Uno dei principali ostacoli alla diffusione su larga scala dei veicoli elettrici è il costo della batteria, che può arrivare a rappresentare fino al 40% del prezzo del veicolo. I materiali sono rari e costosi, le operazioni coinvolte sono numerose e le occasioni di difetto non mancano: bastano pochi micron affinché un’imperfezione accettabile diventi un difetto reale.
Aziende come Guangdong Lyric Robot Automation stanno aprendo la strada al settore dei veicoli elettrici, affrontando le sfide del mercato con linee di automazione, magazzini intelligenti e altre soluzioni produttive. I suoi clienti, tra cui CATL, BYD, Volkswagen, Ford e Samsung, hanno bisogno di batterie per veicoli elettrici che garantiscano sicurezza e alte prestazioni in tempi rapidi.
“Le industrie delle batterie al litio e dei veicoli a nuova energia operano a un livello di sviluppo più avanzato”, ha dichiarato Du Yixian, direttore dell’Istituto di ricerca della sede Lyric di Dingyuan. “Il processo di produzione delle batterie deve garantire qualità e sicurezza: sono questi i due pilastri che ci guidano verso il nostro obiettivo.”
Gli obiettivi di Lyric sono doppi, ha detto Yixian. L’azienda mira a contribuire allo sviluppo globale del settore delle batterie al litio per un futuro a emissioni zero e a promuovere una piattaforma per gli ingegneri.
Questi obiettivi richiedono una visione artificiale avanzata, intelligenza artificiale e un sistema di monitoraggio e tracciamento affidabile.
Potenziare il rilevamento dei difetti nelle batterie EV con l’IA
Molte applicazioni di rilevamento dei difetti nella produzione di batterie per veicoli elettrici sono troppo complessi per la sola visione artificiale basata sulle regole. La varietà dei difetti, e la difficoltà nel distinguerli da anomalie accettabili, richiede l’impiego dell’IA.
Lyric utilizza due tecnologie IA Cognex: edge learning e deep learning. L’Edge Learning è una tecnologia IA che utilizza algoritmi pre-addestrati per riconoscere difetti e misurare le coordinate, richiedendo solo 5-10 immagini per l’addestramento. Il deep learning svolge una funzione simile, ma può affrontare applicazioni più complesse e richiede più immagini per la formazione.
“Nella produzione di batterie per veicoli elettrici ci sono molte criticità e numerose tipologie di difetti”, ha spiegato Feng Yingjun, responsabile tecnico della divisione visione di Lyric. “Hardware e software di visione artificiale sono messi a dura prova.”
Uno di questi controlli consiste nell’impilare fogli di anodo, catodo e materiale separatore (laminatore o diaframma) per formare le celle della batteria.
Allineare il diaframma con i fogli di anodo e catodo è un'operazione semplice. Tuttavia, un disallineamento dei componenti di soli 0,2 mm, circa lo spessore di due fogli di carta, può ridurre le prestazioni della batteria o causare cortocircuiti.
Feng Yingjun ha spiegato che individuare con precisione i bordi di anodo, catodo e diaframma rappresenta una delle sfide più complesse nella fase di impilamento dei fogli per le celle. È una sfida proibitiva per i soli sistemi di visione basati su regole; per questo Lyric si affida alle soluzioni di Cognex basate sull’edge learning.
“Lo strumento SmartLine per l'Edge Learning di Cognex è molto utilizzato, principalmente perché senza di esso sarebbe molto difficile individuare i bordi dei componenti”, ha aggiunto Yixian. “In condizioni operative più complesse e impegnative, SmartLine è di grande aiuto nell’individuare i confini, raggiungendo un’accuratezza fino al 99%.”
Yingjun ha affermato che un impilamento più accurato dei fogli della cella aumenta la resa energetica delle batterie per veicoli elettrici. Se i tassi di rendimento sono troppo bassi, aggiunge, il cliente potrebbe rifiutare le batterie. Le soluzioni basate sull'edge e sul deep learning aiutano Lyric a fornire soluzioni in modo più veloce.
“Cognex ha contribuito a ridurre i tempi di implementazione di oltre il 30% in alcune app, un fattore positivo per tutti i nostri clienti”, ha aggiunto Yixian.
Far luce su difetti e tracciabilità
Lyric utilizza soluzioni Cognex 3D per analizzare i cordoni di saldatura. L’azienda combina gli strumenti di visione di Cognex per individuare i cordoni di saldatura con una propria tecnologia dedicata all’identificazione dei difetti.
Sebbene la ricerca di difetti e l’allineamento dei componenti siano aspetti essenziali della produzione di batterie per veicoli elettrici, per Lyric è altrettanto importante monitorare dove si trovano i componenti nel processo produttivo.
Il monitoraggio e il tracciamento delle parti delle batterie per veicoli elettrici tramite scansione dei codici a barre e delle marcature DPM è essenziale per garantire la qualità, ha affermato Yingjun. Se non è possibile tracciare un prodotto difettoso per risalire alla causa del problema, c’è il rischio che articoli non conformi arrivino fino all’utilizzatore finale. Tuttavia, la lettura dei codici su superfici riflettenti e curve può risultare complessa, soprattutto quando si devono scansionare componenti di tipo diverso per clienti differenti.
Automazione intuitiva su scala globale
Le funzionalità avanzate dei sistemi di visione artificiale e dei lettori di codici a barre sono essenziali, ma un fattore spesso trascurato è il modo in cui gli esseri umani utilizzano queste tecnologie. Lyric realizza soluzioni per la produzione di batterie per veicoli elettrici per diversi clienti, ognuna con requisiti, design e specifiche particolari. La capacità di riconfigurare facilmente i sistemi di visione artificiale e i lettori di codici a barre per svolgere nuovi lavori e gestire nuovi ambienti aiuta Lyric a ottimizzare la produttività.
“La prima cosa che valutiamo in una soluzione è la sua capacità complessiva in ottica di ricerca e sviluppo, insieme alle funzionalità del prodotto”, ha spiegato Feng Yingjun. “La seconda considerazione riguarda la garanzia dei servizi tecnici. Questi sono i due fattori principali per noi.”
Lyric ha aumentato la produttività in fabbrica grazie a strumenti intuitivi come i software di visione artificiale VisionPro e In-Sight. Dato che il software di Cognex si configura tramite un’interfaccia intuitiva di tipo drag-and-drop, il team di Yingjun può dedicare meno tempo allo sviluppo del codice sorgente.
“Gli strumenti software di Cognex sono facili da utilizzare e le loro prestazioni sono ottime”, ha affermato Yingjun. La maggiore usabilità degli strumenti di visione Cognex aiuta a migliorare la resa delle batterie EV e la produttività.
Ad esempio, sul fronte hardware, Yingjun ha spiegato che funzionalità di DataMan come l’illuminazione multicolore e le lenti liquide ad alta velocità aumentano la precisione nella lettura dei codici, migliorando la tracciabilità. Gli scanner Cognex sono anche facili da debuggare e riconfigurare, riducendo i tempi di implementazione quando si deve affrontare un nuovo campo applicativo sul fronte della tracciabilità.
La stretta collaborazione tra Lyric e Cognex va oltre le soluzioni hardware e software, ha affermato Yixian. Cognex supporta Lyric nella risoluzione dei problemi presso gli stabilimenti dei clienti e introduce soluzioni pensate per affrontare le nuove sfide del settore dei veicoli elettrici a livello globale.
“I nostri clienti sono presenti in tutto il mondo: dobbiamo rispettare certificazioni diverse e requisiti di conformità differenti”, ha dichiarato Du Yixian. “Cognex dispone di una rete globale di vendita e assistenza che ci aiuta a soddisfare le certificazioni di prodotto e di sicurezza a livello internazionale, permettendoci di offrire un servizio migliore sia sul mercato interno sia all’estero.”
Test sul campo di nuove soluzioni e impegno condiviso nella ricerca e sviluppo
Il mercato delle batterie per veicoli elettrici è un settore in continua evoluzione e i clienti di Lyric richiedono continuamente soluzioni personalizzate e integrate per soddisfare le nuove esigenze. Lyric investe in ricerca e sviluppo per stare al passo con le nuove evoluzioni sul fronte delle batterie, fra specifiche di produzione, normative ed esigenze dei clienti.
“Avere un fornitore di visione artificiale che condivide gli stessi valori ci aiuta a risolvere rapidamente le criticità tecniche”, ha detto Yixian. “Se i nostri clienti riscontrano problemi sul campo, Cognex collabora attivamente con noi per individuarne la causa e fornirci servizi e supporto tecnico in modo tempestivo”, ha spiegato. “Quando ci troviamo di fronte a nuove problematiche, Cognex introduce in modo proattivo nuovi prodotti e tecnologie per trovare la soluzione.”
Ecco perché Lyric continua a testare e implementare nuove soluzioni di Cognex. Attualmente sta testando una nuova soluzione Cognex, Trevista CI Dome, per il rilevamento dei difetti delle batterie per veicoli elettrici.
Trevista CI Dome combina illuminazione a cupola diffusa, imaging computazionale e software di visione per generare immagini topografiche di alta qualità. La soluzione è particolarmente adatta per il rilevamento di difetti nella produzione di batterie per veicoli elettrici perché rivela difetti minimi e mostra informazioni sulla profondità che aiutano a distinguere tra un difetto funzionale e un’anomalia accettabile.
“Il modello Trevista CI Dome ci offre una qualità d’immagine migliore, una velocità di elaborazione più elevata e si integra senza problemi con altri strumenti, permettendoci di eseguire un’ispezione sistematica”, ha spiegato Yingjun.
Lyric sta anche testando In-Sight L38, un sistema di visione artificiale 3D, per il rilevamento dei difetti post-saldatura e l’ispezione delle superfici delle batterie EV.
Investendo in nuove soluzioni e tecnologie, Lyric e Cognex sono pronti a rivitalizzare il settore dei veicoli elettrici. “Credo che la collaborazione tra Lyric e Cognex, in virtù delle solide prestazioni dei nostri prodotti, fornirà servizi migliori e di qualità superiore ai clienti”, ha affermato Yixian.