welding-2819144_1920 1.png

모니텍

AI기반 EV 배터리 용접 품질 모니터링 시스템

개발기간

7개월

투입인력

전문가 4명

개요

신소재 용접, 초소형-초정밀 제품의 증가, 친환경 및 에너지 절약 용접 공정에 대한 수요 증가에 따라 다양한 용접 방법의 품질 정보에 대한 요구가 증가하고 있습니다. 모니텍 팀은 특히 전기차 시장의 급성장과 더불어 수요가 급증하고 있는 리튬이온 배터리의 레이저 용접 품질 확보를 위한 고정밀 용접 모니터링 시스템을 구축하기 위해 AI 기술 개발 및 적용을 의뢰하였습니다.

서비스

용접 품질 모니터링

AI 알고리즘 개발

대시보드/시각화

흰육각형.png

1

흰육각형.png

2

흰육각형.png

3

흰육각형.png

4

흰육각형.png

5

데이터수집 및

모델링

API기반 통합 시스템

유지보수

기술적 과제

레이저/초음파 용접 모니터링 시스템은 다양한 파워소스에서의 정확하고 지속적인 품질 판단 결과를 제공해야 합니다.

품질분석결과의 신뢰성 확보

기존 용접 품질 모니터링에 대한 모니텍 팀의 노하우와 UV, IR, 빛, 고속 열화상 등 다양한 센서 데이터에 대한 엘렉시의 Confusion Matrix 분석을 결합하여 딥러닝 기반의 모델링을 통해 높은 결함 감지 정밀도를 확보하고 오경보를 최소화합니다.

Group 111.png

다중센서 호환성 확보

딥러닝 기술을 적용하여 멀티 센서 (광센서+고속열화상센서, 비전+열화상 센서 등) 기반으로 구성된 기존 품질 모니터링 시스템의 통계 및 파장 데이터 기반 분석의 한계를 극복합니다.

플랫폼 확장성 확보

용접 방식 (아크, 스폿, 초음파, 레이저 등)에 따른 인공지능 모듈 및 상호 운용성을 위한 RestAPI를 제공합니다.

로드맵

M+1 / M+2

  • 시계열 데이터 모델링

M+5 / M+6

  • 플랫폼 시스템 구축

small3.png
small1.png
small2.png
small4.png

M

  • Philo-AD 설치

M+3 / M+4

  • 모델 검증

  • 이상행위 시각화

  • 보안위험행위 적응학습

​주요 기능

  • 최적화된 계측 시스템의 UV/IR 신호에서 용접 품질 판단에 활용 가능한 패턴 모니터링

  • 소재/공정 등의 공정변수 변화에 따른 비정상적 용접결과 검출

  • 용접 모니터링 시스템을 활용한 공정시각화로 용접공정 향상에 활용 가능

  • 인공지능 용접품질 판단 알고리즘과 레퍼런스 조정을 통한 정상/비정상 용접품질판단

  • 양산라인 레이저 용접 실시간 용접품질 판단/관리

Group 134.png

결과

용접 결과 재현율(recall) 90% 이상

배터리 생산공정 BMA 라인 리드용접 공정 적용 결과 재현율 99% 달성

용접결과 데이터 수신 후 3초 이내 판단

양상공정 적용결과, 데이터 계측 후, 품질모니터링 결과 도출 시까지 1초 이내의 시간 소요

API 연동

전기자동차 배터리 레이저용접품질 모니터링 시스템에서 AI 용접품질 판단 모듈 모두 정상적으로 작동 API 100%

시각화를 통한 빠른 용접판단결과 파악

Group 123.png
Group 124.png