Solución de software personalizada

¡Personalice su software! ZEISS ZEN core puede ampliarse utilizando el entorno de macros propio del software (OAD - Open Application Development) y Python. La biblioteca ZEN para el análisis y control avanzados del software está disponible de forma gratuita en github.com. Esto significa que puede resolver incluso las tareas de análisis más complejas utilizando código Open Source y su propia programación o como un servicio de ZEISS. Estaremos encantados de asesorarlo.

¿El software estándar no satisface todas sus necesidades? Le ofrecemos una solución de software personalizada para análisis complejos de imágenes adaptada exactamente a sus requisitos y deseos.

• Control y carga de robots
• Conexión a software externo
• Análisis en segundo plano
• Integración en flujos de trabajo exhaustivos
• Control de sistemas externos e iluminación

Smith & Nephew es una empresa británica internacional que fabrica dispositivos médicos y productos innovadores para el cuidado de heridas y la artroscopia, la traumatología y la terapia clínica, así como la reconstrucción ortopédica.

Situación
Smith & Nephew buscaba un software para evaluar el grosor de las capas y la porosidad de los revestimientos de los implantes médicos conforme a la norma ASTM F1854. Las soluciones estándar ZEISS ZEN core sólo podían lograr resultados hasta cierto punto y no cumplían plenamente los requisitos.

Nuestra solución
ZEISS ha abordado el problema y ha desarrollado una solución de software personalizada para la empresa. Con la ampliación del software ZEISS ZEN core con un módulo personalizado para la detección del grosor del revestimiento basada en IA y la medición de la porosidad en un flujo de trabajo automatizado y un informe definido por el usuario, se pudieron satisfacer todas las necesidades y requisitos de Smith & Nephew.

Ventajas

• La automatización mediante IA permite aumentar la productividad
• Se minimizan las influencias humanas

La electromovilidad está cada vez más extendida y centrada, y las baterías de iones de litio desempeñan un papel clave en la industria automotriz. No sólo son importantes la capacidad y la duración, sino sobre todo la seguridad de la batería. Para comprobar si la batería presenta defectos, las redes neuronales pueden ayudar con la detección automática de defectos a escala microscópica.

Como parte de un proyecto, la Universidad de Aalen ha examinado con más detalle una batería prismática de iones de litio (NMC) para vehículos eléctricos enchufables con ayuda de módulos de IA del paquete de software ZEN core. Se entrenó un modelo de IA para reconocer y evaluar la microestructura de la batería. Así pueden encontrarse defectos como grietas, torceduras, inclusiones, etc.

Los resultados de los análisis pueden ilustrarse mediante un mapa de calor que se muestra en esta imagen. Las coloraciones azules representan desviaciones menores o nulas de la estructura esperada. Cuanto mayor sea la proporción de rojo en esta visualización, más se desvía el resultado de la estructura aprendida y señala un defecto. Estos análisis pueden garantizar la seguridad y el cumplimiento normativo de calidad de la batería de iones de litio.¹