Korišćenje veštačke inteligencije za precizno pozicioniranje tačaka zavarivanja

27.07.2026

Veliki dobavljači za automobilsku industriju Schaeffler i ElringKlinger žele da bitno ubrzaju obavljanje laserskog tačkastog zavarivanja precizno pozicioniranih tačaka zavarivanja. Veštačka inteligencija nudi brz put do veće efikasnosti.

Slika 1. Zahtevni sistemi za povezivanje ćelija zahtevaju do 50 mm precizno nameštenih tačaka zavarivanja.

Daniel Veler (Weller) je stručnjak za tehnologije spajanja za nemačkog automobilskog dobavljača Elring-Klinger. Razvija postupke spajanja na području tehnologije baterija. U slučaju zavarivanja sistema za povezivanje ćelija (CCS) za električna vozila on i njegovi saradnici se suočavaju s nizom izazova. Pored želje za većom brzinom pojavljuje se takođe pitanje kako uzimati u obzir široku paletu varijanti proizvoda u vezi sa strategijom bez grešaka. Komponente o kojima je reč su duge do dva metra i uključuju više od 50 tačaka zavarivanja. „Naš zadatak je da razvijemo stabilan proizvodni proces koji obezbeđuje konzistentan nivo kvaliteta s kratkim vremenima ciklusa“, objašnjava Veler. Donedavno, otkrivanje ispravnog položaja zavarivanja u stvarnim uslovima proizvodnje zahtevalo je mnogo znanja i neke genijalne trikove za rešavanje problema: promene svetlosnih uslova, refleksije, prah i manja odstupanja u geometriji. Veler podseća: „Naravno, dobro smo prošli s prethodnim rešenjem, ali rešenje EasiModel AI kompanije TRUMPF, koje podržava veštačka inteligencija sada znatno ubrzava otkrivanje tačaka zavarivanja, a time i razvoj čitavog procesa“.

Za učenje je dovoljno nekoliko slika

Veler uz pomoć rešenja za obradu slika VisionLine Detect kompanije TRUMPF snimi nekoliko slika komponente za učenje i prenosi ih u oblak veštačke inteligencije. Zatim na slikama označava relevantna područja. Već posle nekoliko fotografija model veštačke inteligencije je sposoban da precizno razlikuje relevantna od nerelevantnih područja slike, binarizuje relevantna (percipirani deo se prikaže u beloj boji, a područja oko njega u crnoj boji) i pouzdano prepozna rub predela, i kod kratkih vremena ciklusa. Za Velera i Elring-Klingera to znači veliko veću efikasnost kod uočavanja karakteristika: „Za postizanje dobrih rezultata nije potrebno više dana nego samo sati“. Jednako impresivni su precizni, ponovljivi rezultati u okruženju masovne proizvodnje, zajedno sa činjenicom da za upravljanje EasyModel AI nije potrebno nikakvo programersko znanje. „Sistem deluje po principu ’što vidiš, to dobiješ‘ – intuitivan je, brz i bez kodiranja“.

 Dr. inž. Daniel Veler (Weller), ElringKlinger AG

Učenje na radnom mestu

Nemački dobavljač za automobilsku industriju Schaeffler isto tako koristi EasyModel AI za ubrzanje razvoja novih procesa i povećanje proizvodne sposobnosti. Aleksandar (Alexander) Fast radi u kompaniji u Bihelu, gde razvija napredne postupke laserskog zavarivana bakra kod izrade elektromotora. „Kod laserskog zavarivanja bakrene žice za namotaje statora elektromotora“, objašnjava, „problem je u tome da će svako odstupanje u položaju komponenti koje treba da se spoje – uključujući i razliku u visini, bočno odstupanje ili nastanak praznine – uticati na sposobnost opreme da pravilno uoči komponentu i obavi zavarivanje. A tu govorimo o bilo čemu od 20 do više stotina tačaka zavarivanje, zavisno od vrste komponente“. Konvencionalni sistemi percepcije, koji koriste sive slike, imaju pritom teškoće.

„S obzirom na preciznost i pouzdanost, AI filter je pri određivanju položaja zavarivanja – i u pogledu razlika u osobinama komponenti i promenljivim uslovima okruženja – daleko bolji od bilo čega drugog trenutno na tržištu“, kaže Fast. „Njegovo uvođenje nam je omogućilo znatno poboljšanje percepcije komponenti – što pokazuje rezultat u prvom prelazu, koji prevazilazi 99 odsto“. Pored toga sistem može da statistički analizira podatke, što znači da „treba ponovno označiti samo vrednosti sa znatnim odstupanjem, čime se uštedi dragoceno razvojno vreme“.

Aleksandar (Alexander) Fast, Schaeffler AG

EasyModel AI se sada koristi u proizvodnji u kompaniji Schaeffler u čitavom svetu. Kompanija ElringKlinger je u okviru istog projekta AI filter uvela u dva dodatna proizvodna pogona, pored svog pogona za buduće tehnologije u Nojfenu.

Za zavarivanje kontakata statorskih namotaja od pravougaonih bakrenih profila EasyModel AI brzo i precizno otkriva na stotine tačaka zavarivanja u okviru masovne proizvodnje.

Izvor: www.trumpf.com