ElringKlinger AG 能夠實現量產，離不開像 Daniel Weller 這樣的專家以及其他同事們。他們使用一台試生產機台來開發和測試所有制造製程，然後還必須將這些製程部署到 ElringKlinger 公司全球 40 個生產基地之一的量產線上，同時還要確保製程毫無差錯且 100% 可再現。這些工作不可或缺，但也成本高昂：每一天的開發工作都要消耗資金，而回報要等到量產運轉後才能顯現。因此，Weller 及其團隊必須盡可能縮短量產線的產能爬坡期。只要是能加快開發進度的工具，他們都持歡迎態度。在參觀 TRUMPF 雷射應用中心期間，聽到有關 EasyModel AI 的介紹時，Weller 頓時專注地傾聽起來。
「這款基於人工智慧的程式設計助手當時還處於最後的開發階段，但我當時就已經意識到，它對我們可能非常有幫助」，Weller 回憶道。他是 ElringKlinger 集團電池技術事業部的焊接技術專家。有時候就是這麼巧：沒過多久，ElringKlinger 公司便接到了一份訂單，要量產一款創新型的電芯連接系統，而 EasyModel AI 正好可勝任這一任務。
智慧化解決方案，可應對複雜需求
ElringKlinger AG 是一家在全球佈局的汽車行業獨立供應商， 致力於為各類驅動系統（包括乘用車和商用車）提供創新解決方案。例如在電驅動領域，ElringKlinger 公司多年來一直在生產電芯連接系統（CCS）。作為電池包中的關鍵組件，它負責將各個電芯連接為一個整體單元，從而為電能從電池傳輸到用電器創造了條件。除此之外，CCS 還會透過其導體電路向電池管理系統（BMS）傳輸電壓和溫度的測量資料。該關鍵組件的量產採用的是零缺陷策略。在此之前，動力電池一般採用「模組到電池包（Module-to-Pack）」設計。即先將電芯組裝為電池模組，然後再裝入電池殼體中。為此 CCS 的所需長度約為 600 毫米並具有 10 到 20 個焊接點位，而雷射器則要在量產過程中準確識別這些位置並高精度完成焊接。
Weller 介紹說：「如今的技術要求正進一步提高。下一代車型將採用 Cell-to-Chassis（電池底盤一體化）結構，也就是不再將電芯劃分為多個模組，而是直接將電芯集成到電池殼體之中。這意味著動力電池不再是一個安裝在車身上的獨立部件，而是已與車身結構融為一體，成為了整車底盤的一部分。這種結構不僅節省空間和減重，而且還提高了電池能量密度，同時又簡化了整車結構。但這也對部件的製造精度提出了更嚴苛的要求。」在這種結構下，CCS 的焊接點最多可達 50 個左右，且產品長度接近兩米，但厚度只有約 20 毫米。「所以為此開發一種穩定高效、節拍時間短的量產製程絕非易事」，Weller 表示。
Daniel Weller，ElringKlinger 集團電池技術事業部的焊接技術專家，他負責預批量生產的開發工作。他要確保每一項焊接製程都能被準確無誤地複製到 ElringKlinger 公司全球 40 個生產基地的量產線上。
電車電池包的電芯連接系統，負責將各個電芯連接為一個整體單元，從而為電能從電池傳輸到用電器創造了條件。該關鍵元件的量產採用的是零缺陷策略。該關鍵組件的量產採用的是零缺陷策略。
為具有約 50 個焊點的電芯連接系統開發快節拍的量產製程，對 Daniel Weller 及其團隊來說同樣也是一大挑戰。
簡潔且標準化的識別流程
ElringKlinger AG 此前使用的是 TRUMPF 影像處理系統 VisionLine Detect，它透過基於位置的曝光調整進行識別。透過有針對性地調整曝光，各個焊接位置就可被識別出來。然而，這一過程必須根據加工區內的具體焊接位置單獨進行，以便因位置差異而導致的部件表面反射得到補償。這是一個耗時且重複的過程，會受到多種因素影響，而且還必須針對每一個部件位置單獨執行。「而現在，有了 EasyModel AI 生成的模型和篩選邏輯，原本需要大量人工調整的流程，如今已轉變為簡潔的標準化流程」，Weller 總結道。
無需程式設計知識，也能獲得理想結果
EasyModel AI是一款零代碼的程式設計助手，即使是毫無程式設計經驗的用戶，也能輕鬆建立並訓練匹配的圖像識別 AI 模型。Weller 解釋說：「我們像以前一樣，會先用 VisionLine Detect 為工件上帶有焊接點的區域採集圖像。然後再透過拖放操作將這些圖像傳到 EasyModel AI 工具中，該工具透過 MyTRUMPF 即可存取。」 接下來，Weller 與其同事們會使用標記工具在圖像上標出需要識別的焊接點。操作方式就如同在平板上畫圖一樣方便。隨後 AI 會對這些資料進行分析，並計算出初步模型，Weller 與其同事們便會對其進行逐步最佳化。
「只需要少量的訓練圖像，就可以生成一個功能完備的 AI 模型」，Weller 解釋道。「一旦模型令人滿意，我們就會將其整合到生產線之中，並在實際工件上進行測試。」此時，VisionLine Detect 中的新選配功能——AI 篩選器便會發揮作用。該篩選器提高了 VisionLine Detect 對特徵的識別能力，能更精確地區分相關的圖像區域與工裝、污垢或反射之類的干擾元素。「選配有 AI 篩選器的 VisionLine Detect 與沒有選配的效果差異非常明顯」，Weller 強調說。「AI 篩選器會將圖像二值化，即只呈現黑白兩色。被識別的部件會顯示為白色，背景則為黑色， 這樣邊緣檢測演算法就能輕鬆鎖定待識別的焊接區域。」
不僅如此，該系統的尺寸也帶來了難題：其長度近兩米，但厚度卻只有 20 毫米。
VisionLine Detect 的新選配功能——AI 篩選器可顯著提升特徵識別能力：系統會將工件圖像二值化（僅以黑白顯示），焊接區域會被清晰地呈現為白色輪廓。
在開通 EasyModel AI 和 AI 篩選器選項後的一兩個小時內，Daniel Weller（左二）就取得了初步成果。
ElringKlinger 公司開發團隊的成員有 Jan Grajczak、Daniel Weller、Nils Kessenbrock 以及 Jannik Syfus（左起），他們對 EasyModel AI、AI 篩選器和 VisionLine Detect 這三項技術的組合非常滿意。
AI 為製程開發提速
Weller 介紹說：「為 VisionLineDetect 增配 EasyModel AI 和 AI 篩選器只需開通相關選項即可。」 在預批量生產設備調試期間，TRUMPF 專家全程陪同，協助 Weller 與同事完成 EasyModel AI 的製程流程。「一兩個小時後我們就取得了初步成果」，Weller 回憶道。方便快捷是他認為的最大優勢之一。「即便量產已經開始，偶爾也會遇到需要調整的情況。那就需要在現場的同事進行處理」，他說道。「這時候，系統採用『所見即所得（What You See Is What You Get）』原則的好處就顯示了出來。即使不是程式設計人員，也能輕鬆理解。」
在預批量階段，節省時間是核心目標。「EasyModel AI 在這方面則可加快進度。現在我們只需幾個小時就能獲得理想結果，而非以前的數天時間，並且後續的微調工作也節省了大量時間」，Weller 說道。由於 EasyModel AI、AI 篩選器和 VisionLine Detect 這三項技術的組合使用起來非常方便，Weller 現在也逐漸將它們用於開發小批量生產製程和樣板製程。「以前這些工作都非常耗時」，他解釋說。如今，Weller 和同事們正密切關注公司內部還有哪些領域可使用這套新方案。「我認為，凡是需要以極小公差識別大量焊接點的地方，AI 都有巨大潛力。使用 AI 就能加快這些工作的進度。」
