Top story

BMW halveert de sorteertijd van een buildjob dankzij AM-Vision

Positieve ervaringen met eerste sorteersysteen van AM-Flow

BMW halveert de tijd die het nodig heeft voor het uitpakken van een buildjob  van een van poederbed printers dankzij het AM-Vision systeem van AM-Flow. De tijdbesparing hangt wel af van de samenstelling van de buildjob, zoals het aantal verschillende producten en de geometrie. Met een groeiend aantal te printen onderdelen is automatische herkenning nodig om de kosten te reduceren.  

Dit zijn de eerste conclusies van een test die BMW doorvoert met het op AI gebaseerd herkenningssysteem van AM-Flow. Ze werden onlangs gepresenteerd tijdens Rapid.Tech 3D. Philipp Obst van BMW Group, dat in München een groot AM-centrum heeft, deelde tijdens de online conferentie veel details over de eerste ervaringen die de autofabrikant met het Nederlandse systeem heeft opgedaan.

Automatische herkenning nodig om in toekomst de kosten van additive manufacturing te drukken

BMW AM-campus
De AM-campus van BMW (foto BMW Group)

Waarom automatische herkenning nodig is

Volgens Philipp Obst heb je bij poedergebaseerde 3D printtechnieken zoals de HP MFJ printers of de SLS-printers, automatische identificatie features nodig omdat het handmatig sorteren teveel tijd kost. 40 procent van de tijd die nodig is voor identificatie, kwaliteitscontrole en verpakken, zit in het herkennen van de onderdelen. Met name bij het printen van prototypes levert dit een probleem op. “We mogen dan geen labels of nummers aanbrengen, omdat we niet aan het design van het prototype mogen komen. Dan moeten we dus echt handmatig sorteren en gebruiken medewerkers lijsten met kleine foto’s om de onderdelen te vergelijken”, zo schetste hij de werkwijze bij BMW. Die is eigenlijk overal bij 3D printbedrijven zo.

Herkenningspercentage

BMW Group in München is een van de eerste bètatesters van AM-Vision, het Nederlandse systeem dat gebruik maakt van kunstmatige intelligentie om beelden van de onderdelen te herkennen. Daartoe worden de opnamen van de 10 camera’s vergeleken met de gerenderde beelden van de 3D modellen. Het percentage goed herkende onderdelen loopt bij BMW uiteen van 80, tot 95 en soms 99 procent, afhankelijk van factoren als de geometrie en het aantal verschillende delen in een buildjob. “Het aantal foute signalen is laag”, zei Philipp Obst tijdens zijn presentatie op Rapid.Tech 3D. Het systeem is bovendien zelflerend. “Je kunt besluiten om de data te delen met AM-Flow als het geen prototypes met een hoge IP-bescherming betreft, dan neemt het herkenningspercentage nog verder toe.”

AM-Flow wint award AM Tech Forum AM-Flow heft de Customer Choice Innoation Award gewonnen tijdens de afsluiting van het AM Tech Forum, georganiseerd door de American Society of Mechanical Engineers.

AM-Flow heeft de lijn modules inmiddels verder uitgebreid, onder andere voor automatisch sorteren.

De tijdsbesparing bij het uitpakken

Dat betekent in de praktijk dat het uitpakken van een buildjob met daarin 17 onderdelen, het voorbeeld dat hij gaf, 8 minuten sneller gaat dan handmatig. Hoe groter het aantal, des te groter de tijdsbesparing. Philipp Obst: “Voor de grote Farsoon SLS printer hebben we alleen al drie tafels nodig om alle onderdelen te sorteren.” Het grote voordeel van het AI systeem is volgens Obst dat de mens aan de hand van een foto geen onderscheid kan maken tussen een groot en een klein onderdeel. Op de afbeelding zijn alle onderdelen even groot. Ook linker en rechteronderdelen zijn met het menselijk oog vaak lastig te onderscheiden. Hier staat wel tegenover dat het systeem moeite heeft op afwijkingen in het oppervlak, kleine verschillen bijvoorbeeld door debossing of embossing bemoeilijken de herkenning. BMW werkt samen met AM-Flow aan een oplossing om de herkenningsgraad van het AM-vision systeem bij hele kleine delen op te voeren.

In 3D Print magazine nr 3/2020 staat een uitgebreid artikel over de AM-campus van BMW in München.

Back to top button
Gratis e-mailnieuwsbrief en kwartaalmagazine

Gratis e-mailnieuwsbrief en kwartaalmagazine

Schrijf je hier in voor de wekelijkse e-mailnieuwsbrief. Je ontvangt dan tevens vier keer per jaar het magazine, digitaal of print. 

You have Successfully Subscribed!