Beckhoff Automation Co., Ltd.

  ​ 통합 데이터 분석 도구로 완벽한 점 용접 보장 Beckhoff 기술로 모니터링되는 Vitesco의 생산 시설에서 용접된 접점이 있는 인버터는 전기 자동차 파워트레인의 핵심 부품이다. © Beckhoff 저항 용접은 안정적인 연결을 위해 극도로 높은 전류와 최소한의 움직임을 제어하고 모니터링해야 하는 극한의 전쟁터이다. 뉘른베르크에 위치한 Vitesco Technologies는 하이브리드 차량용 인버터 생산 프로세스에서 이러한 중요한 파라미터를 원활하게 제어하기 위해 Beckhoff의 TwinCAT Analytics를 사용하고 있다. ​ 연소, 하이브리드, 전기 파워트레인을 위한 시스템 솔루션 및 부품 공급업체인 Vitesco Technologies는 제조된 부품에 대해 최고 수준의 품질과 신뢰성을 요구한다. Vitesco Technologies의 FF2 산업 엔지니어링 책임자인 Eduard Fackelmann은 다음과 같이 강조한다. "이것이 바로 저항 용접 시스템의 지속적인 모니터링이 중요한 이유입니다" 각각 여러 개의 용접 스테이션이 장착된 두 개의 시스템은 인버터당 서로 다른 수의 핀을 용접하는 데에 사용된다. 이는 제품 변형에 따라 최대 30개의 연결에 해당할 수 있으며, 구리 버스바를 정밀하게 정렬하고 부드럽고 균일하게 압축해야 한다. 그런 다음 버스바는 두 전극에 접촉하여 최대 7,000A의 고전류와 그에 따라 상당한 수준의 열이 축적되는 과정을 통해 표면에 용접된다. 용접 과정에서 발생하는 약간의 압력으로 인해 용접 건이 핀 유형에 따라 400~800 µm 정도 미세하게 움직인다. ​ 용접 프로세스 중 용접 접점의 전류 강도와 움직임 특성은 핵심 품질 파라미터이다. 예를 들어 측정된 용접 경로가 특정 한도를 초과하면 전극의 마모가 너무 커서 교체가 필요하다는 것을 나타낼 수 있다. Eduard Fackelmann은 프로젝트의 목표를 요약하며 다음과 같이 설명한다. "주요 아이디어는 이러한 주요 지표를 온라인으로 모

  전문 지식 없이도 업계에서 손쉽게 AI 활용하기 TwinCAT Machine Learning Creator는 AI 모델 학습을 자동화하고 산업 어플리케이션에 간편하게 사용할 수 있도록 지원한다. © Beckhoff 인공지능(AI)은 매우 범용적이면서 동시에 프로세스 자동화를 위한 성공적인 기술이다. 지금까지 가능했던 기존 알고리즘에 기반한 자동화의 한계를 뛰어넘을 수 있다. 그럼에도 불구하고 AI의 장점은 AI 전문 지식 없이도 해당 AI 모델을 쉽게 사용할 수 있어야만 산업 어플리케이션에서 확립될 것이다. 바로 이것이 Beckhoff가 TwinCAT Machine Learning Creator 소프트웨어를 개발하게 된 계기이다. ​ 기존의 알고리즘 기반 자동화는 일련의 규칙과 같이 상당히 엄격한 구조에 의존한다. 상황 A가 발생하면 B로 대응하여 원하는 결과 C를 얻는다. 즉, 정의된 상황에서 원하는 결과까지의 경로를 미리 예측한 다음 구현하는 것이다. 반면 AI 기반 방식은 예제를 사용하여 상황부터 결과까지의 경로를 자동으로 학습하므로 사람이 명시적으로 생각하고 알고리즘으로 옮길 필요가 없다. 산업 환경에는 수많은 잠재적 AI 어플리케이션이 존재하며, 현재 AI 기반 외관 검사가 가장 선두에 있다. 여기에는 제조 제품의 최종 라인 검사, 품질 또는 기타 속성 등급으로 분류하는 작업(주로 천연 제품), 광학 프로세스 모니터링 및 분류 등이 포함된다. 이 광범위한 어플리케이션 분야의 구체적인 예는 다음과 같다. ​ – 모양 및 표면 품질과 관련하여 금속 본체의 최종 검사 수행 – 과일, 목재 표면, 양모와 같은 천연 제품을 다양한 품질 등급으로 분류 – 재활용을 위한 폐기물 분류 – 프로세스 구역 모니터링 (예: 레이저 용접 중) – 특정 객체를 찾고 파악하도록 설계된 시각적 위치 파악 작업 처리 이러한 작업을 처리하는 AI 기반 방법은 적절하게 학습된 경우 학습된 알고리즘이 입력 데이터의 변화에 매우 탄력적이라는 점에서 뛰어난 특성