LWM AI：基于人工智能的激光焊接缺陷分类
识别过程偏差、分类缺陷类型并预测焊缝特性
Laser Welding Monitor LWM AI 可对工业激光焊接过程进行在线实时监控。系统能够识别过程偏差，记录每一道焊缝的数据，并实现完整追溯。此外，LWM AI 采用经过训练的人工智能模型，对采集到的过程信号进行更深入的分析。
根据具体焊接过程和可用的训练数据，基于人工智能的评估能够对特定应用中的缺陷类型进行分类，并预测焊缝的物理特性。其中包括焊缝强度、熔深、接合面积、部件间隙和电阻等。
设备操作人员不仅可以获得 OK/NOK 评估结果，还能获得清晰、易于解读的质量数值以及有关潜在缺陷原因的信息。这有助于选择合适的返工方案、优化生产过程并减少批量生产中的废品。
LWM AI 以成熟可靠的 Laser Welding Monitor LWM 为基础，在传统过程监控功能之外增加了基于人工智能的缺陷分类和质量预测功能。
视频：电池生产中的 AI 质量评估
视频展示了 LWM AI 如何在电池单元激光焊接过程中实时分析过程数据、分类缺陷类型并预测焊缝的物理特性。
与传统过程监控相比，LWM AI 增加了哪些功能？
预测物理质量特性
LWM AI 将采集到的过程信号转化为特定应用的质量数值。根据具体过程和训练数据，可以实时预测焊缝强度、熔深、接合面积或电阻等特性。评估直接在线完成，无需额外的检测时间。
确保稳定评估并完整记录数据
在经过定义和训练的参数范围内，即使过程条件发生变化，LWM AI 也能够进行可靠评估。每一道焊缝的评估结果均会被记录，并可用于质量追溯、质量保证和过程优化。
LWM AI 实际应用：批量生产中的 AI 质量评估
电池连接焊接：实时预测焊缝特性
在电池连接焊接过程中，LWM AI 可以根据具体应用和训练数据实时预测重要的质量特性：
- 焊缝的最大承载能力或拉力
- 部件之间的间隙尺寸
- 熔深
设备操作人员可以直接获得易于解读的质量数值，而不必仅依靠复杂的信号曲线进行判断。由夹紧装置异常或部件位置变化等因素引起的潜在缺陷可以更快得到识别，从而有针对性地采取修正措施。
Hairpin 焊接：预测接合面积和电阻
LWM AI 可以实时预测 Hairpin 焊接过程中的重要质量特性：
- 焊缝接合面积
- 电阻
此外，人工智能还可以对潜在的缺陷类型进行分类，并识别激光功率不足或焦点位置错误等情况。由此，设备操作人员能够更加可靠地评估焊接不良，并制定适当的返工措施。
奥迪应用案例：用于方形电池单元的 AI 质量保证
Precitec 与奥迪合作，将 LWM AI 成功应用于方形电池单元的连接焊接，并实现批量生产。人工智能实时分析激光焊接过程，并预测拉力、部件间隙和熔深等质量特性。此外，系统还可以识别焦点位置和激光功率的偏差。
这有助于及早发现夹紧装置或物料搬运过程中出现的系统性问题。清晰的物理质量数值可以简化质量评估、支持有针对性的返工，并在减少废品的同时提高电池单元生产效率。
技术数据
- 基于人工智能对特定应用中的缺陷类型进行分类
- 实时预测多项物理质量特性
- 在线采集和分析数据，无需额外检测时间
- 自动进行 OK/NOK 评估并识别缺陷类型
- 适用于红外、蓝光和绿光固体激光器
- 适用于连续波和脉冲激光过程
- 典型应用：消费电子以及电动汽车电池和定子的生产
我们需要您的同意才能加载表格！
我们使用 Marketing Cloud Account Engagement (Pardot) 表单嵌入可能收集有关您的活动的数据的内容。请查看详细信息并单击 Pardot 框以接受服务并查看内容。
您有问题或希望获得报价？欢迎联系我们。
