Eines der größten Hindernisse für die breite Einführung von Elektrofahrzeugen sind die Kosten für die Batterie, die bis zu 40 % des Fahrzeugpreises ausmachen können. Die Materialien sind selten und teuer, es gibt zahlreiche Betriebsabläufe und Möglichkeiten für Defekte, und ein paar Mikrometer können einen akzeptablen Mangel von einem legitimen Fehler unterscheiden.
Unternehmen wie Guangdong Lyric Robot Automation ebnen den Weg für die E-Fahrzeug-Industrie und begegnen den Marktanforderungen mit Automatisierungslinien, intelligenten Lagerhäusern und anderen Fertigungslösungen. Seine Kunden, darunter CATL, BYD, Volkswagen, Ford und Samsung, benötigen sichere, leistungsstarke EV-Batterien – und zwar schnell.
„Die Lithium-Batterie- und die neue Energiefahrzeugindustrie arbeiten auf einem höheren Entwicklungsstand“, so Du Yixian, Dekan des Forschungsinstituts in der Lyrics Niederlassung in Dingyuan. „Der Batterieproduktionsprozess muss von hoher Qualität und sicher sein. Diese beiden Aspekte sind der Weg zu unserem Ziel.“
Die Ziele von Lyric sind zweigeteilt, sagte Yixian. Das Unternehmen zielt zum einen darauf ab, zur globalen Entwicklung der Lithium-Batterieindustrie für eine kohlenstoffneutrale Zukunft beizutragen und will zum anderen eine Plattform für Ingenieure zu fördern.
Diese Ziele erfordern fortschrittliche maschinelle Bildverarbeitung, künstliche Intelligenz und zuverlässige Verfolgungs- und Nachverfolgungssysteme.
Verbesserung der Erkennung von Defekten in EV-Batterien durch KI
Viele Defekterkennungsanwendungen in der EV-Batterieherstellung sind zu komplex für regelbasierte maschinelle Bildverarbeitung allein. Die Vielfalt der Mängel – und die Schwierigkeit, sie von akzeptablen Anomalien zu unterscheiden – erfordert KI.
Lyric verwendet zwei Cognex KI-Technologien: Edge Learning und Deep Learning. Edge Learning ist eine KI-Technologie, die vorab trainierte Algorithmen einsetzt, um Fehler zu erkennen und Koordinaten zu messen. Für das Training sind lediglich 5 bis 10 Bilder erforderlich. Deep Learning erfüllt eine ähnliche Funktion, kann jedoch komplexere Anwendungen bewältigen und benötigt mehr Trainingsbilder.
„In der EV-Batterieherstellung gibt es viele Schwierigkeiten und Formen von Defekten“, so Feng Yingjun, leitender Ingenieur der Bildverarbeitungsabteilung von Lyric. „Dies stellt eine anspruchsvolle Herausforderung für die Hard- und Software der Bildverarbeitung dar.“
Einer dieser Tests ist das Stapeln von Anoden-, Kathoden- und Laminatormaterial oder Diaphragmen, um Batteriezellen zu bilden.
Das Ausrichten des Diaphragmas auf Blätter von Anode und Kathode ist eine einfache Operation. Jedoch kann eine Fehlausrichtung der Komponenten um nur 0,2 mm – etwa die Dicke von zwei Blatt Papier – die Batterieleistung verringern oder einen Kurzschluss verursachen.
Laut Yingjun ist das Finden der Kanten von Anode, Kathode und Diaphragma einer der herausforderndsten Aspekte des Stackings von Zellplatten. Da dies für regelbasierte Bildverarbeitung allein zu komplex ist, setzt Lyric auf Cognex Lösungen, die auf Edge-Learning basieren.
„Das Cognex Edge Learning SmartLine-Tool ist sehr weit verbreitet, hauptsächlich weil es schwierig ist, die Grenzen der Komponenten zu identifizieren“, fügte Yixian hinzu. „Unter diesen komplexeren und herausfordernderen Arbeitsbedingungen hilft SmartLine wirklich, Grenzen mit bis zu 99 % Genauigkeit zu identifizieren.“
Laut Yingjun verbessert eine genauere Stapelung von Zellblättern die Energieausbeute von EV-Batterien. Wenn der Ausbeute zu niedrig ist, fügte er hinzu, könnte der Kunde die Batterien ablehnen. Zudem helfen Edge- und Deep-Learning-basierte Lösungen Lyric, Lösungen schneller zu liefern.
„Cognex hat unsere Bereitstellungszeit in einigen Anwendungen um mehr als 30 % reduziert – etwas, wonach unsere Kunden immer suchen“, fügte Yixian hinzu.
Aufzeigen von Mängeln und Nachverfolgbarkeit
Lyric setzt 3D-Lösungen von Cognex zur Analyse von Schweißnähten ein. Das Unternehmen kombiniert Bildverarbeitungstools von Cognex zur Erkennung von Schweißnähten mit seiner eigenen Technologie zur Identifizierung von Defekten.
Während die Fehlererkennung und die Ausrichtung von Komponenten wesentliche Aspekte der Herstellung von EV-Batterien sind, ist es für Lyric ebenso wichtig zu überwachen, wo sich die Komponenten im Produktionsprozess befinden.
Verfolgung und Nachverfolgung von EV-Batterieteilen durch Scannen von Barcodes und Direct Part Marking ist für die Qualitätssicherung unerlässlich, erklärte Yingjun. Wenn es keine Möglichkeit gibt, ein defektes Produkt zu verfolgen, um die Ursache zu finden, besteht das Risiko, dass fehlerhafte Produkte den Endverbraucher erreichen. Aber das Scannen von Codes auf reflektierenden, gekrümmten Oberflächen kann herausfordernd sein, besonders beim Scannen verschiedener Arten von Komponenten für verschiedene Kunden.
Intuitive Automatisierung auf globaler Ebene
Die fortschrittlichen Fähigkeiten von Bildverarbeitungssystemen und Barcode-Scannern sind von entscheidender Bedeutung, jedoch wird häufig übersehen, wie Menschen diese Technologien nutzen. Lyric produziert Lösungen für die Herstellung von EV-Batterien für verschiedene Kunden, von denen jeder seine eigenen Anforderungen, Designs und technischen Daten hat. Die Möglichkeit, Bildverarbeitungssysteme und Barcode-Scanner einfach neu zu konfigurieren, um neue Aufgaben zu übernehmen und in neuen Umgebungen zu arbeiten, unterstützt Lyric dabei, den Durchsatz zu optimieren.
„Das Erste, worauf wir bei einer Lösung achten, ist ihre allgemeine RD-Fähigkeit, also die Funktionalität des Produkts“, so Yingjun. „Die zweite Überlegung ist die Garantie technischer Dienstleistungen. Das sind die beiden Faktoren, die uns am meisten beschäftigen.“
Lyric konnte dank benutzerfreundlicher Tools wie VisionPro und der Bildverarbeitungssoftware In-Sight die Produktion in der Fertigung steigern. Da die Software von Cognex über eine vertraute Drag-and-Drop-Oberfläche programmiert wird, benötigt das Team von Yingjun weniger Zeit für die Entwicklung des Quellcodes.
„Die Softwaretools von Cognex sind benutzerfreundlich und bieten eine hervorragende Leistung“, so Yingjun. Die verbesserte Benutzerfreundlichkeit der Bildverarbeitungstools von Cognex trägt zur Steigerung der Ausbeute bei der Herstellung von EV-Batterien und des Produktionsdurchsatzes bei.
Beispielsweise erhöhen auf der Hardware-Seite Funktionen von DataMan wie mehrfarbige Beleuchtung und Hochgeschwindigkeits-Flüssiglinsen die Genauigkeit des Codelesens und verbessern die Rückverfolgbarkeit. Cognex Scanner lassen sich zudem leicht debuggen und neu konfigurieren, wodurch sich die Zeit bis zur Bereitstellung bei der Bewältigung einer neuen Herausforderung im Bereich der Rückverfolgbarkeit verkürzt.
Die enge Partnerschaft zwischen Lyric und Cognex geht über Hardware- und Softwarelösungen hinaus, sagte Yixian. Cognex hilft Lyric, Probleme bei Kunden vor Ort zu lösen und veröffentlicht Lösungen, um neue Herausforderungen in der Elektrofahrzeugindustrie weltweit anzugehen.
„Unsere Kunden sind weltweit verteilt, daher müssen wir verschiedene Zertifizierungen und Konformitätsanforderungen erfüllen“, so Yixian. „Cognex verfügt über ein globales Vertriebs- und Servicenetzwerk, das uns dabei unterstützt, globale Produkt- und Sicherheitszertifizierungen zu erfüllen, sodass wir sowohl im Inland als auch international einen besseren Service bieten können.“
Testen neuer Lösungen und ein gegenseitiges Engagement für F&E
Der Markt für Elektrofahrzeugbatterien ist eine sich entwickelnde Branche, und die Kunden von Lyric benötigen kontinuierlich maßgeschneiderte, integrierte Lösungen, um neuen Anforderungen gerecht zu werden. Lyric investiert in Forschung und Entwicklung, um mit neuen Batteriedesigns, Fertigungsspezifikationen, Vorschriften und Kundenanforderungen Schritt zu halten.
Ein Anbieter von Bildverarbeitungssystemen mit denselben Werten unterstützt Lyric dabei, technische Probleme zügig zu lösen, erklärte Yixian. „Wenn unsere Kunden Probleme vor Ort haben, arbeitet Cognex aktiv mit uns zusammen, um die Ursache zu finden und uns rechtzeitig technische Dienstleistungen und Unterstützung zu bieten“, sagte er. Wenn wir auf neue Probleme stoßen, führt Cognex aktiv neue Produkte und Technologien ein, um sie zu lösen.
Deshalb testet und implementiert Lyric weiterhin neue Lösungen von Cognex. Derzeit wird eine neue Lösung von Cognex, Trevista CI Dome, zur Erkennung von Defekten in EV-Batterien getestet.
Trevista CI Dome verwendet diffuse Domebeleuchtung, computergestützte Bildgebung und Bildverarbeitungssoftware, um hochwertige topografische Bilder zu erstellen. Die Lösung eignet sich besonders für die Fehlererkennung in der Herstellung von EV-Batterien, da sie selbst kleinste Mängel aufdeckt und Tiefeninformationen anzeigt, anhand derer zwischen einem Funktionsfehler und einer akzeptablen Anomalie unterschieden werden kann.
„Trevista CI Dome bietet uns eine bessere Bildqualität, eine höhere Verarbeitungsgeschwindigkeit und lässt sich nahtlos mit anderen Tools kombinieren, um eine systematische Inspektion durchzuführen“, erklärte Yingjun.
Lyric testet außerdem das 3D-Bildverarbeitungssystem In-Sight L38 zur Fehlererkennung nach dem Löten und zur Überprüfung der Oberflächen von EV-Batterien.
Durch Investitionen in neue Lösungen und Technologien sind Lyric und Cognex bereit, die Elektrofahrzeugbranche neu zu beleben. „Ich bin überzeugt, dass die Zusammenarbeit zwischen Lyric und Cognex aufgrund der hervorragenden Leistungsfähigkeit unserer Produkte zu besseren und hochwertigeren Dienstleistungen für inländische und internationale Kunden führen wird“, erklärte Yixian.