前沿应用智享会 | 西克用视觉技术驱动创新

　

　　Ranger3流媒体相机的“视界”

　　Philipp Mutz正协助电池制造商实现更高效、更节能的生产方式。随着全球电池需求的急剧增长，这一需求更显迫切。SICK正通过为电池生产提供质量保障解决方案，积极致力于改善气候变化问题。

　　

　　Ranger3流媒体相机能够检测出高压电池中的异物

　　

　　PHILIPP MUTZ全球电子行业经理

　　电池生产中的质量保障具备

　　巨大的杠杆效应

　

　　电池制造是一个包含无数工序的复杂过程

　　全球电池需求激增：新近预测显示，到2030年，全球对锂离子电池的需求预计将增长三倍。为了满足这一激增的需求，电池制造商正加紧在亚洲、美国和欧洲新建数百座“超级工厂”。推动这一趋势的主要

　　利好因素是电动汽车的推广和普及，而电动汽车是实现气候目标的重要支柱之一。同时，电池在储能领域的应用也同样广泛，需求迫切。

　　因此，电池制造商正面临巨大的挑战，即不仅需要建设全新的工厂，还必须优化生产流程，实现更高效、更节能的制造。而这正是SICK的用武之地。凭借智能传感器解决方案，SICK可帮助电池制造商持续改进其生产工艺。“电池生产中的质量保障具备巨大的杠杆效应，”SICK全球电子行业经理Philipp Mutz解释道。这种“杠杆”不仅有助于降低成本，更能改善生产的可持续性。

　　为什么这么说？我们以一家电池工厂的实际情况为例。在这些工厂中，产出率通常在75%到85%之间。换句话说，仍有15%到25%的电池产品属于不良品，被直接淘汰进入回收环节。这不仅造成宝贵原材料的损耗，同时也意味着整个生产流程中投入的巨量能源被白白浪费。

　　

　　举例来说，在将高压电池 (HVB) 装配到车身时，如果有异物（如一颗螺丝）混入电池模组中，就可能刺穿电池电芯，严重时不仅会损坏电池，还可能造成人身安全风险，并对整车系统及零部件造成破坏

　　Philipp Mutz的任务就是降低这部分报废率，其采取的主要手段之一就是质量保障。“电池制造是一个包含无数工序的复杂过程，”他指出。特别是在新建生产线的初期阶段，要使自动化设备和与电池单体化学相关的工艺达到协同、稳定产出优质电池，需要耗费大量时间。然而，并非所有质量参数都能在过程中轻松检测到。比如，某一道早期工序（如涂覆）中出现了一个小错误，若未被及时发现，该缺陷电池会继续进入后续多个耗能巨大的加工步骤。“电池经过多个高能耗的后续工序，但直到最后才发现存在缺陷，其实为时晚矣。”Mutz解释到。若能在前期就识别出问题，就能省下整个后续流程的成本与资源。

　　SICK正与机械设备制造商和电池制造商密切合作，致力于在生产早期识别缺陷。SICK能赋予合作伙伴“在线测量”能力。与实验室测量不同，实验室检测需将产品取出生产线并进行单独检查，而“在线测量”则可以在不脱离生产流程的情况下实现连续、实时检测。“我们不仅要具备极高的测量精度，还要兼顾极快的测量速度，”Philipp Mutz强调。因为工厂的节拍极快，任何测量动作都不能影响整体的生产效率。

　　速度与可靠性是投资高品质测量设备及SICK传感器解决方案的两大核心原因。在竞争激烈的电池制造市场中，即使略微降低不良品率，也能为制造商带来显著的潜在收益。“在超级工厂中，不良率哪怕只下降一点点，都可能带来客观的节约，”Philipp Mutz指出。

　　

　　电池经过多个高能耗的后续工序，但直到最后才发现存在缺陷，其实为时晚矣

　

　　另一项促使电池制造商坚持高质量保障标准的重要理由是：媒体中频繁曝光的电动车起火事件。尽管保险公司的近期研究数据显示，电动汽车的起火概率并不高于汽油或柴油车型，但公众对电动车的安全性顾虑却因媒体报道而被放大。“因此，哪怕是极小的风险，也必须尽可能降低，”Mutz强调道。

　　SICK不仅提供在线测量所需的硬件设备，如传感器、相机和检测系统，还配备了AI赋能的分析软件，用于处理生产过程中收集的大量数据。电池制造商可选择的技术和应用范围极广，从基础的1D传感器和2D图像处理，到先进的3D检测系统一应俱全。其中一项应用是使用MLG-02光栅检测电极膜上的破损和孔洞。“通过这种相对简单且具成本效益的光学方法，我们能在电池生产初期确保电极膜的质量，”Mutz表示。一旦发现有缺陷的材料，系统即可立即将其剔除，避免其进入后续流程。

　　其它典型应用还包括：测量电极引出端的距离（使用InspectorP61x 2D视觉传感器）；检测棱柱形电芯及其绝缘膜上的划痕、凹痕和气泡（使用3D-BVA / Ruler或Ranger3）；检测模组和电池包的焊点（汇流排）（使用D-BVA、Ruler系统）。

　　

　　揭示痕迹

　　为了应对日益严苛的检测需求，我

　　们开发出一项全新技术：Surface+

　　“ 为了应对日益严苛的检测需求， 我们开发出一项全新技术：Surface+，”Philipp Mutz指出。Surface+是一项融合了2D与3D技术、基于规则的图像处理以及深度学习算法的创新解决方案，可检测电池壳体及其贴附绝缘膜表面的缺陷，比如划痕、电解液残留等。这种颠覆性方法在电池单体最终检测环节中发挥着关键作用。

　　整体而言，人工智能 (AI) 与深度学习在质量保障中的作用日益凸显。比如，SICK的SICK Nova异常检测软件可用于执行复杂检测任务，如对电池表面、焊点、胶合点以及焊锡点进行智能分析。该软件特别适用于传统基于规则的图像处理难以覆盖或成本极高的场景。用户可基于实际样本对传感器进行训练，从而在生产早期有效识别缺陷。因此，SICK的传感器系统正在为未来电池生产奠定坚实的基础。