在韩国长野的 BorgWarner 生产中心，全球向电动汽车的转变不仅仅是一个趋势，也是制造创新的机遇。随着全球汽车制造商为电动汽车生产改造设施，总部位于密歇根州的汽车供应商 BorgWarner 正在为电动汽车动力总成的精度和可靠性设定新标准。
“我很高兴我们正在做一些新的事情，我还在问问题，”BorgWarner 长野工厂的生产技术团队负责人 Young-jun Lee 说。“制造，组装和检查电动汽车中的所有部件令人耳目一新。这是一份非常有吸引力的工作”。
对于 Lee 和他的团队来说，挑战很明显：在装配和检查过程中，电动汽车动力驱动需要前所未有的精度水平。虽然人类的专业知识对于复杂的装配过程仍然至关重要，但 BorgWarner 发现先进的机器视觉技术可以显著提高其质量控制能力。
将人类专业知识与先进的视觉系统相结合
提供和控制电动汽车动力驱动中使用的电量是一个复杂的过程，涉及必须完美和谐地协同工作的各种组件。电机将电能转换为机械能；电机控制器管理从电池流向电机的电力，逆变器将直流电转换为交流电。
人员对制造过程至关重要。需要组装的复杂电动汽车部件的数量以及所涉及的变量数量不适合自动化。
“只有人员才能精确地装配这些组件，但会犯错，”嫦娥永生产技术团队高级经理 Daebeom Park 说。“为了发现这些错误，机器视觉系统非常重要。
为电动汽车装配等高技术应用寻找合适的视觉系统可能是一条蜿蜒的道路。电动汽车行业需要比内燃机车辆更高性能的设备。
“如果你购买传感器，你必须购买一个好的传感器，如果你购买一个零件，你必须购买一个更先进的零件，以满足最终用户的规格，”李说。“首先，我需要确保机器视觉系统能够解决问题。如果它不能解决问题 - 即使它便宜10%或20% - 它将是无用的。
通过 EV 缺陷检测将“安全第一”付诸实践
Park 说，电动汽车电机缺失缺陷或部分缺失的风险远远超过视觉系统的成本；乘客的安全是主要问题。“确保最终装配检测的准确性和可靠性至关重要，”他说。“你不能只是使用任何视觉系统，因为它与人们的生活有关，你必须使用最可靠和最精确的视觉。
Park 说，康耐视解决方案也有助于改善 BorgWarner 的员工生活，一些检查流程需要多达五人。而使用一个康耐视机器视觉系统，则允许 BorgWarner 在其他领域使用这些员工。
在 BorgWarner 的 EV 动力驱动装配应用，生产技术团队必须在非常平坦的表面上检测缺失的零件。一些机器视觉系统由于图像对比度低而无法检测缺陷，即使解决方案被重新定位或查看了功率驱动器的不同部分。
使用单一机器视觉系统进行高级检查
康耐视机器视觉和自动化系统还帮助人类操作员进行汽车电子制造。室温硫化 （RTV） 硅胶在整个电子制造过程中用于保护电路板、连接器、传感器和其他组件免受应力和温度波动的影响。
确认 RTV 硅胶的形状是一项具有挑战性的应用，存在许多错误的可能性。凝胶可以过度涂抹或涂抹不足，凝胶的形状必须均匀，没有任何气泡或缺陷。这些缺陷会使电子元件暴露于灰尘和振动中，或导致短路。
BorgWarner 尝试了来自不同机器视觉供应商的解决方案，然后才从康耐视获得另一个 3D 机器视觉系统。
“我们对使用一台相机和一个系统构建解决方案这一事实感到非常满意，我认为这可能是康耐视最大的优势，”Park说。
AI 关键安全组件检测
BorgWarner 的 Park-Lock 系统是电动和混合动力汽车的常见安全机制。该设备在停放时锁定汽车的变速箱，防止其意外滚动或移动。该系统包括多达 20 个部件，包括锁定机构、机电和液压系统、传感器和电子元件。
Park-Lock 也由手动操作员生产，他们拧紧螺栓并组装零件。BorgWarner 使用具有边缘学习功能的康耐视 In-Sight 2800 机器视觉系统，这是一种简单易用 AI 技术，可验证所有 Park-Lock 组件是否正确安装。
“有弹簧，有细螺母，有很多[潜在的]装配错误，”帕克说。“当您将螺栓放入一个薄而平坦的部件时，很难判断它是否齐平，是否符合大多数视觉系统所需的公差。但自从我们有In-Sight 2800以来，我们已经能够发现所有这些缺陷，并且它已经解决了我们100%的问题。
今天塑造未来的电动汽车制造
从电力驱动组件到 Park-Lock 系统验证，3D 视觉系统和 AI 检测的集成使 BorgWarner 在优化劳动力部署的同时实现了新的精度水平。
随着汽车行业继续转型，BorgWarner 的经验表明，成功在于找到人类专业知识和先进检测技术之间的正确平衡。他们的方法不仅仅是发现缺陷，而是建立对离开设施的每个组件的信心。
准备好改进您的电动汽车制造流程了吗？ 了解有关康耐视电动汽车制造机器视觉解决方案的更多信息，或联系我们的专家讨论您的检查挑战。