las ondas ultrasónicas de
la superficie. Para soldaduras por puntos de baja
calidad, la amplitud fue de alrededor del 25%; por
el contrario, para soldaduras de alta calidad se
logró una amplitud del 90%. Dependiendo del
tamaño del nugget de soldadura, se transfiere una
mayor o menor cantidad de energía de onda, lo
que resulta en una amplitud más pequeña o grande
del pulso ultrasónico. Esta investigación confirmó
la viabilidad de emplear ondas de superficie para
9 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
evaluar con precisión el diámetro del nugget de
soldadura [28].
5.2 Flujo magnético
Otra técnica destacada es el uso de flujo
magnético, que ha demostrado ser eficaz en la
evaluación de la calidad de las soldaduras por
puntos. Tsukada y col. (2011) diseñaron un
sistema basado en la fuga de flujo magnético a
través de un sensor magneto resistivo. En el
estudio el flujo magnético es inducido entre dos
placas unidas, y se mide la fuga del flujo
magnético con un componente tangencial paralelo
a la superficie de la placa, obteniendo una imagen
magnética mediante el uso de un escaneo
bidimensional. La contribución de este estudio
fue demostrar la correlación de este sistema con
la prueba destructiva de corte [29].
Tsukada y col. (2013) desarrollaron una técnica
combinada de flujo magnético y corrientes
inducidas para la evaluación de calidad de la
soldadura por RSW. Esta técnica consta de un par
de sondas magnéticas que tienen una bobina de
inducción y una bobina de detección, un
amplificador de bloqueo, una fuente de corriente
y una computadora. Para lo cual se mide la
penetración del flujo magnético a través de ambas
superficies en la soldadura con múltiples
frecuencias. Esta técnica mostró una buena
correlación con la prueba destructiva de
cizallamiento [30].
Vértesy y Tomás (2018) sugirieron un método de
prueba adaptativa magnética basada en la
medición y evaluación sistemática de bucles de
histéresis menores, como una caracterización
simple, fiable y sensible de los puntos soldados.
El método se basa en el hecho de que el proceso
de soldadura tiene una gran influencia en la
microestructura del área soldada, lo que modifica
las propiedades magnéticas. Gracias a esta
investigación se encontró una buena correlación
entre el resultado de la caracterización destructiva
y los descriptores magnéticos no destructivos
[31].
Ma y col. (2022) propusieron el uso de la imagen
magnetoóptica bajo un magnético combinado
vertical para la detección de defectos de soldadura
de cualquier forma y distribución. Para
demostrarlo, se comparan los resultados
experimentales de la imagen magnetoóptica de los
defectos de soldadura excitados por un campo
magnético combinado vertical con diversos tipos
de campos magnéticos. Este método contrarresta
la limitación de los métodos magnéticos
tradicionales, donde los defectos de micro
soldadura paralelos a la dirección del campo
magnético pueden pasar desapercibidos [32].
5.3 Visión por Computadora
La visión por computadora ha emergido como una
herramienta poderosa para la inspección de
soldaduras por puntos. Ruisz y col. (2007)
presentaron un método para la evaluación de la
calidad de las soldaduras por RSW, basada en
métodos de visión por computadora, que permiten
un procesamiento no destructivo en línea y en
tiempo real. La entrada del sistema es la imagen
de una huella de soldadura sobre una banda
metálica que cubre los electrodos contra el
desgaste y la suciedad. La forma y el tamaño de
las estructuras dentro de la huella se correlacionan
con el área del cordón y, por lo tanto, permiten
una estimación precisa de la calidad de la
soldadura por puntos. El algoritmo desarrollado
segmenta la huella del electrodo y calcula el área
del cordón a partir del eje mínimo y máximo de
una elipse ajustada. Este trabajo contribuye con la
automatización de la inspección visual de la
huella de soldadura, permitiendo la detección en
tiempo real [33].
Zhang y col. (2015) establecieron un método
visual y fiable para la evaluación de la calidad de
las soldaduras por resistencia. Para ello se midió
y analizó la señal de desplazamiento del electrodo
10 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
extrayendo las características estadísticas
relacionadas con la calidad de la soldadura. Estas
características se representaron con una cara de
Chernoff que caracteriza la calidad de la
soldadura a través de expresiones faciales,
asociadas a cuatro niveles de calidad, pobre,
buena, excelente y repulsión. La aportación de
este trabajo fue el desarrollo de un método de
identificación visual preciso y rápido de la calidad
de la soldadura [34].
Deniz y Cakir (2018) diseñaron un sistema
robótico de medición en línea para el control de
calidad de la soldadura por puntos automático. El
diseño consiste en la instalación de una cámara
estereoscópica y una sonda de control ultrasónica
en el robot. La posición central del punto de
soldadura se determina mediante la cámara y la
calidad de la soldadura se verifica mediante la
sonda de prueba. En este artículo se presenta un
nuevo método de calibración mano-ojo basado en
soluciones analíticas simples y de forma cerrada,
donde la función objetivo se define como la
reducción de la desviación en la proyección del
punto, en lugar de reducir el error en la ecuación
de calibración. Para aumentar la fiabilidad, se ha
sugerido combinar los resultados de los
algoritmos de centrado existentes para la
detección del centro de soldadura por puntos
fuertemente deformados [35].
Xia y col. (2019) presentaron un nuevo enfoque
para la evaluación en línea través del sistema de
cámara de alta velocidad y monitoreo multi
sensorial de la intensidad de expulsión. Las
señales de proceso consideradas son la resistencia
dinámica, la fuerza del electrodo y el
desplazamiento del electrodo, las cuales se
monitorean y estudian comparativamente de
manera simultánea. Este estudio contribuye al
control en línea de la expulsión de soldadura en el
proceso [36].
Dai y col. (2021) propusieron la mejora del
modelo de inspección visual de puntos de
soldadura You Only Look Once (YOLO), para ello
se introdujo la red MobileNetV3 para reemplazar
la red principal de YOLOv3 y garantizar la
precisión y el rendimiento en tiempo real; para
mejorar la capacidad de detección de objetos
pequeños, se propone una red piramidal de
características. Por último, teniendo en cuenta las
deficiencias de la pérdida de proporción de
intersección y unión (IoU), se utiliza la pérdida de
IoU completa (CIoU) para mejorar la velocidad de
convergencia y la precisión de regresión. Con este
trabajo se contribuyó con la mejora del modelo de
inspección visual para soldadura por RSW, los
resultados cuantitativos sobre el conjunto de datos
de soldadura por puntos muestran que el enfoque
propuesto logra resultados exitosos para la
inspección visual de soldadura por RSW [37].
Alghannam y col. (2019) aplicaron una mejora en
la estimación de la calidad de la superficie del
nugget de soldadura utilizando métodos de
procesamiento de imágenes y entrenando un
sistema de inferencia difusa. Esto permite crear la
topografía de la superficie del nugget y mostrarla
como un modelo 3D basado en las características
geométricas extraídas de cada punto. Los
resultados concluyen que la estimación del
modelo 3D de la superficie de la soldadura y la
calidad de la soldadura pueden alcanzar una
mayor precisión [38].
Li y col. (2019) usaron dos cámaras CCD para la
implementación de un sistema de tipo no contacto
para la medición de la alineación de los
electrodos. Como resultado de este estudio se
obtuvo una rápida y precisa medición del
desalineamiento durante el proceso de soldadura,
permitiendo dar feed back inmediato [39].
Zheng y col. (2019) desarrollaron un nuevo
método de inspección basado en la segmentación
semántica. Para ello, eligieron MobileNetV2
11 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
como la estructura principal para la segmentación.
Después de la modificación y optimización de la
red, su modelo logra una precisión del 89% de
intersección de la unión media, lo que representa
un aumento promedio del 30% en comparación
con los algoritmos clásicos de segmentación [40].
Cannabrava y col. (2022) diseñaron un sistema de
inspección de calidad, integrado por un robot
colaborativo y un sistema de visión desde una
perspectiva de Internet Industrial de las Cosas,
mediante el uso de inteligencia artificial y
sistemas de visión para la inspección de puntos de
soldadura. Este trabajo mostró contribuciones
directas al presentar posibles algoritmos que
pueden ser utilizados para la inspección de puntos
de soldadura de manera automatizada [41].
5.4 Termografía Infrarroja
La termografía es otra técnica prometedora que se
ha abordado para la evaluación de la calidad de
las soldaduras por puntos. Esta técnica se basa
principalmente en el uso de la radiación infrarroja
direccionada. Forejtová y col. (2019) usaron la
aproximación del ensayo ultrasónico para evaluar
la confiabilidad del ensayo termográfico en un
modelo de inspección en línea. Después de
realizar el estudio se demuestra que la termografía
infrarroja puede encontrar errores sistemáticos en
el proceso que no son detectables por otros
métodos de NDT mediante un análisis de
diferentes caídas de temperatura medidas después
de un tiempo de retraso constante causado por
diferentes dinámicas de enfriamiento [42].
Santoro y col. (2024) presentan una innovadora
tecnología de inspección no destructiva basada en
termografía activa para evaluar la calidad de la
soldadura. Al emplear una fuente de calor láser
modulada en frecuencia, se analiza la señal
térmica que atraviesa la sección de la junta
soldada. La metodología propuesta muestra
potencial para pruebas en línea de soldadura por
RSW, ofreciendo una automatización fácil y
permitiendo la correcta clasificación de juntas
soldadas por puntos [43].
5.5 Predicción de defectos empleando IA
La predicción de defectos mediante técnicas de
machine learning y análisis estadístico ha ganado
relevancia en la evaluación de la calidad de las
soldaduras por puntos. Pereda y col. (2015)
realizaron un estudio para identificar el mejor
método para predecir el nivel de calidad de las
uniones RSW, a través de análisis de varianza
(ANOVA) y prueba de rango múltiple nuevo de
Duncan y Waller-Duncan, para calcular la
significación de los resultados de los métodos
evaluados. La contribución de este trabajo fue la
identificación de los parámetros más relevantes
para las técnicas de predicción de defectos [44].
Pashazadeh y col. (2016) identificaron los
principales parámetros de soldadura que afectan
la dimensión del núcleo de soldadura, tanto el
diámetro como la penetración, utilizando el
diseño factorial completo de experimentos.
Luego, utilizando una combinación híbrida de
redes neuronales artificiales y algoritmo genético
multiobjetivo, se especificaron los valores
óptimos de los parámetros mencionados. Esta
investigación permitió estimar el número
admisible de los puntos de soldadura que se
pueden aplicar, antes de hacer el limado del
electrodo [45].
Boersch y col. (2016) propusieron un enfoque
simple y directo que utiliza técnicas de minería de
datos para predecir con precisión el diámetro de
soldadura a partir de los datos registrados durante
el proceso de soldadura. La predicción del
diámetro de soldadura mediante el monitoreo en
el proceso de una manera confiable permitiría la
documentación de calidad de las uniones durante
el proceso de soldadura y además conduciría a una
disminución sustancial del consumo del
electrodo, teniendo un impacto importante en la
economía del proceso. Se realizó el análisis en
12 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
más de 3000 soldaduras clasificadas utilizando el
modelo de árbol como predictor, obteniendo una
tasa de éxito del 93% [46].
Zhou y col. (2022) desarrollaron un método
basado en machine learning (ML) que permite
analizar secuencias recolectadas de líneas de
manufactura en funcionamiento. Al capturar
dependencias a lo largo de secuencias de
instancias de soldadura, este método permite
predecir la calidad de operaciones de soldadura
futuras antes de que ocurran. Para ello, se
desarrollaron doce tuberías de ML en dos
dimensiones: ajustes de ingeniería de
características y métodos de ML. Se consideraron
4 ajustes de características y 3 métodos de ML:
regresión lineal, perceptrón multicapa y regresión
de vectores de soporte, obteniendo resultados
prometedores [47].
Hu y col. (2022) usaron la inteligencia artificial
para mejorar el rendimiento y la eficiencia de la
evaluación de calidad de la soldadura por puntos.
Este estudio propuso un método de fusión de
múltiples señales que se realizó combinando
análisis de componentes principales y análisis de
correlación. Además, se optimizó un modelo de
red neuronal de retro propagación utilizando el
algoritmo de búsqueda de gorrión mejorado por
mapa caótico senoidal, demostrando tener un
mejor rendimiento para predecir con éxito
defectos en las soldaduras [48].
Shao y col. (2023) desarrollaron un modelo de
predicción de calidad de RSW utilizando el
algoritmo de optimización de saltamontes
mejorado combinado con el algoritmo de red
neuronal de regresión generalizada. Los
parámetros del proceso actual, incluida la
corriente de soldadura, el voltaje de soldadura, la
energía, la potencia y el ancho de pulso, se
utilizaron como entradas para predecir el diámetro
del nugget. A través del muestreo de Bootstrap, se
llevó a cabo un experimento de comparación
sobre el efecto de predicción del modelo
propuesto de predicción de calidad con métodos
anteriores. El análisis de los resultados
experimentales llevó a la conclusión de que la
precisión del modelo propuesto de predicción de
calidad de soldadura es mayor [49].
5.6 Métodos Híbridos
Además de los métodos mencionados
anteriormente, existen otras técnicas de
inspección que se han utilizado para evaluar la
calidad de las soldaduras por puntos. Estas
técnicas complementarias ofrecen diferentes
enfoques y ventajas en términos de detección de
defectos y evaluación de la integridad estructural
de las soldaduras. Zhou y Cai (2013) diseñaron un
sistema de control integrado en tiempo real para
la soldadura por RSW, que sea capaz de producir
soldaduras con diámetros de núcleo
predeterminados. El sistema propuesto consta de
un controlador de corriente constante que se
utiliza para garantizar la consistencia de la
formación y el crecimiento del núcleo durante el
proceso de soldadura, y de un estimador en línea
del diámetro del núcleo basado en una función
matemática de la energía térmica absorbida por la
soldadura. Con este sistema, se detiene el proceso
de soldadura cuando la diferencia entre el
diámetro real del núcleo y el valor deseado
predeterminado esté dentro de una tolerancia
determinada [50].
Zhang y col. (2015) presentaron un método
efectivo de evaluación no destructiva para la
calidad de soldadura por RSW mediante el uso de
la técnica de árbol de decisiones y su
representación gráfica en forma de radar. Este
método monitorea la señal de desplazamiento del
electrodo durante el proceso de soldadura y las
clasifica mediante un árbol de decisiones para
construir un clasificador y proporcionar un
procedimiento de diagnóstico visible e intuitivo
para la evaluación de la calidad de la soldadura.
13 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Los resultados de prueba del clasificador del árbol
de decisiones muestran que es factible y confiable
evaluar la calidad de la soldadura basándose en las
características gráficas del gráfico de radar,
además este trabajo muestra que las
características y la calidad de la soldadura están
estrechamente relacionadas [51].
Xing y col. (2017) propusieron un esquema para
el monitoreo de calidad en línea del proceso de
soldadura por RSW para determinar eficazmente
la tasa de calidad de las soldaduras por puntos. En
este trabajo, se llevó a cabo una clasificación con
Random Forest utilizando señales de resistencia
dinámica que fueron recolectadas y procesadas en
el entorno de producción. Los resultados
obtenidos demostraron que este modelo
distinguió adecuadamente las soldaduras de alta
calidad [52].
Dai y col. (2022) plantearon la evaluación de la
calidad de la soldadura por RSW basado en
señales de resistencia dinámica. Para ello se
desarrolló una red neuronal convolucional
unidimensional con un mecanismo de atención de
canal para mejorar el rendimiento de la
clasificación. Extensos experimentos corroboran
que la red propuesta produce un rendimiento de
clasificación notable en comparación con los
algoritmos típicos en varios conjuntos de datos
RSW recopilados en una línea de producción real.
Este estudio proporciona una referencia valiosa
para lograr un sistema inteligente de inspección
de calidad en línea en la industria de fabricación
automotriz [53].
Wen y Jia (2023) diseñaron un sistema de
monitoreo en tiempo real para monitorear las
señales eléctricas y mecánicas durante el proceso
de soldadura por RSW, para reconocer los
fenómenos de expulsión de soldadura. Para ello se
construyeron cuatro modelos de estimación
basados en el análisis de regresión y la red
neuronal de retro propagación. Los resultados
mostraron que la precisión de la estimación de la
red neuronal de retro propagación fue mayor que
el modelo de análisis de regresión [54].
Xiaoyun y col. (2006) presentaron un método de
inspección en línea de calidad de soldadura
basado en la indentación del electrodo. Esta se
extrae del codificador servo y se calibra mediante
un sistema de recolección de datos de PLC que
incluye un sensor de desplazamiento láser y un
convertidor A/D, permitiendo que dicha
indentación, extraída del codificador servo,
refleje la variación de la calidad real de la
soldadura [55].
Younes y col. (2020) proporcionaron una mejora
significativa en la teoría y prácticas para diseñar
una estación de inspección robotizada para RSW
en las plantas de fabricación de automóviles
utilizando procesamiento de imágenes y máquina
de soporte vectorial difusa. El procesamiento de
imágenes mejorado mostró un buen rendimiento
en la clasificación de los modos de fallo y en el
manejo del ruido de la imagen. Los resultados
experimentales demostraron una mejora de la
evaluación de calidad automática y en tiempo real
de las superficies de RSW [56].
Wang (2021) desarrolló un método basado en el
modelo oculto de Markov que utiliza la relación
entre las formas de onda monitoreadas de la
corriente, el voltaje y la presión con la calidad de
la soldadura. Al aplicar este modelo, la precisión
promedio de clasificación de la calidad es
superior al 75%, lo que indica que este método es
factible y efectivo [57].
Liu y col. (2022) establecieron un modelo de
simulación por elementos finitos para la prueba
no destructiva ultrasónica de soldadura por puntos
en láminas de tres capas de bajo carbono y espesor
igual. Este experimento verificó la correlación del
modelo de simulación por elementos finitos y el
modelo de cálculo matemático, lo que es de gran
importancia para la tecnología de inspección
14 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
automática ultrasónica de soldadura por puntos
[58].
Martín y col. (2022) demostraron que el uso
combinado de los parámetros intrínsecos del
proceso de soldadura combinado con las variables
de pruebas no destructivas ultrasónicas puede
mejorar significativamente los algoritmos para la
predicción de los defectos. Para el experimento se
usó el apilamiento de modelos de árboles como
clasificadores a través de análisis de importancia
de variables [59].
Pham y col. (2022) desarrollaron un sistema de
escaneo acústico, SAM (Scanning Acoustic
Microscopy) para evaluar la calidad de las
uniones RSW. Para ello se utilizó un transductor
enfocado de 50 MHz para evaluar la forma y
tamaño y se prepararon especímenes con
diferentes parámetros de entrada para ser
probados por el sistema. El uso de este sistema
permitió determinar los parámetros de entrada
óptimos para soldar dos láminas de acero
inoxidable SUS 316 de 1.5 mm de espesor.
Además, se determinó que el sistema SAM es
conveniente para examinar la calidad de la
soldadura demostrando ser un sistema de
manipulación sencilla y de tiempo de operación
reducido [60].
Acebes y col. (2023) desarrollaron un sistema
robótico para la inspección de la soldadura por
puntos en tiempo real, para ello se usó un sistema
de inspección basado en la propagación
ultrasónica, utilizando visión e inteligencia
artificial. Los resultados logrados en piezas reales
demostraron que este sistema tiene una mejor
capacidad de detección de defectos que los
sistemas actuales en el mercado, teniendo la
ventaja de ser instalado en las líneas de
ensamblaje, optimizando los tiempos de
inspección [61].
Zhou y col. (2023) presentaron un método de
evaluación en línea de la calidad de la soldadura
por RSW basado en un algoritmo de incrustación
lineal local. Durante las pruebas de soldadura, se
recopilaron simultáneamente el voltaje y la
corriente para calcular la señal de potencia de
soldadura. La señal de potencia dinámica fue
sometida a un proceso de incrustación lineal local
y extracción manual de características. Las
características recopiladas se utilizaron como
entrada para construir modelos de bosque
aleatorio y modelos de CatBoost para la
evaluación en línea de la calidad de la soldadura,
respectivamente. Los resultados muestran que los
modelos de clasificación con volúmenes de
características construidos por incrustación lineal
local como entrada tienen una mayor precisión de
evaluación que las características extraídas
manualmente [62].
6. Resultados
6.1 Resumen de métodos NDT
En la Tabla 1 se presenta un resumen de los
métodos no destructivos más relevantes
encontrados en la revisión de la literatura,
mostrada en la sección anterior, el cual facilita su
identificación.
6.2 Análisis de resultados
Enseguida se destacan aspectos relevantes del
estudio desarrollado.
Parámetros significativos en la calidad de
soldadura RSW. La mayoría de los estudios
consideran el tamaño de la huella o la
penetración del punto de soldadura como los
parámetros más significativos para determinar
la calidad de la soldadura por RSW. Estos
criterios se han convertido en pilares
fundamentales para evaluar y garantizar la
integridad de las uniones soldadas en la
industria automotriz [63].
15 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Avances en métodos de confirmación de RSW.
Se continúan haciendo importantes avances
en los métodos de confirmación de RSW, los
cuales se centran en los ensayos no
destructivos y están enfocados principalmente
en la aplicación de redes neuronales y
sistemas de visión, con la finalidad de
aumentar la velocidad de respuesta, así como
brindar un monitoreo en tiempo real, acorde
con la tendencia de la industria 4.0 [47] [61].
Tendencia en el campo de estudio. Dentro de
la investigación se detectó que los métodos
que menos se han desarrollado en los últimos
años son el termográfico y el magnético. Por
el contrario, los estudios actuales están
conformados en su mayoría en el uso integral
de diversos métodos apoyados en la
inteligencia artificial. Esto se debe al creciente
desarrollo de aplicaciones industriales,
principalmente en el monitoreo de la calidad
de los procesos.
Limitaciones. A pesar de los avances
significativos en el desarrollo de nuevos
métodos de inspección no destructivos,
aproximadamente el 50% de estos aún no han
sido probados en una línea de producción. Por
lo tanto, pueden presentar limitaciones
técnicas para su implementación en planta.
Tabla 1. Resumen de los métodos de inspección NDT (parte 1 de 4).
Tipo
Objetivo
Parámetros
Ref.
Ultrasónico
Clasificación automatizada de
oscilogramas ultrasónicos.
Microestructura interna.
Tamaño del punto de soldadura.
[21]
Desarrollo de técnicas para la
clasificación de oscilogramas
ultrasónicos.
Atenuación del haz ultrasónico.
[22]
Identificación y clasificación
inteligente de los defectos de
soldadura por RSW.
Señales en el dominio del
tiempo.
Señales en el dominio de la
frecuencia.
Señales en el dominio tiempo-
frecuencia.
[23]
Sistema de detección
ultrasónica en sitio para la
evaluación automática de
calidad de soldadura por RSW.
Amplitud de la presión acústica.
Distancia de los ecos.
Frecuencia principal.
Amplitud de la frecuencia
principal.
Componente de baja frecuencia.
[24]
Evaluación del
comportamiento de uniones
soldadas por RSW ante la
fatiga.
Amplitud de onda.
Fase de onda.
[25]
Inspección de la calidad de la
soldadura por RSW.
Presión de contacto de la sonda
y el ángulo de incidencia del
haz ultrasónico.
[26]
16 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Tabla 1. Resumen de los métodos de inspección NDT (parte 2 de 4).
Tipo
Técnica
Objetivo
Parámetros
Ref.
Ultrasónico
Estudio comparativo entre
el método destructivo de
corte y el método
ultrasónico.
Predicción de la calidad del
punto de soldadura.
[27]
Transductores ultrasónicos.
Evaluar con precisión el
diámetro del Nuggets de
soldadura.
[28]
Magnético
Imagen magnética mediante
escaneo bidimensional.
Demostrar la correlación de
este método con la prueba
destructiva de corte.
[29]
Flujo magnético y
corrientes inducidas.
Evaluación de calidad de la
soldadura por RSW de
cizallamiento.
[30]
Prueba adaptativa
magnética.
Determinar la correlación
entre el valor de la corriente de
soldadura y los descriptores
magnéticos.
[31]
Imagen magneto óptica.
Detección de defectos de
soldadura en cualquier forma y
distribución.
[32]
Visual
Métodos de visión por
computadora, que permiten
un procesamiento no
destructivo en línea y en
tiempo real.
Automatización de la
inspección visual de la huella
de soldadura, permitiendo la
detección en tiempo real.
[33]
Caras de Chernoff.
Desarrollo de un método de
identificación visual preciso y
rápido.
[34]
Cámara estereoscópica y
una sonda ultrasónica
instalada en el robot.
Diseñar un sistema robótico de
medición en línea para el
control de calidad de la
soldadura por puntos
automático.
[35]
Asociación de generación
de rebabas con parámetros
del proceso.
Evaluación en línea de la
expulsión (rebabas) de
soldadura.
[36]
Mejora del modelo You
Only Look Once YOLOv3.
Mejorar el rendimiento en
tiempo real de la inspección de
pequeños puntos de soldadura
por RSW.
[37]
17 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Tabla 1. Resumen de los métodos de inspección NDT (parte 3 de 4).
Tipo
Técnica
Objetivo
Parámetros
Ref.
Visual
Procesamiento de imágenes
y entrenamiento de un
sistema de inferencia
difusa.
Mejorar la estimación de la
calidad de la superficie del
nugget de soldadura.
Características geométricas
extraídas de cada punto.
[38]
Uso de dos cámaras CCD.
Predicción de la calidad de la
soldadura en tiempo real.
Alineación de los
electrodos.
[39]
Segmentación semántica.
Inspección de la calidad de la
soldadura en línea.
Características geométricas
del punto de soldadura.
[40]
Inteligencia artificial y
sistemas de visión.
Sistema de inspección de
calidad integrado automático.
Características geométricas
del punto de soldadura.
[41]
Termográfico
Aproximación del ensayo
ultrasónico.
Evaluar la confiabilidad del
ensayo termográfico en un
modelo de inspección en línea.
Caídas de temperatura.
[42]
Termografía activa.
Evaluar la calidad de la
soldadura.
La señal térmica.
[43]
Predicción de defectos
Análisis de varianza y
prueba de rango múltiple de
Duncan y Waller Duncan.
Predecir la calidad de las
uniones de soldadura por
RSW.
Corriente de soldadura.
Tiempo de soldadura.
Presión de los electrodos.
Material y tratamiento del
electrodo.
[44]
Combinación hibrida de
redes neuronales y
algoritmo genético
multiobjetivo a través del
diseño factorial completo
de experimentos.
Estimar el número admisible
de puntos de soldadura que se
pueden aplicar, antes de
realizar el limado del
electrodo.
Corriente de soldadura.
Tiempo de soldadura.
Presión de los electrodos.
[45]
Minería de datos utilizando
modelo de árbol como
predictor.
Predecir el diámetro de
soldadura a partir de los datos
registrados durante el proceso
de soldadura.
Temperatura del flujo hacia
adelante, de retorno, y su
diferencia. El voltaje, la
fuerza, la corriente, la
triangulación láser parte
superior y parte inferior, así
como su diferencia.
[46]
Machine learning.
Predecir la calidad de
operaciones de soldadura.
Secuencias recolectadas de
líneas de manufactura en
funcionamiento.
[47]
Red neuronal de retro
propagación utilizando el
algoritmo de búsqueda de
gorrión.
Mejorar el rendimiento y la
eficiencia de la evaluación de
calidad de la soldadura por
puntos.
Componentes principales y
análisis de correlación.
[48]
18 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
Tabla 1. Resumen de los métodos de inspección NDT (parte 4 de 4).
Tipo
Técnica
Objetivo
Parámetros
Ref.
Predicción de
defectos
Algoritmo de optimización
de saltamontes mejorado
combinado con el algoritmo
de red. neuronal de
regresión generalizada.
Predicción del diámetro del
nugget.
Corriente de soldadura, el
voltaje de soldadura, la
energía, la potencia y el
ancho de pulso.
[49]
Métodos híbridos
Sistema de control
integrado.
Producir soldaduras con
determinados diámetros de
núcleo.
Resistencia dinámica.
Corriente de soldadura.
[50]
Árbol de decisiones y
gráfica de radar.
Mostrar que es factible y
confiable evaluar la calidad de
la soldadura basándose en un
gráfico de radar.
Señal de desplazamiento del
electrodo.
[51]
Random forest.
Monitoreo de calidad de
soldadura por RSW en línea.
Señales de resistencia
dinámica.
[52]
Red neuronal convolucional
unidireccional.
Proporcionar una referencia
para un sistema inteligente de
inspección de calidad en línea.
Señales de resistencia
dinámica.
[53]
Análisis de regresión y red
neuronal de retro
propagación.
Comparación del análisis de
regresión de la red neuronal de
retro propagación.
Señales eléctricas y
mecánicas.
[54]
Sistema de PLC, un sensor
de desplazamiento láser y
un convertidor A/D.
Método de inspección en línea
de calidad de soldadura.
Indentación del electrodo.
[55]
Procesamiento de imágenes
y máquina de soporte
vectorial difusa.
Mejora de la evaluación de
calidad automática.
Características geométricas
del punto de soldadura.
[56]
Modelo oculto de Markov.
Determinar la relación entre
las formas de onda y la calidad
de la soldadura.
Formas de onda de la
corriente, el voltaje y la
presión.
[57]
Simulación por elementos
finitos.
Comprobar la correlación del
modelo por elementos finito
con el modelo matemático.
Amplitud de onda.
[58]
Apilamiento de modelos de
árboles como clasificadores
a través de análisis de
importancia de variables.
Mejorar los algoritmos para la
predicción de los defectos.
Parámetros intrínsecos del
proceso y las variables de
pruebas no destructivas
ultrasónicas.
[59]
Transductor enfocado de 50
MHz.
Desarrollar un sistema de
escaneo acústico.
Forma y tamaño del punto
de soldadura.
[60]
Sistemas de visión e
inteligencia artificial.
Inspección de la soldadura por
puntos en tiempo real.
Propagación ultrasónica.
[61]
Algoritmo de incrustación
lineal local.
Evaluación en línea de la
calidad de la soldadura.
El voltaje y la corriente.
[62]
19 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
6. Conclusiones
En este trabajo se ha presentado una revisión
exhaustiva de los diversos métodos disponibles
para evaluar la calidad de la soldadura por puntos
de resistencia, abordando los diferentes métodos
y los distintos parámetros empleados para su
evaluación.
A pesar de la variedad de parámetros utilizados
para determinar la calidad de la soldadura por
puntos, el diámetro del punto de soldadura
continúa siendo considerado fundamental, por lo
cual, es uno de los que más atención se le presta.
Además, se observa un incremento significativo
en el desarrollo de métodos que emplean
inteligencia artificial para evaluar la calidad de la
soldadura por puntos. Estos enfoques (visión por
computadora y predicción de defectos
empleando IA) aprovechan algoritmos
avanzados para analizar imágenes de las
soldaduras, detectar posibles defectos y evaluar
la integridad estructural de los puntos de
soldadura. La IA ofrece una capacidad de
detección rápida y precisa, lo que permite la
implementación de sistemas de inspección en
línea para monitorear la calidad de las soldaduras
en tiempo real durante la producción, lo que
contribuye a mejorar la eficiencia y la calidad del
proceso de fabricación. Algo a considerar es que,
en los métodos de visión por computadora, su
desempeño puede ser sensible a las condiciones
de iluminación y a la calidad de la imagen, lo que
puede afectar su precisión. Y para el caso de los
métodos que emplean IA, se debe tener en cuenta
que requieren una gran cantidad de datos de
entrenamiento y la interpretación de los
resultados puede ser compleja.
En cuanto a la inspección por ultrasonido, esta
ofrece alta sensibilidad para detectar defectos
internos mediante el análisis de las ondas
ultrasónicas que se propagan a través del material
soldado; sin embargo, requiere acceso a ambas
caras de la soldadura, lo que puede ser limitante
en algunas situaciones.
En el caso del análisis por flujo magnético,
detecta discontinuidades superficiales o
subsuperficiales mediante la aplicación de un
campo magnético y la observación de las líneas
de flujo alteradas por posibles defectos, no
obstante, su sensibilidad puede ser afectada por
la orientación del campo magnético, lo que puede
limitar su efectividad en ciertos escenarios.
Analizando la termografía infrarroja, este
método ofrece una detección rápida y no
destructiva de irregularidades en la distribución
de la temperatura superficial de las soldaduras, lo
que puede indicar la presencia de defectos
internos o discontinuidades; sin embargo, su
sensibilidad puede ser afectada por las
variaciones de temperatura ambiental, lo que
puede complicar su aplicación en ciertos
entornos.
Considerando las características de los métodos
mencionados anteriormente, algunos trabajos
hacen uso de una mezcla de estos, obteniendo
métodos híbridos, los cuales combinan varias
técnicas de inspección para aprovechar las
ventajas de cada una, mejorando el rendimiento
general en la detección y caracterización de
defectos en las soldaduras. Aunque con esto, es
posible que se requieran equipos y habilidades
especializadas, así como una mayor complejidad
en la interpretación de resultados.
Cada uno de estos métodos tiene sus propias
ventajas y limitaciones, y su selección depende
de factores como la naturaleza de la soldadura,
los requisitos de calidad y las capacidades
disponibles en el entorno de fabricación.
Este estudio proporciona al lector una visión
completa de los métodos de confirmación de
calidad de la soldadura por puntos, así como una
20 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
comprensión de las tendencias actuales en la
investigación y las áreas de desarrollo futuro.
7. Agradecimientos
Se agradece especialmente a CONAHCYT por
los fondos otorgados a través de la beca nacional
que permitió la realización de los estudios de
maestría del primer autor.
8. Reconocimiento de Autoría
Jazmín Monserrat Rodríguez Torres:
Conceptualización, Metodología, Investigación,
Borrador original. Carolina Reta:
Conceptualización, Metodología, Investigación,
Revisión y edición. Francisco Javier Ibarra
Villegas: Conceptualización, Metodología,
Investigación, Revisión y edición.
Referencias
[1]
M. Hamedi y A. M, «A review of electrical contact
resistance modeling in resistance,» Weld World, vol.
61, nº 1, pp. 269-290, 2017.
https://doi.org/10.1007/s40194-016-0419-4
[2]
A. W. Society, Manual para la certificación de
inspectores de soldaduras, Florida: American
Welding Society, 2013. [En línea]
https://app.aws.org/certification/docs/QC1-2007-
Spanish.pdf [Consultado: 19 Jul 2024]
[3]
F. J. Bueche y E. Hecht, Física general Shaum,
Distrito Federal: Mc Graw Hill, 2007.
[4]
A. G. C. O'Brien, Welding Handbook, Florida:
American Welding Society, 2007. [En línea]
https://pubs.aws.org/Download_PDFS/WHB-
1.9PV.pdf [Consultado: 19 Jul 2024]
[5]
H. Zhang y J. Senkara, Resistance Welding:
Fundamentals and applications, Florida: CRC Press
by Taylor&Francis Group, 2011.
[6]
M. Pouranvari y S. P. H. Marashi, «Critical review
of automotive steels spot welding: process, structure
and properties,» Science and Technology of Welding
and Joining, vol. 18, nº 5, pp. 361-403, 2013.
https://doi.org/10.1179/1362171813Y.0000000120
[7]
M. Jou, «Real time monitoring weld quality of
resistance spot welding for the fabrication of sheet
metal assemblies,» Journal of Materials Processing
Technology, vol. 132, nº 1-3, pp. 102-113, 2003.
https://doi.org/10.1016/S0924-0136(02)00409-0
[8]
Nissan, Weld Master Trainer, Aguascalientes:
Interno, 2016.
[9]
K. Zhao y P. Yao, «Overview of recent advances of
process analysis and quality control in resistance
spot welding,» Mechanical Systems and Signal
Processing, vol. 124, nº 1, pp. 170-198, 2019.
https://doi.org/10.1016/j.ymssp.2019.01.041
[10]
Nissan, Inspección y control de calidad, en la
aplicación de soldadura de elementos
estructurales., Aguascalientes: Interno, 2009.
[11]
J. L. Calderón Cáceres y G. C. Scarpati Gálvez,
«Los ensayos no destructivos (END) y su aplicación
en la industria,» Campus, vol. 25, nº 10, pp. 59-66,
2018.
https://doi.org/10.24265/campus.2018.v23n25.05
[12]
R. Ospina Lopez, C. Hernando Trujillo y H. Parra
L, «Aplicación y selección de ensayos no
destructivos para la evaluación de uniones.,»
Scientia et Technica, vol. 2, nº 4, pp. 196-201, 2011.
[En línea]
https://www.redalyc.org/pdf/849/84922622035.pdf
[Consultado: 19 Jul 2024]
[13]
Nissan, Weld master trainer, Aguascalientes:
Interno, 2016.
[14]
D. Ulbrich, Z. Struminski y J. Kowalcyk,
«Evaluation of spot welding joints by ultrasonic
method,» Welding Technology Review, vol. 90, pp.
22-24, 2018.
https://doi.org/10.26628/wtr.v90i12.985
[15]
S. R. Rincon Urbina, D. A. Calvo Cobos y E. J.
Estrada Villa, «Técnica de partículas magnéticas:
caso del laboratorio del CAMAN,» Ciencia y poder
aéreo, vol. 10, nº 1, pp. 59-70, 2015. [En línea]
https://www.redalyc.org/articulo.oa?id=6735711730
07 [Consultado: 19 Jul 2024]
[16]
L. Janousek, K. Capova, N. Yusa y K. Miya,
«Multiprobe Inspection for Enhancing Sizing
Ability in Eddy Current Nondestructive Testing,»
IEEE Transactions on Magnetics, vol. 44, nº 6, pp.
1618-1621, 2008.
https://doi.org/10.1109/TMAG.2008.916547
[17]
N. Yusa, E. Machida, L. Janousek, Rebican, Mihai,
Z. Chen y K. Miya, «Application of eddy current
inversion technique to the sizing of defects in
Inconel welds with rough surfaces,» Nuclear
engineering and design, vol. 235, nº 14, pp. 1469-
1480, 2005.
https://doi.org/10.1016/j.nucengdes.2005.01.005
21 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
[18]
E. Pérez-Zapico, A. Duffus.Scott, C. René-Gómez-
Pérez y F. Santo-Castillo, «Observación y
cuantificación de defectos en soldaduras a través del
procesamiento digital de imágenes termográficas.,»
Ingeniería Mecánica, vol. 16, nº 3, pp. 246-256,
2013. [En línea]
https://www.redalyc.org/pdf/2251/225129326009.p
df [Consultado: 19 Jul 2024]
[19]
S. Keshav y R. David, «How to Read a Paper,»
Cheriton School of Computer Science, pp. 1-2,
2016. [En línea]
https://web.stanford.edu/class/cs114/reading-
keshav.pdf [Consultado: 19 Jul 2024]
[20]
M. J Page et al., «The PRISMA 2020 statement: an
updated guideline for reporting systematic
reviews.,» BMJ, vol. 71, pp. 372-383, 2021.
https://doi.org/10.1136/bmj.n71
[21]
Ó. Martín, M. López y F. Martín, «Artificial neural
networks for quality control by ultrasonic testing in
resistance spot welding,» Materials processing
technology, vol. 183, nº 2-3, pp. 226-233, 2007.
https://doi.org/10.1016/j.jmatprotec.2006.10.011
[22]
Ó. Martín, M. S. I. Pereda y J. M. Galán,
«Assessment of resistance spot welding quality
based on ultrasonic testing and tree-based
techniques,» Materials processing technology, vol.
214, nº 11, pp. 2478-2487, 2014.
https://doi.org/10.1016/j.jmatprotec.2014.05.021
[23]
J. Liu, G. Xu, L. Ren, Z. Qian y L. Ren, «Defect
intelligent identification in resistance spot welding
ultrasonic detection based on wavelet packet and
neural network,» The International Journal of
Advanced Manufacturing Technology, vol. 90, nº 5-
8, pp. 2581-2588, 2017.
https://doi.org/10.1007/s00170-016-9588-y
[24]
L. Hua, B. Wang, X. Wang, X. He y S. Guan, «In-
situ ultrasonic detection of resistance spot welding
quality using embedded probe,» Materials
processing technology, vol. 267, pp. 205-2014,
2019.
https://doi.org/10.1016/j.jmatprotec.2018.12.008
[25]
N. Amiri, G. Farrahi, K. Reza Kashyzadeh y M.
Chizari, «Applications of ultrasonic testing and
machine learning methods to predict the static &
fatigue behavior of spot-welded joints,»
Manufacturing processes, vol. 52, pp. 26-34, 2020.
https://doi.org/10.1016/j.jmapro.2020.01.047
[26]
C. Ji, J. K. Na, Y.-S. Lee, Y.-D. Park y M. Kimchi,
«Robot-assisted non-destructive testing of
automotive resistance spot welds,» Welding in the
World, vol. 65, nº 1, pp. 119-126, 2020.
https://doi.org/10.1007/s40194-020-01002-1
[27]
D. Ulbrich y M. Kanczurzewska, «Correlation Tests
of Ultrasonic Wave and Mechanical Parameters of
Spot-Welded Joints,» Materials, vol. 15, nº 5, pp. 1-
21, 2022. https://doi.org/10.3390/ma15051701
[28]
D. Ulbrich, G. Psuj, A. Wypych, Bartkowski, A.
Bartkowska, A. Stachowiak y J. Kowalczyk,
«Inspection of Spot Welded Joints with the Use of
the Ultrasonic Surface Wave,» Materials, vol. 16, nº
21, pp. 1-16, 2023.
https://doi.org/10.3390/ma16217029
[29]
K. Tsukada, M. Yoshioka, T. Kiwa y Y. Hirano, «A
magnetic flux leakage method using a
magnetoresistive sensor for nondestructive
evaluation of spot welds,» NDT & E International,
vol. 44, nº 1, pp. 101-105, 2011.
https://doi.org/10.1016/j.ndteint.2010.09.012
[30]
K. Tsukada, K. Miyake, D. Harada, K. Sakai y T.
Kiwa, «Magnetic Nondestructive Test for
Resistance Spot Welds Using Magnetic Flux
Penetration and Eddy Current Methods,»
Nondestructive evaluation, vol. 32, pp. 286-293,
2013. https://doi.org/10.1007/s10921-013-0181-0
[31]
G. Vértesy y I. Tomás, «Nondestructive magnetic
inspection of spot welding,» NDT & E
International, vol. 98, pp. 95-100, 2018.
https://doi.org/10.1016/j.ndteint.2018.05.001
[32]
N. Ma, X. Gao, M. Tian, C. Wang, Y. Zhang y P.
P.Gao, «Magneto-Optical Imaging of Arbitrarily
Distributed Defects in Welds under Combined
Magnetic Field,» Metals, vol. 12, nº 6, pp. 1-14,
2022. https://doi.org/10.3390/met12061055
[33]
J. Ruisz, J. Biber y M. Loipetsberger, «Quality
evaluation in resistance spot welding by analysing
the weld fingerprint on metal bands by computer
vision,» The international journal of advanced
manufacturing tehcnology, vol. 33, nº 5-6, pp. 952-
960, 2007. https://doi.org/10.1007/s00170-006-
0522-6
[34]
H. Zhang, F. Wang, T. Xi, J. Zhao, L. Wang y W.
Gao, «A novel quality evaluation method for
resistance spot welding based on the electrode
displacement signal and the Chernoff faces
technique,» Mechanical Systems and Signal
Processing, Vol. 62, pp. 431-443, 2015.
https://doi.org/10.1016/j.ymssp.2015.03.007
[35]
C. Deniz y M. Cakir, «In-line stereo-camera assisted
robotic spot welding quality control system,»
Industrial Robot, vol. 45, nº 1, pp. 54-63, 2018.
https://doi.org/10.1108/IR-06-2017-0117
22 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
[36]
Y.-J. Xia, Z.-W. Su, Y.-B. Li, L. Zhou y Y. Shen,
«Online quantitative evaluation of expulsion in
resistance spot welding,» Manufacturing processes,
vol. 46, pp. 34-43, 2019.
https://doi.org/10.1016/j.jmapro.2019.08.004
[37]
W. Dai, D. Li, D. Tang, Q. Jiang, D. Wang, H.
Wang y Y. Peng, «Deep learning assisted vision
inspection of resistance spot welds,» Manufacturing
processes, vol. 62, pp. 262-274, 2021.
https://doi.org/10.1016/j.jmapro.2020.12.015
[38]
E. Alghannam, H. Lu, M. Ma, Q. Cheng, A. A.
Gonzalez, Y. Zang y S. Li, «A Novel Method of
Using Vision System and Fuzzy Logic for Quality
Estimation of Resistance Spot Welding,» Symmetry,
vol. 11, nº 8, pp. 1-20, 2019.
https://doi.org/10.3390/sym11080990
[39]
Y. Li, G. Tang, Y. Ma, S. Liu y T. Ren, «An
electrode misalignment inspection system based on
image processing technology for use in resistance
spot welding,» Measurement Science and
Technology, vol. 30, nº 7, pp. 1-8, 2019.
https://doi.org/10.1088/1361-6501/ab1245
[40]
T. Zheng, Y. Yang, P. Zheng, L. Benz y L. Wang,
«An Appearance Inspection Method for Resistance
Spot Welding Based on Semantic Segmentation,»
IOP Conference Series:Materials Science and
Engineering, vol. 790, pp. 27-29, 2019.
https://doi.org/10.1088/1757-899X/790/1/012088
[41]
T. Cannabrava, U. Ibusuki y E. G. Del Conte,
«Development of a digital twin for spot welding
quality inspection in an industry 4.0 testbed of a
Brazilian University,» SSRN, pp. 1-6, 2022.
https://doi.org/10.2139/ssrn.4075189
[42]
L. Forejtová, T. Zavadil, L. Kolařík, M. Kolaríková,
J. Sova y P. Vávra, «Non-Destructive inspection by
infrared thermography of resistance spot welds used
un automotive industry,» Acta Polytechnica, vol.
59, nº 3, pp. 238-247, 2019.
https://doi.org/10.14311/AP.2019.59.0238
[43]
L. Santoro, V. Razza y M. De Maddis, «Frequency-
based analysis of active laser thermography for spot
weld quality assessment,» Advanced Manufacturing
Technolofy, vol. 130, pp. 3017-3029, 2024.
https://doi.org/10.1007/s00170-023-12845-5
[44]
M. Pereda, J. Santos, Ó. Martín y J. Galán, «Direct
quality prediction in resistance spot welding
process: Sensitivity, specificity and predictive
accuracy comparative analysis,» Science and
Technology of Welding and Joining, vol. 20, nº 8,
pp. 679-685, 2015.
https://doi.org/10.1179/1362171815Y.0000000052
[45]
H. Pashazadeh, Y. Gheisari y M. Hamedi,
«Statistical modeling and optimization of resistance
spot welding process parameters using neural
networks and multi-objective genetic algorithm,»
Intelligent Manufacturing, vol. 27, nº 2, pp. 549-
559, 2016. https://doi.org/10.1007/s10845-014-
0891-x
[46]
I. Boersch, U. Füssel, C. Gresch, C. Großmann y B.
Hoffmann, «Data mining in resistance spot
welding,» Advanced Manufacturing Technology,
vol. 99, nº 9-12, pp. 1085-1099, 2016.
https://doi.org/10.1007/s00170-016-9847-y
[47]
B. Zhou, T. Pychynski, M. Reischl, E. Kharlamov y
R. Mikut, «Machine learning with domain
knowledge for predictive quality monitoring in
resistance spot welding,» Intelligent Manufacturing,
vol. 33, nº 2, pp. 1139-1163, 2022.
https://doi.org/10.1007/s10845-021-01892-y
[48]
J. Hu, J. Bi, H. Liu, Y. Li, S. Ao y Z. Luo,
«Prediction of Resistance Spot Welding Quality
Based on BPNN Optimized by Improved Sparrow
Search Algorithm,» Materials, vol. 15, nº 20, pp. 1-
14, 2022. https://doi.org/10.3390/ma15207323
[49]
J. Shao, S. Wang, B. Yang, Z. Zhang y Y. Wang,
«A Hybrid Algorithm Based on GRNN and
Grasshopper Optimization Algorithm for Welding
Nugget Diameter Prediction,» Computing and
information science in engineering, vol. 23, nº 3,
pp. 1-10, 2023. https://doi.org/10.1115/1.4054832
[50]
K. Zhou y L. Cai, «Online nugget diameter control
system for resistance spot welding,» Advanced
Manufacturing Technology, vol. 68, nº 1-4, pp.
2571-2588, 2013. https://doi.org/10.1007/s00170-
013-4886-0
[51]
H. Zhang, Y. Hou, J. Zhang, X. Qi y F. Wang, «A
new method for nondestructive quality evaluation of
the resistance spot welding based on the radar chart
method and the decision tree classifier,» Advanced
Manufactring Technology, vol. 78, nº 1-4, pp. 841-
851, 2015. https://doi.org/10.1007/s00170-014-
6654-1
[52]
B. Xing, Y. Xiao, Q. H. Qin y H. Cui, «Quality
assessment of resistance spot welding process based
on dynamic resistance signal and random forest
based,» Advanced Manufacturing Technology, vol.
94, nº 1-4, pp. 327-339, 2017.
https://doi.org/10.1007/s00170-017-0889-6
[53]
W. Dai, D. Li, Y. Zheng, D. Wang, D. Tang, H.
Wang y Y. Peng, «Online quality inspection of
resistance spot welding for automotive production
lines,» Journal of Manufacturing Systems, vol. 63,
23 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 7 (3): e353.
pp. 354-369, 2022.
https://doi.org/10.1016/j.jmsy.2022.04.008
[54]
J. Wen y H. Jia, «Real-time monitoring system for
resistance spot welding quality,» Engineering
Research Express, vol. 5, nº 1, pp. 1-9, 2023.
https://doi.org/10.1088/2631-8695/acb130
[55]
Z. Xiaoyun, Z. Yansong y C. Guanlong, «Weld
quality inspection based on on-line measured
indentation from servo encoder in resistance spot
welding,» de IEEE Instrumentation and
Measurement Technology Conference Proceedings,
Sorrento,Italy, 2006.
https://doi.org/10.1109/IMTC.2006.328560
[56]
D. Younes, E. Alghannam, Y. Tan y H. Lu,
«Enhancement in Quality Estimation of Resistance
Spot Welding Using Vision System and Fuzzy
Support Vector Machine,» Symmetry, vol. 12, nº 8,
pp. 1-19, 2020.
https://doi.org/10.3390/sym12081380
[57]
B. Wang, «A study on spot welding quality
judgment based on hidden Markov model,» Process
Mechanical Engineering, vol. 235, nº 2, pp. 1-11,
2021. https://doi.org/10.1177/0954408920953952
[58]
Y. Liu, Y. Pan, H. Chen, W. Wang, T. An y X.
Chen, «Research on quality inspection model of
spot welding of equalthickness three-layer sheets
based on ultrasonic A-scan,» Physics: Conference
Series, vol. 2246, nº 012083, pp. 1-8, 2022.
https://doi.org/10.1088/1742-6596/2246/1/012083
[59]
O. Martín, V. Ahedo, J. I. Santos y J. M. Galán,
«Comparative Study of Classification Algorithms
for Quality Assessment of Resistance Spot Welding
Joints From Pre- and Post-Welding Inputs,» IEEE
Access, vol. 10, pp. 6518-6527, 12 January 2022.
https://doi.org/10.1109/ACCESS.2022.3142515
[60]
V. H. Pham, H. T. Vo, D. D. Vu, J. Choi, S. Park,
D. T. Nguyen, B.-I. Lee y J. Oh, «Development of
Scanning Acoustic Microscopy System for
Evaluating the Resistance Spot Welding Quality,»
Research in Nondestructive Evaluation, vol. 33, nº
3, pp. 123-137, 2022.
https://doi.org/10.1080/09349847.2022.2073415
[61]
M. Acebes, I. Gauna León, H. de Matías Jiménez,
R. Delgado de Molina y A. Álvarez de Pablos,
«Ultrasonic Spot Weld inspection system based on
Industrial Robotic, Artificial Intelligence and
Artificial Vision,» Nondestructuve Testing, vol. 28,
nº 8, pp. 1-6, 2023. [En línea]
https://www.tecnitestndt.net/wp-
content/uploads/2023/06/ECNDT-23-Spot-
Weld.pdf [Consultado: 19 Jul 2024]
[62]
Y. Zhou, C. Pan, J. Chen, Y. Gan y X. Gao, «Online
evaluation method of resistance spot welding
quality based on locally linear embedding
algorithm,» Physics: Conference Series, vol. 2658,
nº 012049, pp. 1-6, 2023.
https://doi.org/10.1088/1742-6596/2658/1/012049
[63]
C. Summerville, D. Adams, P. Compston y D.
Matthew, «Nugget diameter in resistance spot
welding: a comparison between a dynamic
resistance based approach and ultrasound C-scan,»
Procedia Engineering, vol. 183, pp. 257-263, 2017.
https://doi.org/10.1016/j.proeng.2017.04.033
Derechos de Autor (c) 2024 Jazmin Monserrat Rodriguez Torres, Carolina Reta, Francisco Javier Ibarra Villegas
Este texto está protegido por una licencia Creative Commons 4.0.
Usted es libre para compartir —copiar y redistribuir el material en cualquier medio o formato — y adaptar el documento —
remezclar, transformar y crear a partir del material— para cualquier propósito, incluso para fines comerciales, siempre que
cumpla la condición de:
Atribución: Usted debe dar crédito a la obra original de manera adecuada, proporcionar un enlace a la licencia, e indicar si se
han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que tiene el apoyo del
licenciante o lo recibe por el uso que hace de la obra.
Resumen de licencia - Texto completo de la licencia