Methodische Bewertung und Auswahl eines zerstörungsfreien Prüfverfahrens für Batterieseparatoren

Ziel der vorliegenden Arbeit ist die methodische Auswahl eines Verfahrens zur zerstörungsfreien Prüfung von Batterieseparatoren. Die Grundlage hierfür bildet die Analyse auftretender Defektarten, sowie eine Recherche relevanter Eigenschaften und Anforderungen an das Material. Ferner müssen Rahmenbedingungen aus der Herstellung, wie die Produktionsgeschwindigkeit oder physische Gegebenheiten, im Hinblick auf ein mögliches Prüfverfahren betrachtet werden. Basierend auf dieser Grundlage wird aus der Gesamtheit der zerstörungsfreien Prüfverfahren mittels paarweisen Vergleichs eine fundierte Auswahl getätigt. Die daraus resultierende optische Inspektionsprüfung bildet anschließend die Ausgangssituation für eine weitere Auswahl innerhalb der Bildverarbeitungskette. Ein wichtiger Schritt zur Fehlerklassifizierung bildet die Segmentierung, welche für die spätere Zuordnung irrelevante Bildbereiche von den Fehlerbereichen abtrennt. Auf Basis eines eigenständig entwickelten Testalgorithmus werden drei unterschiedliche Verfahren der pixelorientierten Segmentierung auf die Qualität in Bezug auf den vorliegenden Anwendungsfall mittels der Software Matlab geprüft und validiert. Durch Auswertung der Differenz zwischen einer für den spezifischen Fehler optimalen Fehlerfläche und der durch die Algorithmen berechneten Fehlerfläche, lässt sich schlussfolgern, dass das Verfahren nach Nobuyuki Otsu die zuverlässigsten Ergebnisse erzielt. Der zur automatischen Fehlerklassifizierung benötigte Algorithmus stellt die dritte Ausgangssituation für eine Bewertung unterschiedlicher Verfahren nach grundlegender, literaturgestützter Recherche, dar. Mittels Analytic-Hierachy-Process, einem mathematischen Auswahlverfahren, werden unterschiedliche Methoden und Algorithmen aus dem Bereich des überwachten Lernens aus einer Untergruppe der künstlichen Intelligenz ausgewählt. Um die Forderungen und Ansprüche der Industrie zu bedienen wurde ein Entscheidungsbaum implementiert. Eine Validierung des Klassifikators, durchgeführt durch eine weitere Arbeitsgruppe, erbrachte eine Genauigkeit von über 93.00 %, womit der Algorithmus alle Anforderungen erfüllt und somit für den Anwendungsfall geeignet ist. Die Methodik der Qualitätsbestimmung eines Klassifikators bedient sich einer Konfusionsmatrix mit anschließender analytischer Kennzahlenauswertung.