Daniel Weller 是 ElringKlinger 公司的連接技術專家， 他負責電池技術領域的連接製程開發。電動汽車用電芯連接系統（ZKS）的焊接，對他和整個團隊而言都是一項挑戰：不僅要實現更高的焊接速度，還要應對更豐富的產品變型，同時貫徹「零缺陷」生產策略。這些最長可達兩米的部件，往往包含 50 多個焊接位置。「即使在短節拍、產品變型高度多樣的生產環境中，我們也必須始終保持焊接品質的高度一致性」，Weller 表示。
在定子髮卡焊接過程中，EasyModel AI 能夠檢測到數百個接觸點——快速、精准，並可實現穩定的批量應用。
而在不久之前，焊點檢測在真實生產環境中仍然高度依賴技術經驗和大量人工調校：光照變化、反射、灰塵以及微小的幾何偏差，都會顯著增加製程風險。「當然，我們此前的解決方案也能應對生產需求，但 TRUMPF 的 EasyModel AI 如今顯著加快了焊點檢測速度，也推動了整個製程開發流程的提速」，Weller 說道。
少量訓練圖像，效果立現
Weller 使用 VisionLine Detect 影像處理系統，拍攝了幾張訓練圖像，並將其上傳至 AI 雲端。隨後，他在雲端對相關區域進行了標注。AI 模型僅憑少數樣本圖像，便能學會區分相關與無關的圖像區域，實現可靠的二值化處理和穩定的邊緣識別——即便在極短節拍條件下依然表現出色。「現在，我們只需數小時就能獲得理想的特徵識別結果，而非以前的數天時間」，Weller 說道。令他印象尤其深刻的是無代碼程式設計，他表示：「整個系統遵循『所見即所得』的原則，操作直觀、回應迅速，完全不需要程式設計經驗。」
在生產流程中持續學習
在 Schaeffler，EasyModel AI 同樣顯著提升了生產速度與精度。Alexander Fast 表示，在定子繞組銅線焊接過程中，諸如高度偏差、橫向位移或間隙等問題，曾一度讓傳統灰度識別方法達到極限。「在焊接位置判定的精度和重複精度方面，即便零件特徵發生變化，AI 篩選器的表現已經超越了此前市場上的所有解決方案」，Fast 表示。一次合格率超過 99%。此外，該系統還支援統計分析功能：只需對明顯偏離的數值進行重新標注，可大幅節省時間成本。
在 Schaeffler，EasyModel AI 已實現全球化生產應用， 而 ElringKlinger 也已將該解決方案推廣至全球多條量產生產線。
