Egyedi szoftveres megoldás

Testre szabhatja szoftverét! A ZEISS ZEN alapegysége a szoftver saját makrokörnyezetével (OAD – Open Application Development) és Python segítségével bővíthető. A ZEN könyvtár a s haladó szintű vizsgálatokhoz és a szoftver vezérléséhez szabadon elérhető a github.com oldalon. Ez azt jelenti, hogy a legösszetettebb elemzési feladatokat is megoldhatja akár nyílt forráskóddal és saját programozással, akár a ZEISS szolgáltatásaként. Szívesen adunk Önnek tanácsot ezzel kapcsolatban!

A standard szoftver nem felel meg minden igényének? Egyedi szoftveres megoldást kínálunk Önnek a komplex képelemzésekhez, amely pontosan az Ön igényeihez és követelményeihez igazodik.

• Robotvezérlés és robotos berakás
• Csatlakozás külső szoftverhez
• Háttérben futó elemzések
• Integráció átfogó munkafolyamatokba
• Külső rendszerek és világítás vezérlése

A Smith & Nephew egy brit nemzetközi vállalat, amely orvosi eszközöket és innovatív termékeket gyárt a sebellátás és az artroszkópia, a traumatológiai és a klinikai terápia, valamint az ortopédiai rekonstrukció területén.

Alaphelyzet
A Smith & Nephew szoftvert keresett az orvosi implantátumokon lévő bevonatok rétegvastagságának és porozitásának ASTM F1854 szerinti kiértékelésére. A normál ZEISS ZEN core megoldások csak egy bizonyos pontig tudtak eredményeket elérni, és nem feleltek meg teljes mértékben a követelményeknek.

Megoldásunk
A ZEISS megoldotta a problémát, és egyedi szoftvermegoldást fejlesztett ki a vállalat számára. A ZEISS ZEN core szoftverének a mesterségesintelligencia-alapú bevonatvastagság-érzékelés és porozitásmérés automatizált munkafolyamatban és felhasználó által megadott jegyzőkönyvvel valamint testreszabott moduljával történő bővítésével a Smith & Nephew minden igényét és követelményét ki lehetett elégíteni.

Az előnyök

• A mesterséges intelligencia révén történő automatizálás lehetővé teszi a termelékenység növelését
• Az emberi hatások minimalizálódnak

Az elektromobilitás egyre nagyobb teret nyer és egyre inkább a figyelem középpontjába kerül, a lítium-ion akkumulátorok pedig kulcsszerepet játszanak az autóiparban. Nemcsak a kapacitás és a hosszú élettartam a fontos, hanem mindenekelőtt az akkumulátor biztonságát kell garantálni. Az akkumulátorok hibaellenőrzéséhez a neurális hálózatok segíthetnek a mikroszkopikus szintű automatikus hibakeresésben.

Egy projekt keretében az Aaleni Egyetem a ZEN core szoftvercsomag MI moduljainak segítségével részletesebben megvizsgálta a plug-in elektromos járművekhez szánt prizmatikus lítium-ion akkumulátorokat (NMC). Az akkumulátor mikroszerkezetének felismerésére és kiértékelésére egy mesterségesintelligencia-modellt tanítottak be. Így az olyan hibák, mint a repedések, csomók, zárványok stb. lokalizálhatók.

Az elemzések eredményei az alábbi képen látható hőtérkép segítségével szemléltethetők. A kék elszíneződések kisebb vagy nem jelentős eltéréseket jelölnek az elvárt szerkezethez képest. Minél nagyobb a piros szín aránya ebben a megjelenítésben, annál inkább eltér az eredmény a tanult szerkezettől, és ez hibát jelez. Ezek az elemzések biztosíthatják a lítium-ion akkumulátor biztonságosságát és a minőségi szabványoknak való megfelelését.¹