Conclusiones clave
Estas son varias maneras en que la IA y la visión artificial afectan la fabricación de baterías de vehículo eléctrico para una mayor eficacia y ahorro de costos:
- La visión artificial automatiza las inspecciones de baterías de vehículos eléctricos, lo que reduce las tasas de desperdicio y mejora la calidad.
- La IA distingue las fallas funcionales de los defectos estéticos, lo que minimiza los desechos.
- Los instrumentos Cognex garantizan una inspección precisa de la soldadura y recubrimientos uniformes del electrodo.
- La automatización mejora la eficiencia, reduce los costos y acelera la adopción de vehículos eléctricos.
Los vehículos eléctricos (Electric Vehicle, EV) están aquí para quedarse. Más fabricantes se comprometen a reducir las emisiones de vehículos, a ser neutrales en carbono y a introducir más vehículos eléctricos en sus líneas.
La demanda de EV de los consumidores también está creciendo, impulsada por incentivos del gobierno como exenciones de impuestos, inversiones en fabricación nacional y establecimiento de objetivos para más ventas de EV nuevos. Pero la adopción masiva de EV es larga; menos del 1 % de los 250 millones de vehículos en los EE. UU. son eléctricos, según Reuters, y solo se venden 17 millones de automóviles nuevos anualmente.
La crisis de los precios frena el crecimiento
Uno de los mayores obstáculos del consumidor es el precio. Los vehículos eléctricos pueden tener menores costos de mantenimiento y combustible que sus contrapartes a gasolina, pero el costo inicial de un vehículo eléctrico sigue alejando a los conductores, a pesar de los reembolsos fiscales y otros incentivos.
Si bien el precio de transacción promedio (ATP) de los EV está disminuyendo, aún son más costosos que los vehículos con motores de combustión interna (ICE). Esa tendencia podría continuar en 2030 de acuerdo con el director ejecutivo de Ford Motor Co, Jim Farley. En una conferencia de inversionistas en mayo de 2023, Farley dijo que no se espera que los precios de los vehículos eléctricos disminuyan hasta que los modelos de segunda y tercera generación se publiquen más adelante en la década.
Carrera hacia abajo: Menores precios de las baterías, mayor participación en el mercado
Los altos costos de los EV inhiben la aceptación a gran escala y, en última instancia, limitan la cantidad de vehículos y baterías en el mercado. Conforme los países incentivan las compras de EV y se acelera la competencia de fabricación, los productores y proveedores de EV se sentirán motivados para reducir los costos y pasar precios más bajos a los consumidores.
Dos centros de costos importantes para los vehículos eléctricos son las baterías y la mano de obra. Los paquetes de baterías de iones de litio, que pueden representar hasta 50 % del precio de un EV, según Reuters, requieren materiales costosos y materiales raros como cobalto, níquel y litio. Los precios de esos metales son volátiles y se ven afectados por los cambios en las políticas de los principales países productores de metales y EV, entre otros factores, informa Forbes.
La firma de servicios financieros Morningstar anticipa que los precios del litio se mantendrán elevados hasta 2030 conforme la demanda de EV crezca y los nuevos productores de litio, como cualquier operación a gran escala, generalmente enfrenten retrasos.
El sentimiento es más claro cuando se trata de costos de mano de obra. Farley de Ford anticipa que los vehículos eléctricos serán más fáciles de construir y se equiparán con baterías más pequeñas utilizando material más rentable, lo que reducirá los costes de mano de obra entre 2030 y 2035.
Dirigirse hacia el ahorro de costos
Los fabricantes de EV y los proveedores de baterías se ven obligados a reducir los costos. Algunas de las maneras más factibles de reducir costos son automatizando inspecciones complejas de baterías de EV y procesos manuales, que consumen mucho tiempo.
La visión artificial y la IA son cruciales para la automatización en la fabricación, lo que mejora la eficacia, el control de calidad y la reducción de costos. La visión artificial utiliza cámaras y sensores para capturar y analizar la información visual, mientras que la IA interpreta esta información para resolver el complejo y desafiante examen.
Diferenciar entre defectos aceptables y auténticos
Estas tecnologías reducen los costos de la batería de EV al disminuir los tiempos de inspección, reducir las tasas de desechos e identificar defectos sutiles para proteger la calidad y la eficiencia de la batería.
Identificar fallas es esencial para la seguridad y el rendimiento de la batería de EV. La detección de defectos es una función esencial, pero muchos procesos consumen mucho tiempo, muchos recursos y no son confiables. Clasificar una imperfección estética como un defecto funcional es un error costoso; puede significar desechar metales y elementos costosos y raros.
Para minimizar los desechos y la repetición del trabajo, Cognex utiliza algoritmos avanzados y software de análisis de imagen para separar los defectos genuinos de los superficiales durante la producción de baterías para EV. Mediante el uso de tecnología de Deep Learning, los usuarios pueden programar un sistema de visión para detectar defectos, determinar si una falla está dentro del rango aceptable de variación y señalar defectos inaceptables mientras consideran variaciones como las superficies reflejantes.
Evaluación de soldaduras de batería
La inspección de las costuras de las soldaduras de la batería de EV es fundamental para la integridad estructural y el desempeño del EV. Es casi imposible separar los cosméticos de las variantes funcionales con un sistema de visión tradicional porque su apariencia es casi idéntica.
El software Cognex localiza el área de inspección mientras que los sensores 3D inspeccionan los bordes y esquinas soldados para garantizar que estén completamente sellados y sin defectos. Las herramientas de clasificación y detección de defectos de Deep Learning están entrenadas en un amplio rango de variaciones de soldadura y aprenden a clasificar y distinguir con precisión defectos funcionales de los puramente estéticos.
Inspección de la celda de la batería, la bolsa y las superficies del cilindro
Una inspección exhaustiva de la superficie es vital para eliminar defectos, contaminantes y anomalías que podrían afectar el desempeño de la batería. Los sistemas de visión artificial detectan imperfecciones como rayones, abolladuras o partículas extrañas, mejorando la calidad general de las baterías de EV.
Inspección de los revestimientos del electrodo
La uniformidad y la calidad de los recubrimientos de electrodo influyen significativamente en el rendimiento de las baterías de EV. Las soluciones precisas de visión artificial inspeccionan los recubrimientos de electrodos identificando inconsistencias o defectos. Esto garantiza un grosor y calidad uniformes del recubrimiento, mejorando el rendimiento y la longevidad de la batería.
Las cámaras de escaneo lineal industriales Cognex son ideales para la inspección de superficies “web” para garantizar que el substrato de la película esté recubierto uniformemente con cobre y aluminio.
La visión artificial está lista para contribuir a la accesibilidad de los vehículos eléctricos
Aprovechar la visión artificial y las soluciones de IA es crucial para que los fabricantes de EV aborden los desafíos, mejoren la eficiencia y la calidad de producción. Al adoptar estas tecnologías, los fabricantes pueden reducir costos, aumentar la productividad y acelerar la adopción de los EV.
Para obtener información detallada sobre la implementación de la visión artificial y la IA en la fabricación de EV, descargue la Guía de soluciones de EV a continuación.