Sabrina Schilling
ElringKlinger：AI 如何助力焊接
E
lringKlinger 公司利用通快的 AI 工具 EasyModel AI 对焊接点特征进行识别。该工具基于人工智能开发而成，所以即使不是程序员也能轻松创建 AI 模型。
ElringKlinger AG 能够实现量产，离不开像 Daniel Weller 这样的专家以及其他同事们。他们使用一台试生产机床来开发和测试所有制造工艺，然后还必须将这些工艺部署到 ElringKlinger 公司全球 40 个生产基地之一的量产线上，同时还要确保工艺毫无差错且 100% 可再现。这些工作不可或缺，但也成本高昂：每一天的开发工作都要消耗资金，而回报要等到量产运转后才能显现。因此，Weller 及其团队必须尽可能缩短量产线的产能爬坡期。只要是能加快开发进度的工具，他们都持欢迎态度。在参观通快激光应用中心期间，听到有关 EasyModel AI 的介绍时，Weller 顿时专注地倾听起来。
“这款基于人工智能的编程助手当时还处于最后的开发阶段，但我当时就已经意识到，它对我们可能非常有帮助”，Weller 回忆道。他是 ElringKlinger 集团电池技术事业部的焊接技术专家。有时候就是这么巧：没过多久，ElringKlinger 公司便接到了一份订单，要量产一款创新型的电芯连接系统，而 EasyModel AI 正好可胜任这一任务。
智能化解决方案，可应对复杂需求
ElringKlinger AG 是一家在全球布局的汽车行业独立供应商， 致力于为各类驱动系统（包括乘用车和商用车）提供创新解决方案。例如在电驱动领域，ElringKlinger 公司多年来一直在生产电芯连接系统（CCS）。作为新能源汽车电池包中的关键组件，它负责将各个电芯连接为一个整体单元，从而为电能从电池传输到用电器创造了条件。除此之外，CCS 还会通过其导体电路向电池管理系统（BMS）传输电压和温度的测量数据。该关键组件的量产采用的是零缺陷策略。在此之前，动力电池一般采用“模块到电池包（Module-to-Pack）”设计。即先将电芯组装为电池模块，然后再装入电池壳体中。为此 CCS 的所需长度约为 600 毫米并具有 10 到 20 个焊接点位，而激光器则要在量产过程中准确识别这些位置并高精度完成焊接。
Weller 介绍说：“如今的技术要求正进一步提高。下一代车型将采用 Cell-to-Chassis（电池底盘一体化）结构，也就是不再将电芯划分为多个模块，而是直接将电芯集成到电池壳体之中。这意味着动力电池不再是一个安装在车身上的独立部件，而是已与车身结构融为一体，成为了整车底盘的一部分。这种结构不仅节省空间和减重，而且还提高了电池能量密度，同时又简化了整车结构。但这也对部件的制造精度提出了更严苛的要求。“在这种结构下，CCS 的焊接点最多可达 50 个左右，且产品长度接近两米，但厚度只有约 20 毫米。“所以为此开发一种稳定高效、节拍时间短的量产工艺绝非易事”，Weller 表示。
Daniel Weller，ElringKlinger 集团电池技术事业部的焊接技术专家，他负责预批量生产的开发工作。他要确保每一项焊接工艺都能被准确无误地复制到 ElringKlinger 公司全球 40 个生产基地的量产线上。
新能源汽车电池包的电芯连接系统，负责将各个电芯连接为一个整体单元，从而为电能从电池传输到用电器创造了条件。该关键组件的量产采用的是零缺陷策略。
为具有约 50 个焊点的电芯连接系统开发快节拍的量产工艺，对 Daniel Weller 及其团队来说同样也是一大挑战。
简洁且标准化的识别流程
ElringKlinger AG 此前使用的是通快图像处理系统 VisionLine Detect，它通过基于位置的曝光调整进行识别。通过有针对性地调整曝光，各个焊接位置就可被识别出来。然而，这一过程必须根据加工区内的具体焊接位置单独进行，以便因位置差异而导致的部件表面反射得到补偿。这是一个耗时且重复的过程，会受到多种因素影响，而且还必须针对每一个部件位置单独执行。“而现在，有了 EasyModel AI 生成的模型和筛选逻辑，原本需要大量人工调整的流程，如今已转变为简洁的标准化流程”，Weller 总结道。
无需编程知识，也能获得理想结果
EasyModel AI是一款零代码的编程助手，即使是毫无编程经验的用户，也能轻松创建并训练匹配的图像识别 AI 模型。Weller 解释说：“我们像以前一样，会先用 VisionLine Detect 为工件上带有焊接点的区域采集图像。然后再通过拖放操作将这些图像传到 EasyModel AI 工具中，该工具通过 MyTRUMPF 即可访问。“ 接下来，Weller 与其同事们会使用标记工具在图像上标出需要识别的焊接点。操作方式就如同在平板上画图一样方便。随后 AI 会对这些数据进行分析，并计算出初步模型，Weller 与其同事们便会对其进行逐步优化。
“只需要少量的训练图像，就可以生成一个功能完备的 AI 模型“，Weller 解释道。”一旦模型令人满意，我们就会将其整合到生产线之中，并在实际工件上进行测试。”此时，VisionLine Detect 中的新选配功能——AI 筛选器便会发挥作用。该筛选器提高了 VisionLine Detect 对特征的识别能力，能更精确地区分相关的图像区域与工装、污垢或反射之类的干扰元素。“选配有 AI 筛选器的 VisionLine Detect 与没有选配的效果差异非常明显”，Weller 强调说。“AI 筛选器会将图像二值化，即只呈现黑白两色。被识别的部件会显示为白色，背景则为黑色， 这样边缘检测算法就能轻松锁定待识别的焊接区域。”
不仅如此，该系统的尺寸也带来了难题：其长度近两米，但厚度却只有 20 毫米。
VisionLine Detect 的新选配功能——AI 筛选器可显著提升特征识别能力：系统会将工件图像二值化（仅以黑白显示），焊接区域会被清晰地呈现为白色轮廓。
在开通 EasyModel AI 和 AI 筛选器选项后的一两个小时内，Daniel Weller（左二）就取得了初步成果。
ElringKlinger 公司开发团队的成员有 Jan Grajczak、Daniel Weller、Nils Kessenbrock 以及 Jannik Syfus（左起），他们对 EasyModel AI、AI 筛选器和 VisionLine Detect 这三项技术的组合非常满意。
AI 为工艺开发提速
Weller 介绍说：“为 VisionLineDetect 增配 EasyModel AI 和 AI 筛选器只需开通相关选项即可。” 在预批量生产设备调试期间，通快专家全程陪同，协助 Weller 与同事完成 EasyModel AI 的工艺流程。“一两个小时后我们就取得了初步成果”，Weller 回忆道。方便快捷是他认为的最大优势之一。“即便量产已经开始，偶尔也会遇到需要调整的情况。那就需要在现场的同事进行处理”，他说道。“这时候，系统采用‘所见即所得（What You See Is What You Get）’原则的好处就显示了出来。即使不是编程人员，也能轻松理解。”
在预批量阶段，节省时间是核心目标。“EasyModel AI 在这方面则可加快进度。现在我们只需几个小时就能获得理想结果，而非以前的数天时间，并且后续的微调工作也节省了大量时间”，Weller 说道。由于 EasyModel AI、AI 筛选器和 VisionLine Detect 这三项技术的组合使用起来非常方便，Weller 现在也逐渐将它们用于开发小批量生产工艺和样板工艺。“以前这些工作都非常耗时”，他解释说。如今，Weller 和同事们正密切关注公司内部还有哪些领域可使用这套新方案。“我认为，凡是需要以极小公差识别大量焊接点的地方，AI 都有巨大潜力。使用 AI 就能加快这些工作的进度。”
创建日期
2025-06-17
激光
KI
激光焊接
Elektromobilität
汽车
Sabrina SchillingTRUMPF Group Communications
向作者发送反馈
下载 PDF 文档
进入首页
您可能也对此感兴趣
聪明的头脑加上人工智能：提升制造效率的三个案例
实现直接导电：通快激光器可轻松去除绝缘漆层
欧 7 标准：通快激光器助力减少刹车粉尘