Skip to Main Content

Vertrieb:

texto

Leitungsprüfung mit KI-gestützter Bildverarbeitung

Erfahren Sie, wie KI-gestützte Bildverarbeitungstechnologie von Cognex die Leitungsprüfung in der Automobil-, Elektronik- und Luft- und Raumfahrtindustrie transformiert. Diese fortschrittlichen Systeme erkennen Schäden an Isolierungen, gebrochene Litzen und mikroskopisch kleine Defekte mit einer Präzision, die herkömmliche Methoden nicht bieten. 

Electric motor rotor wires

Leitungsprüfung erfordert intelligentere Technologie

Leitungsverbindungen gibt es überall – von Batterie-Geflechtkabeln in Elektrofahrzeugen bis hin zu mikroskopischen Drahtverbindungen in Halbleitern. Wenn diese Verbindungen ausfallen, reichen die Konsequenzen von Produktrückrufen bis hin zu schwerwiegenden Sicherheitsrisiken. Mit zunehmender Ausreifung der Fertigung werden die Leitungen selbst immer komplexer: engere Toleranzen, dichtere Anordnungen und Materialien, die für herkömmliche Prüfmethoden Herausforderungen darstellen.

Moderne Produktionsumgebungen erfordern Prüfsysteme, die mit Liniengeschwindigkeiten Schritt halten und gleichzeitig Mängel erkennen können, die menschliche Prüfer und herkömmliche Bildverarbeitungssysteme einfach nicht entdecken. Ob Sie Batteriekabelbäume in Automobilwerken validieren oder Chipverbindungen in Halbleiterfabriken überprüfen, die Frage ist nicht, ob Sie die Leitungsverbindungsprüfung automatisieren müssen – es geht darum, wie Sie dies effektiv tun können.

Was die Leitungsprüfung so anspruchsvoll macht

Herkömmliche regelbasierte Bildverarbeitungssysteme haben Probleme mit den realen Bedingungen der Leitungsprüfung. Reflektierende Metalloberflächen erzeugen Blendung, die Defekte verdeckt. Geflochtene Drähte oder Litzendrähte weisen visuelle Muster auf, die Algorithmen verwirren, die für einfachere Geometrien entwickelt wurden. Produktionsumgebungen sorgen für Unordnung und variable Beleuchtung, die eine konsistente Erkennung nahezu unmöglich machen.

Die Einschränkungen werden in kleineren Größenordnungen noch deutlicher. Drahtverbindungen, die in Mikrometern gemessen werden, erfordern Präzision, die über das hinausgeht, was herkömmliche Systeme liefern können. Regelbasierte Ansätze erzeugen falsch positive Ergebnisse, die die Produktion verlangsamen oder, was noch schlimmer ist, kritische Defekte nicht erkennen, die die Qualität beeinträchtigen. Da Drahtbaugruppen komplexer werden und sich die Toleranzen enger werden, führen diese Einschränkungen direkt zu Qualitätsrisiken und Produktionsineffizienzen.

Wires inside of an integrated circuit
Cognex vision solutions inspect EV motor wires

Ein intelligenterer Ansatz zur Qualitätskontrolle von Leitungen

Cognex bringt KI-gestützte Bildverarbeitungstechnologie in die Leitungsprüfung und verändert die Art und Weise, wie Hersteller die Verbindungsqualität sicherstellen. Anstatt starre Regeln anzusetzen, lernen diese Systeme anhand realer Beispiele sowohl zulässiger als auch defekter Leitungen. Sie passen sich an anspruchsvolle Bedingungen an – reflektierende Oberflächen, komplexe Texturen, überladene Hintergründe –, die herkömmliche Methoden nicht bewältigen können.

Das Ergebnis ist eine Prüfung, die schneller, genauer und in der Lage ist, Fehler zu erkennen, die andere Systeme nicht entdecken. Von Kabelbäumen in der Automobilindustrie bis hin zu Halbleiter-Drahtbonds lässt sich die Technologie von Cognex nahtlos in bestehende Produktionslinien integrieren. So liefert sie Präzision bei jeder Größenordnung in der gesamten Fertigung, während der Durchsatz beibehalten wird, den moderne Anlagen benötigen.

Mit globaler Unterstützung und tiefgreifender Expertise in der Bildverarbeitungstechnologie hilft Cognex Bildverarbeitung Herstellern, über die Grenzen herkömmlicher Prüfungsansätze hinauszugehen, um die Qualitätsstandards zu erreichen, die die heutigen Produkte verlangen.

Schneider Electric

„Wir gehen davon aus, dass wir jährlich 40.000 Euro einsparen können, und wir haben unseren Abfall auf ein unbedeutendes Maß reduziert.“

Martin Yordanov

Werk Schneider Electric Plovdiv

Erfahren Sie, warum führende Marken Cognex wählen

Cognex systems performing traceability on PCBs

Sony ist mit dem automatisiertem System zum Lesen von Codes auf Leiterplatten äußerst erfolgreich

Reduce costs

Laufende Einsparungen

Erzielte Kosteneinsparungen von 5.000 USD pro Woche

Fast speed

Lesegeschwindigkeit

Codes werden 80 % schneller gelesen (2 Sekunden gegenüber 10 Sekunden)

Increase

ROI in weniger als 1 Jahr

ROI für neue Codelese-Lösung innerhalb von 10 Monaten

Barcode scanning

Perfekte Genauigkeit

Die Code-Leserate stieg von 95 % auf 100 %

Vollständigen Bericht lesen
A line of PCBs

Samsung beschleunigt die Nachverfolgung und Prüfung von Leiterplatten

Automation

Vollständige Automatisierung

Manuelles Barcode-Scannen von Leiterplatten während des Tests wurde eliminiert

Increase

Produktionssteigerungen

Steigerung des Produktionsvolumens um 20–30 % im Vergleich zum vorherigen Prozess

Reduce costs

Zeit- und Kosteneinsparungen

Geringere Kosten im Zusammenhang mit der zusätzlichen Zeit, die für das manuelle Scannen von Barcodes auf Leiterplatten benötigt wird

Vollständigen Bericht lesen
Cognex In-Sight 2000 vision sensor on KUKA robot

Von Cognex geführte fahrerlose Transportsysteme revolutionieren die Halbleiterproduktion

Robotic arm

Voranbringen der Produktion

Erfolgreiche Automatisierung des Transports von Halbleiterwafern von einer Station zur nächsten

Consistency

Arbeiten unter unterschiedlichen Bedingungen

Hervorragende Leistung für mobile Anwendungen, bei denen verschiedenste Lichtverhältnisse herrschen

Health and safety

Halbleiterproduktion absichern

Automatisierte Lösung minimiert potenzielle Verunreinigungen durch das Personal in der Halbleiterproduktion

Vollständigen Bericht lesen
Closeup of PCB

Schneider Electric bewältigt Herausforderungen bei der Lötqualität

Reduce costs

Gewinnvorteile

Einsparung von 40.000 € pro Jahr

Eliminate errors

Ausschuss reduzieren

Weniger Ausschuss in den Produktionslinien, effizienterer Einsatz von Rohstoffen

Analytics

Kontinuierliche Verbesserungen durch Daten-Input

Verbesserte Linienproduktivität durch Verwendung von Prüfergebnisdaten zur Prozessoptimierung

Vollständigen Bericht lesen