促進電動車的負擔能力：AI 和機器視覺如何降低成本
電動車（EV）已十分普及。越來越多的製造商致力於減少車輛排放量、實現碳中和，並在產品陣容中導入更多電動車（EV）。
消費者對電動車的需求也在成長，受到政府獎勵的刺激，例如減稅、國內製造投資，以及設定新電動車銷售增加的目標。但大量電動車採用的道路很漫長；根據路透社的統計，在美國 2.5 億輛商用車輛中，不到 1% 是電動車，每年只售出 1700 萬輛新車。
高昂價格標籤衝擊成長
消費者最大的障礙之一是價格標籤。電動車的維護和燃料成本可能低於汽油動力車輛，但電動車的前置成本仍然會讓車主退卻，儘管有著如《降低通膨法案》包含的退稅和其他獎勵。
雖然電動車的平均交易價格（ATP）下降，但價格仍然比配備內燃引擎（ICE）的車輛貴。去年年底，Kelly Blue Book 估計新電動車的 ATP 為 61,448 美元，比內燃機為 45,578 美元的非豪華車款高出約 34%。
Ford Motor Co. 執行長 Jim Farley 表示，此趨勢會繼續延續到 2030 年。在 2023 年 5 月的投資者大會上，Farley 表示，在十年後期推出第二代和第三代車型之前，電動車價格預計不會降低。
逐底競爭：電池價格越低，市占率越高
電動車的高成本阻礙了大眾普遍接受的意願，最終限縮了市場上的車輛和電池數量。隨著國家刺激電動車採購和製造競爭愈發激烈，電動車製造商和供應商將有動力降低成本並讓消費者享有更低的價格。舉例來說，根據《投資者商業日報》的報導，Tesla 5 月就曾針對特定車型降價高達 2,800 美元，以取得更多市占率。
「這非常簡單，」Tesla 執行長 Elon Musk 在 5 月份的年度會議中說：「我們看到需求為何，然後調整定價以滿足需求。」
電動車的兩個重要成本中心是電池和人工。根據路透社報導，鋰離子電池組占電動車價格的 50%，需要昂貴、稀有的材料，例如鈷、鎳和鋰。Forbes 報導，這些金屬的價格常會波動，並會受到主要電動車和金屬生產國的政策變化影響。
金融服務公司 Morningstar 預計，隨著電動車需求成長鋰價格將一直上漲至 2030 年，而新的鋰生產商，就像任何大規模營運一樣，通常會面臨延誤的風險。
談到人工成本，此意見更加明確。Ford 的 Farley 預計，電動車將更容易使用更符合成本效益的材料製造和組裝小型電池，進而降低 2030 年至 2035 年的人工成本。
轉向成本節省
電動車製造商和電池供應商必須降低成本。一些降低成本最可行的方法就是將複雜、耗時的電動車電池檢測和人工流程自動化。
機器視覺和 AI 對於製造自動化、提高效率、品管和降低成本至關重要。機器視覺利用攝影機和感測器擷取和分析視覺資料，而 AI 則是解讀這些資料，以解決複雜、具挑戰性的檢測問題。
將可接受的缺陷從真正的缺陷區分出來
這些技術可減少檢測時間、降低報廢率和找出細微缺陷，以降低電動車電池成本，保障電池品質和效率。
找出缺陷對電動車電池的安全性和性能至關重要。缺陷偵測是不可或缺的功能，但許多流程都很耗時、需要密集資源，且不可靠。將外觀缺陷歸類為功能缺陷會是要付出高昂代價的錯誤；代表可能會浪費昂貴、稀有的金屬和元素。
為了盡量減少浪費和重工，康耐視利用先進的演算法和影像分析軟體，在電動車電池生產過程中將真正的缺陷與表面缺陷區分開來。使用者可透過深度學習技術，轉寫視覺系統程式以偵測瑕疵、判斷缺陷是否在可接受的變化範圍內，並在考量反光表面等變化時標記不可接受的缺陷。
電池焊接評估
檢測 EV 電池焊縫對於 EV 結構完整性和性能至關重要。由於外觀幾乎相同，因此使用傳統視覺系統幾乎不可能區分塗裝與功能上的變化。
康耐視軟體會定位檢測區域，而三維感測器則會檢測焊接邊緣和角落，確保完全密封且無缺陷。深度學習的缺陷探測與分類工具使用許多不同的焊接連接變化進行訓練，並學習將功能性與外觀缺陷精準地分類和區分。
電池芯、軟包裝和汽缸表面檢測
徹底的表面檢測對於消除可能影響電池性能的缺陷、污染物和異常情況至關重要。機器視覺系統可偵測刮痕、凹痕或異物等瑕疵，改善電動車電池的整體品質。
電極塗層檢測
電極塗層的均勻性和品質對電動車電池性能有很大的影響。精密的機器視覺解決方案可檢測電極塗層，找出不一致或缺陷。如此可確保塗層厚度和品質一致，提升電池性能和壽命。
康耐視工業線掃描攝影機最適合用於「紋理」表面檢測，確保薄膜基材會均勻鍍上銅或鋁。
利用機器視覺和 AI 解決方案對電動車製造商來說至關重要，以處理挑戰並改善效率和生產品質。採用這些技術後，製造商即可降低成本、提高生產力並加速電動車的採用。
如需在電動車製造中實作機器視覺和 AI 的詳細資訊，請下載下方的電動車解決方案指南。
技術白皮書_電動車解決方案指南Electric Vehicles Solution_TW
