EconomicReview – Penyederhanaan, fleksibilitas, dan efisiensi dibutuhkan dalam manufaktur otomotif, termasuk di sektor baterai dan kendaraan listrik unggulan. Hal ini terkait dengan meningkatnya minat konsumen terhadap kendaraan Listrik.
Studi PwC mengungkapkan bahwa lebih dari 60% konsumen berencana untuk membeli kendaraan listrik dalam lima tahun mendatang. Konsumen di Indonesia termasuk di antara mereka yang tertarik dengan kendaraan listrik.
Dengan populasi kelas menengah dan urbanisasi yang tinggi, Indonesia menjadi salah satu pemain kunci di pasar kendaraan listrik di wilayah Asia Pasifik, karena pemerintah Indonesia menerapkan berbagai kebijakan dan insentif untuk mendorong pengadopsian kendaraan listrik.
Di bidang mobilitas listrik, baik membangun pabrik baru atau mengintegrasikan solusi ke dalam pabrik yang sudah berjalan. Produsen mobil biasanya tidak ingin menemui kendala yang disebabkan oleh banyaknya hardware dan software dari berbagai pemasok yang menjadi kendala dalam interoperabilitas, biaya, dan kerumitan dalam perawatan.
Karena itu, produsen mobil dan manufaktur baterai listrik akan lebih mudah memanfaatkan teknologi machine vision, deep learning, dan sensor 3D untuk mengecek keseragaman coating permukaan. Mendeteksi kerusakan dalam sel, membaca barcode dan nomor seri, guna memastikan konsistensi dan kualitas saat merakit bagian-bagian baterai menggunakan robot yang dipandu oleh teknologi vision.
Penggunaan dan Pengadaan Saat ini
Software deep learning machine vision, teknologi 3D, dan robot yang dipandu teknologi vision, akan membuka tingkatan baru inspeksi visual untuk mendapatkan kualitas, keamanan, dan kepatuhan di semua proses produksi baterai listrik. Sebanyak 30% pemimpin perusahaan manufaktur yang disurvei di Asia Pasifik saat ini menggunakan beberapa bentuk AI seperti deep learning di dalam proyek-proyek machine vision mereka, menurut laporan Zebra ini.
Terdapat sejumlah cara yang dijalankan oleh para produsen dalam mendapatkan solusi machine vision untuk pabrik yang sudah ada maupun pabrik baru. Pemilihan yang dilakukan di site level dengan persetujuan di tingkat korporat, dan pemilihan dan persetujuan yang dilakukan di site level, adalah dua pendekatan utama. Fokus pada site level memiliki keuntungannya tersendiri namun bisa menyisakan ruang untuk variasi yang kurang diminati, di mana lokasi-lokasi yang berbeda menggunakan solusi machine vision yang berbeda untuk alur kerja yang sama, namun dengan keahlian dan data yang tidak merata di site-site tersebut.
Software machine vision terkini sudah dilengkapi dengan tool deep learning yang dibutuhkan untuk melakukan inspeksi di tingkat yang lebih tinggi dan mampu menangani berbagai use case yang lebih kompleks dengan lebih baik. Jaringan neural deep learning (terutama convolutional neural networks) adalah AI tools canggih dan kuat yang meniru otak manusia.
Penggunaan dan Benefit 3D
Sistem 3D vision bisa merekonstruksi layout spasial objek-objek di dalam baterai listrik, termasuk bentuk, ukuran, posisi, dan orientasi objek tersebut dalam ruang 3 dimensi. Sistem ini bisa memberikan data rinci dan akurat yang bisa digunakan oleh proses inspeksi 3D untuk melakukan pemeriksaan menyeluruh dan presisi terhadap sel, solder beads, yang digunakan untuk merakit sel, tab, dan konektor, serta adhesive beads untuk perakitan cell stack. Selain itu, 3D scanning bisa dilakukan menggunakan salah satu dari beberapa teknik yang tersedia seperti pemindaian laser (laser scanning) dan pemindaian cahaya yang terstruktur (structured light scanning).
3D Tool untuk Machine Vision
3D profile sensor sangat penting untuk tugas-tugas machine vision seperti quality control dan inspeksi. 3D profile sensor juga memperluas kemampuan sistem machine vision. Ia akan memperkuat depth perception dan meningkatkan quality control dengan data set 3D yang besar, yang dibutuhkan oleh software machine vision modern dengan kelengkapan 3D tool untuk memproses dan menganalisis 3D point cloud data.
Tool tersebut meliputi 3D surface matcher untuk menemukan dan memperkirakan pose kemunculan surface model di point cloud, dan 3D shape finder untuk menemukan dan mengkarakterisasi bentuk silinder, (hemi)spheres, bidang persegi panjang, dan kotak di point cloud.
Tool lain adalah 3D blob analysis untuk mengelompokan suatu point cloud menjadi blob dan menghitung karakteristiknya, serta pengukuran 3D untuk menemukan transisi dalam profil yang diambil dari peta kedalaman (depth maps) dan menghitung metrik di dan dari itu semua. 3D metrology bisa digunakan untuk menghitung jarak, statistik, dan volume dalam point cloud.
(Eric Ananda, Country Lead Indonesia, Zebra Technologies)
