前沿應用智享會 | 西克用視覺技術驅動創新
http://m.sharifulalam.com 2025-06-19 09:48 來源：廣州市西克傳感器有限公司
Ranger3流媒體相機的“視界”
Philipp Mutz正協助電池制造商實現更高效、更節能的生產方式。隨著全球電池需求的急劇增長，這一需求更顯迫切。SICK正通過為電池生產提供質量保障解決方案，積極致力于改善氣候變化問題。
Ranger3流媒體相機能夠檢測出高壓電池中的異物
PHILIPP MUTZ全球電子行業經理
電池生產中的質量保障具備
巨大的杠桿效應
電池制造是一個包含無數工序的復雜過程
全球電池需求激增：新近預測顯示，到2030年，全球對鋰離子電池的需求預計將增長三倍。為了滿足這一激增的需求，電池制造商正加緊在亞洲、美國和歐洲新建數百座“超級工廠”。推動這一趨勢的主要
利好因素是電動汽車的推廣和普及，而電動汽車是實現氣候目標的重要支柱之一。同時，電池在儲能領域的應用也同樣廣泛，需求迫切。
因此，電池制造商正面臨巨大的挑戰，即不僅需要建設全新的工廠，還必須優化生產流程，實現更高效、更節能的制造。而這正是SICK的用武之地。憑借智能傳感器解決方案，SICK可幫助電池制造商持續改進其生產工藝。“電池生產中的質量保障具備巨大的杠桿效應，”SICK全球電子行業經理Philipp Mutz解釋道。這種“杠桿”不僅有助于降低成本，更能改善生產的可持續性。
為什么這么說？我們以一家電池工廠的實際情況為例。在這些工廠中，產出率通常在75%到85%之間。換句話說，仍有15%到25%的電池產品屬于不良品，被直接淘汰進入回收環節。這不僅造成寶貴原材料的損耗，同時也意味著整個生產流程中投入的巨量能源被白白浪費。
舉例來說，在將高壓電池 (HVB) 裝配到車身時，如果有異物（如一顆螺絲）混入電池模組中，就可能刺穿電池電芯，嚴重時不僅會損壞電池，還可能造成人身安全風險，并對整車系統及零部件造成破壞
Philipp Mutz的任務就是降低這部分報廢率，其采取的主要手段之一就是質量保障。“電池制造是一個包含無數工序的復雜過程，”他指出。特別是在新建生產線的初期階段，要使自動化設備和與電池單體化學相關的工藝達到協同、穩定產出優質電池，需要耗費大量時間。然而，并非所有質量參數都能在過程中輕松檢測到。比如，某一道早期工序（如涂覆）中出現了一個小錯誤，若未被及時發現，該缺陷電池會繼續進入后續多個耗能巨大的加工步驟。“電池經過多個高能耗的后續工序，但直到最后才發現存在缺陷，其實為時晚矣。”Mutz解釋到。若能在前期就識別出問題，就能省下整個后續流程的成本與資源。
SICK正與機械設備制造商和電池制造商密切合作，致力于在生產早期識別缺陷。SICK能賦予合作伙伴“在線測量”能力。與實驗室測量不同，實驗室檢測需將產品取出生產線并進行單獨檢查，而“在線測量”則可以在不脫離生產流程的情況下實現連續、實時檢測。“我們不僅要具備極高的測量精度，還要兼顧極快的測量速度，”Philipp Mutz強調。因為工廠的節拍極快，任何測量動作都不能影響整體的生產效率。
速度與可靠性是投資高品質測量設備及SICK傳感器解決方案的兩大核心原因。在競爭激烈的電池制造市場中，即使略微降低不良品率，也能為制造商帶來顯著的潛在收益。“在超級工廠中，不良率哪怕只下降一點點，都可能帶來客觀的節約，”Philipp Mutz指出。
電池經過多個高能耗的后續工序，但直到最后才發現存在缺陷，其實為時晚矣
另一項促使電池制造商堅持高質量保障標準的重要理由是：媒體中頻繁曝光的電動車起火事件。盡管保險公司的近期研究數據顯示，電動汽車的起火概率并不高于汽油或柴油車型，但公眾對電動車的安全性顧慮卻因媒體報道而被放大。“因此，哪怕是極小的風險，也必須盡可能降低，”Mutz強調道。
SICK不僅提供在線測量所需的硬件設備，如傳感器、相機和檢測系統，還配備了AI賦能的分析軟件，用于處理生產過程中收集的大量數據。電池制造商可選擇的技術和應用范圍極廣，從基礎的1D傳感器和2D圖像處理，到先進的3D檢測系統一應俱全。其中一項應用是使用MLG-02光柵檢測電極膜上的破損和孔洞。“通過這種相對簡單且具成本效益的光學方法，我們能在電池生產初期確保電極膜的質量，”Mutz表示。一旦發現有缺陷的材料，系統即可立即將其剔除，避免其進入后續流程。
其它典型應用還包括：測量電極引出端的距離（使用InspectorP61x 2D視覺傳感器）；檢測棱柱形電芯及其絕緣膜上的劃痕、凹痕和氣泡（使用3D-BVA / Ruler或Ranger3）；檢測模組和電池包的焊點（匯流排）（使用D-BVA、Ruler系統）。
揭示痕跡
為了應對日益嚴苛的檢測需求，我
們開發出一項全新技術：Surface+
“ 為了應對日益嚴苛的檢測需求， 我們開發出一項全新技術：Surface+，”Philipp Mutz指出。Surface+是一項融合了2D與3D技術、基于規則的圖像處理以及深度學習算法的創新解決方案，可檢測電池殼體及其貼附絕緣膜表面的缺陷，比如劃痕、電解液殘留等。這種顛覆性方法在電池單體最終檢測環節中發揮著關鍵作用。
整體而言，人工智能 (AI) 與深度學習在質量保障中的作用日益凸顯。比如，SICK的SICK Nova異常檢測軟件可用于執行復雜檢測任務，如對電池表面、焊點、膠合點以及焊錫點進行智能分析。該軟件特別適用于傳統基于規則的圖像處理難以覆蓋或成本極高的場景。用戶可基于實際樣本對傳感器進行訓練，從而在生產早期有效識別缺陷。因此，SICK的傳感器系統正在為未來電池生產奠定堅實的基礎。
編輯精選
