Das Maschinenbauunternehmen Manz liefert unter anderem moderne Laseranlagen zur Herstellung von Lithium-Ionen-Batterien. Um präzise und sichere Laserschweiß-Prozesse zu gewährleisten, setzt das Unternehmen eine Bildverarbeitungssoftware mit integrierter Deep-Learning-Technologie ein. Ein Batteriemodul mit 90 Zellen, wie es auch in Elektrofahrzeugen zum Einsatz kommt, enthält beispielsweise 540 Schweißpunkte mit einer Größe von jeweils 1 mm. Die Herausforderung besteht darin, eine sichere und stabile Schweißverbindung herzustellen, ohne das vergleichsweise dünne und empfindliche Batteriegehäuse zu beschädigen. Manz setzt deshalb auf ein Inline-Inspektions-System für die 100-Prozent-Kontrolle des Schweißprozesses. Zum Einsatz kommt unter anderem die Standardsoftware Halcon von MVTec Software. Mit der darin integrierten Deep-Learning-Funktionen auf Basis Künstlicher Intelligenz (KI) lässt sich die Fehlererkennung deutlich verbessern. Die Technologie senkt den Programmieraufwand signifikant und kommt auch mit vorher nicht genau definierten Fehlern zurecht. Speziell die sogenannte Anomalieerkennung benötigt nur eine geringen Menge an Bilddaten für das Training. Dadurch können Maschinenbau-Unternehmen wie Manz viel Zeit und entsprechend Kosten einsparen.
Hinweis:
Eine ausführlichere Darstellung des Einsatzes der Bildverarbeitungssoftware bei Manz finden Sie hier:
Manz nutzt MVTec-Deep-Learning-Technologie für Inline-Qualitätskontrolle