Fachartikel
Kameras
Probleme gemeinsam lösen
Intelligente Kameras von Cognex bieten eine Vielzahl von Vorteilen in der Smart Factory von Schneider Electric in Plovdiv und ermöglichen ein fruchtbares Partner-Ökosystem.
Der anhaltende Trend zur Miniaturisierung elektronischer Komponenten ermöglicht es Herstellern wie Schneider Electric, kleinere, leichtere, schnellere und effizientere Geräte und Systeme zu fertigen. In der Smart Factory des Unternehmens in Plovdiv, Bulgarien, spielen die kleinsten Komponenten oft eine große Rolle bei der Bestimmung der Effektivität und Qualität von mehr als vier Millionen Produkten pro Monat.
Miniaturisierte elektrische Komponenten bringen jedoch Herausforderungen bei der Herstellung mit sich. So kann beispielsweise das Löten ein sehr komplizierter Prozess sein, der große Präzision erfordert. Der Prozess wird noch komplexer, wenn man die vielfältigen Bedingungen – von der Temperatur bis zur ungenauen Platzierung der Bauteile - berücksichtigt, die die endgültige Qualität einer Lötstelle in einem elektronischen Gerät beeinflussen können. Letztendlich können Lötfehler wie Risse, Hohlräume oder schwache Verbindungen die Leistung eines Produkts beeinträchtigen, was letztlich zu unzufriedenen Kunden führt.
Um dies zu verhindern, beobachten, messen und bewerten Hersteller die eingesetzten Lötmittel und identifizieren Fehler dadurch zuverlässig. Üblicherweise arbeiten Lötinspektionssysteme mit hochauflösenden Kameras und industrieller Bildverarbeitung, um Elektronikkomponenten zu überprüfen, so dass die Hersteller die Bereiche um Lötstellen herum untersuchen und die Qualität sicherstellen können.
Laut Martin Yordanov, Leiter des Bereichs Verfahren und Wartung im Schneider Electric-Werk Plovdiv, stellte diese Art der Inspektion im Werk Plovdiv mit herkömmlichen Bildverarbeitungssystemen jedoch eine Herausforderung dar. Bei der Suche nach einem Partner zur Verbesserung des Lötinspektionsprozesses wandte er sich an Exchange, das Partner-Ökosystem von Schneider Electric.
„Über Exchange kommunizieren wir mit unseren Partnern auf sehr zuverlässige und effektive Weise. Wir tauschen Ideen und bewährte Verfahren in unserem Bereich aus“, erläutert Martin Yordanov. „Wir haben uns für die Zusammenarbeit mit Cognex entschieden, weil sich die langjährige Partnerschaft bewährt hat“, fügt er hinzu.
Zentrale Lösung
Eine der größten Herausforderungen im Werk Plovdiv war laut Yordanov die Automatisierung. „Cognex konnte Lösungen entwickeln, die für EcoStruxure-Anwendungen geeignet sind und so im Werk Plovdiv eine effektive Produktion sicherstellen“, sagt Martin Yordanov.
Da sich die Smart-Kameras von Cognex in eine Vielzahl von Industrieprotokollen einbetten lassen, können sie laut Christophe Denis, Global Account Manager bei Cognex, mit jeder Art von SPS oder externen Systemen kommunizieren. „Bildverarbeitungssysteme von Cognex sind sehr vielseitige Werkzeuge, die wir in jede Automatisierungsumgebung integrieren können.“
Yordanov ergänzt: „Mit Hilfe der Systeme von Cognex konnten wir unseren Prozess weiterentwickeln, um qualitativ hochwertigere Produkte herzustellen.“, sagt. Als Beispiel nennt er die intelligente Kamera In-Sight D900 von Cognex mit integrierter Deep-Learning-Technologie, die dazu beigetragen hat, das Management des Lötprozesses im Werk Plovdiv zu verbessern.
„Die gesamte Intelligenz ist in die Kamera eingebettet, was bedeutet, dass sie keinen externen Computer oder Controller benötigt, um mit dem System zu arbeiten“, sagt Denis. „Dabei ermöglicht Deep-Learning-Technologie Anwendern die Kombination von künstlicher Intelligenz mit einer umfassenden Palette herkömmlicher Bildverarbeitungsalgorithmen.“
Durch mehr Transparenz der Produktionslinien und die Automatisierung des Inspektionsprozesses stieg die Kundenzufriedenheit in Bezug auf die fertigen Produkte. Zudem konnte der Ausschuss während des gesamten Herstellungsprozesses erheblich reduziert werden, betont Martin Yordanov. „Wir gehen davon aus, dass wir jedes Jahr 40 000 Euro einsparen werden. Zudem haben wir unseren Ausschuss auf ein vernachlässigbares Niveau gesenkt“, so Yordanov. „Dank der soliden Partnerschaft zwischen Cognex und Schneider Electric wird sich die Investition in weniger als 2 Jahren amortisieren.“
Effektive Zusammenarbeit
Wie bei vielen anderen Anwendungsfällen arbeitete Cognex auch bei dem Projekt in Plovdiv mit einem lokalen Systemintegrator-Partner zusammen. „Das ist eine der Stärken von Cognex: Wir haben weltweit mehr als 400 zertifizierte Partner, die unsere Lösungen integrieren und unseren Kunden vor Ort Dienstleistungen anbieten“, betont Denis. Der Einsatz der Cognex-Lösungen in den Schneider-Werken zeugt laut Denis von einem hohen Maß an Vertrauen zwischen Schneider Electric und seinen Technologiepartnern.
Was die weitere Entwicklung dieser Partnerschaft betrifft, so sieht er zwei Schwerpunkte der gemeinsamen Innovation und Entwicklung: „Einerseits wollen wir die globalen Partnerschaften mit den Herstellern weiterentwickeln, die wir vor Jahren begonnen haben.“ Denis verweist hier auf den zunehmenden Einsatz von Deep Learning und KI, um Inspektion- und Rückverfolgbarkeits-Lösungen voranzutreiben.
Als zweiten Schwerpunkt sieht Denis die Entwicklung gemeinsamer Lösungen mit Schneider Electric. „Wir bei Cognex verfügen über ein umfangreiches Fachwissen im Bereich der industriellen Bildverarbeitung, Schneider Electric im Bereich der Datenanalyse von industriellen Prozessen. Aus diesem Grund gibt es ein großes Potenzial für eine erfolgreiche weitere Zusammenarbeit.“ Laut Denis erhöht die Verschmelzung verschiedener Lösungen und Fachkenntnisse zu einem gemeinsamen Ansatz den Mehrwert für Kunden.
Cognex bietet mehrere seiner Lösungen auf der Plattform Schneider Electric Exchange an und wird in Kürze weitere hinzufügen, darunter das im April 2022 vorgestellte Bildverarbeitungssystem In-Sight 2800. „Dieses neue Produkt beinhaltet ebenfalls Deep-Learning-Technologie, allerdings auf andere Weise. Es ist einfacher zu bedienen und zu implementieren und erfordert keine speziellen Kenntnisse, um es einzurichten, so dass jeder Benutzer von den integrierten Deep Learning-Möglichkeiten profitieren kann“, verdeutlicht Denis.