Soluzione software personalizzata

Personalizza il tuo software! ZEISS ZEN core può essere ampliato utilizzando l’ambiente macro del software (OAD - Open Application Development) e Python. La ZEN library per l’analisi avanzata e il controllo del software è disponibile gratuitamente su github.com. Ciò significa che è possibile risolvere anche le attività di analisi più complesse utilizzando il codice Open Source e la propria programmazione o come servizio di ZEISS. Saremo lieti di fornirti ulteriori consigli.

Il software standard non soddisfa tutte le tue esigenze? Ti offriamo una soluzione software personalizzata per l’analisi di immagini complesse, su misura per le tue esigenze o i tuoi desideri.

• Controllo del robot & caricamento del robot
• Collegamento al software esterno
• Analisi in esecuzione in background
• Integrazione in flussi di lavoro completi
• Controllo dei sistemi esterni e dell’illuminazione

Smith & Nephew è un’azienda internazionale britannica che produce dispositivi medici e prodotti innovativi per il trattamento delle ferite e l’artroscopia, per la traumatologia e la terapia clinica e per la ricostruzione ortopedica.

Situazione
Smith & Nephew cercava un software per valutare lo spessore dello strato e la porosità dei rivestimenti degli impianti medicali in conformità alla norma ASTM F1854. Le soluzioni standard ZEISS ZEN core potevano ottenere risultati solo fino a un certo punto e non soddisfacevano pienamente i requisiti.

La nostra soluzione
ZEISS ha affrontato il problema e ha sviluppato una soluzione software personalizzata per l’azienda. Con l’estensione del software ZEISS ZEN core con un modulo personalizzato per il rilevamento dello spessore del rivestimento basato sull’intelligenza artificiale e la misurazione della porosità in un flusso di lavoro automatizzato e un report definito dall’operatore, è stato possibile soddisfare tutte le esigenze e i requisiti di Smith & Nephew.

I vantaggi

• L’automazione attraverso l’IA consente un aumento della produttività
• Le influenze umane sono ridotte al minimo

L’elettromobilità si sta espandendo ed è al centro dell’attenzione, con le batterie agli ioni di litio che giocano un ruolo chiave nel settore automotive. Non solo la capacità e la longevità sono importanti, ma soprattutto la sicurezza della batteria deve essere garantita. Per verificare la presenza di difetti nella batteria, le reti neurali possono aiutare a rilevare automaticamente i difetti su scala microscopica.

Nell’ambito di un progetto, l’Università di Aalen ha esaminato in modo più approfondito una batteria prismatica agli ioni di litio (NMC) per veicoli elettrici plug-in con l’aiuto dei moduli AI della suite di software ZEN core. È stato addestrato un modello AI per riconoscere e valutare la microstruttura della batteria. In questo modo è possibile localizzare difetti come fessure, pieghe, inclusioni ecc.

I risultati delle analisi possono essere illustrati con una mappa di calore mostrata in questa immagine. Le colorazioni blu rappresentano deviazioni minime o nulle dalla struttura prevista. Più alta è la percentuale di rosso in questa visualizzazione, più il risultato si discosta dalla struttura appresa e segnala un difetto. Queste analisi possono garantire la sicurezza e la conformità agli standard di qualità della batteria agli ioni di litio^{. 1}