ElringKlinger: AI가 용접하는 방식

ElringKlinger AG에서 Daniel Weller와 그의 동료들과 같은 전문가들이 없다면 양산은 이루어질 수 없습니다. 그들은 사전 시리즈 기계에서 모든 생산 프로세스를 개발하고 테스트한 후 이를 오류 없이 100% 재생산 가능하도록 ElringKlinger의 전 세계 40개 설치장소 중 한 곳의 생산라인으로 전달해야 합니다. 그들의 작업은 필수적이지만 비용이 많이 듭니다. 매일의 개발작업에 돈이 들고, 그 돈은 시리즈가 시작된 후에야 흐릅니다. 따라서 Weller와 그의 팀은 생산라인의 소위 램프업 단계를 가능한 한 짧게 유지해야 합니다. 개발 속도를 높여주는 툴이라면 무엇이든 환영합니다. 그래서 Weller는 TRUMPF 레이저 애플리케이션 센터를 방문하는 동안 EasyModel AI에 대해 관심을 가지며 경청하였습니다.

"당시 AI 기반 프로그래밍 어시스턴트는 아직 개발의 마지막 단계였지만, 우리에게 흥미로울 수 있다는 점은 분명했습니다"라고 ElringKlinger 기업의 배터리 테크놀로지 부문에서 접합 테크놀로지 전문가인 Weller는 회상합니다. 얼마 지나지 않아 ElringKlinger 기업은 EasyModel AI를 사용하기에 적합한 혁신적인 셀 접촉 시스템의 양산 오더를 받게 됩니다.

ElringKlinger AG는 자동차산업에서 글로벌한 입지를 갖춘 독립적인 공급업체입니다.  이 기업은 승용차와 상용차의 모든 구동 방식에 대한 혁신적인 솔루션을 제공하고 있습니다. ElringKlinger 기업은 예를 들어 전기구동용 셀 접촉 시스템(CCS)을 제조하고 있습니다. 전기자동차 배터리 팩을 위한 이 중요한 컴포넌트는 개별 배터리 셀을 하나의 유닛으로 연결하여 배터리에서 소비자에게 전력을 전달하기 위한 전제조건을 만듭니다. 셀 접촉 시스템은 또한 도체트랙을 통해 전압상태 및 온도에 대한 측정 데이터를 배터리 관리 시스템으로 전송합니다. 이 중요한 컴포넌트의 양산에서는 무결점 전략이 적용됩니다. 지금까지는 모듈형 배터리 팩 설계가 일반적이었습니다. 여기에서는 배터리 셀을 먼저 모듈로 결합하고 배터리 하우징에 통합합니다. 이에 필요한 셀 접촉 시스템은 길이가 약 600mm이고, 10~20개의 용접 포인트가 있으며 레이저는 이를 인식하고 양산 과정에서 고정밀로 접합해야 합니다.

"그 사이에 요구사항이 계속 발전했습니다"라고 Weller는 말하면서 다음과 같이 설명합니다: "차세대 자동차는 배터리 셀을 여러 모듈로 나누는 대신 배터리 하우징에 직접 삽입하는 셀-섀시 설계를 사용할 것입니다. 배터리는 차체에 부착되는 별도의 구성품이 아니라, 차체의 일부이며 차량의 하부를 형성합니다. 이를 통해 공간과 무게를 절약하고, 에너지 밀도를 높이며, 구조를 간소화할 수 있습니다. 하지만 이를 위해서는 컴포넌트를 더욱 정밀하게 제조할 필요가 있습니다." 여기서는 약 50개의 용접 포인트가 있는 셀 접촉 시스템이 사용되며, 이 경우 제품 길이는 거의 2미터에 달하지만 두께는 20mm에 불과합니다. "짧은 사이클 시간으로 안정적이고 효율적인 양산 프로세스를 개발하는 것은 결코 작은 일이 아닙니다"라고 Weller는 말합니다.

지금까지 ElringKlinger AG는 위치에 따라 달라지는 레이저 조사 설정으로 TRUMPF 영상처리 VisionLine Detect를 사용했습니다. 이를 사용하면 레이저 조사 설정을 목표에 맞게 변경하여 개별 위치를 감지할 수 있습니다. 그러나 구성품 표면의 위치에 따른 미러링을 보상하기 위해 이 과정은 개별적으로 그리고 가공 영역의 위치에 따라 수행되어야 했습니다. 이는 많은 요인에 따라 달라지고 시간이 많이 소요되는 반복적 프로세스이며 각 구성품 위치마다 개별적으로 수행해야 합니다. "EasyModel AI가 생성한 모델과 그 결과 생성된 필터 덕분에 프로세스에 대한 이러한 번거로운 수동 조정이 간단한 표준 절차가 되었습니다"라고 Weller는 말합니다.  

EasyModel AI는 프로그래밍 지식이 없는 사용자도 맞춤형 이미지 기반 AI 모델을 만들고 훈련할 수 있는 제로코드 프로그래밍 어시스턴트입니다. "우리는 지금까지 해왔던 것처럼 VisionLine Detect를 사용하여 용접 포인트가 있는 구성품 영역의 이미지를 촬영합니다. 이를 끌어놓기(Drag and Drop)로 EasyModel AI 툴에 로드할 수 있으며, 이 툴은 MyTRUMPF를 통해 액세스할 수 있습니다"라고 Weller는 설명합니다. 그와 그의 동료들은 프로젝트를 만든 후 마킹툴을 사용하여 이미지에서 인식할 용접 포인트를 마킹합니다. 결국 태블릿에 그리는 것과 마찬가지로 작동합니다. 그런 다음 AI는 데이터를 평가하고 Weller와 그의 동료들이 단계적으로 최적화할 수 있는 모델을 계산합니다.

"AI 모델을 만드는 데에는 몇 개의 훈련 이미지만으로도 충분합니다"라고 Weller는 말합니다. "모델이 만족스럽게 만들어지면 이를 생산라인에 통합하여 실제 구성품에서 테스트합니다." 이때 VisionLine Detect용 새로운 AI 필터 옵션이 활용됩니다. 이 필터는 VisionLine Detect의 특징 감지 기능을 개선하고 관련 이미지 영역과 지그, 오염물질 또는 미러링과 같은 요소들 사이에서 훨씬 더 정밀하게 구분합니다. "여기서 AI 필터가 있는 VisionLine Detect와 AI 필터가 없는 VisionLine Detect의 차이가 특히 명확해집니다"라고 Weller는 강조합니다. "AI 필터는 이미지를 이진화하여 흑백으로만 구성된 표시를 생성합니다. 인식된 구성품은 흰색으로 바뀌고, 주변 영역은 검은색으로 바뀝니다. 이를 통해 가장자리 인식 알고리즘이 감지해야 할 용접 영역을 쉽게 식별할 수 있습니다."

"VisionLineDetect를 EasyModel AI와 AI 필터로 확장하려면 옵션을 잠금해제하기만 하면 됩니다"라고 Weller는 말합니다. 사전 시리즈 설비를 시운전하는 중 TRUMPF 전문가들은 Weller와 그의 동료들과 함께 EasyModel AI 프로세스 단계를 수행했습니다. "1~2시간 후에 우리는 첫 번째 결과를 얻었습니다"라고 Weller는 설명합니다. 이러한 간단한 사용은 Weller에게 분명한 이점입니다. "시리즈가 진행 중이더라도, 가끔씩 조정이 필요할 수 있습니다. 그런 경우 설치장소에 있는 동료들이 나서야 합니다"라고 그는 말합니다. "원칙 'what-you-see-is-what-you-get‘에 따라 시스템이 작동하는 것이 좋습니다. 이는 프로그래머가 아니더라도 이해하기 쉽습니다."

사전 시리즈 개발에서는 시간절약에 중점을 둡니다. "여기에서 EasyModel AI가 빠른 속도를 제공합니다. 좋은 결과를 얻기 위해 더 이상 며칠이 필요하지 않습니다. 대신 몇 시간 걸리고, 후속 훈련을 통해 많은 시간도 절약됩니다"라고 Weller는 말합니다. 그리고 테크놀로지 트리오 EasyModel AI, AI 필터 및 VisionLine Detect는 사용하기 매우 쉽기 때문에, Weller는 소규모 시리즈와 샘플 제작에 이 테크놀로지들을 더욱 더 사용하고 있습니다. "이러한 일들은 지금까지 너무 복잡했었습니다"라고 그는 이를 정당화합니다. 이제 Weller와 그의 동료들은 기업 내에서 다른 어느 곳에서 이 새로운 솔루션을 사용할 수 있을지 주목하고 있습니다. "엄격한 공차 내에서 많은 용접 포인트를 찾아야 하는 곳이라면 어디든 큰 잠재력이 있다고 봅니다. AI를 사용하면 더 빨라집니다."