Kỹ thuật in

Nghiên cứu của BMW khám phá giá trị của AI để nhận dạng bộ phận AM tự động trong ô tô

Với thời gian tham gia thị trường trong ngành công nghiệp ô tô giảm dần, nhu cầu về các thành phần tạo mẫu được sản xuất bằng phụ gia đang cao hơn bao giờ hết. Tuy nhiên, để làm cho khối lượng in 3D lớn hơn trở nên hữu hình, chuỗi quy trình vẫn cần được tối ưu hóa và phát triển hơn nữa về số lượng đầu ra, tốc độ sản xuất và khả năng kinh tế, theo một nghiên cứu mới của hãng ô tô đa quốc gia Đức BMW .

Nhận thấy nhu cầu tối ưu hóa hơn nữa và tăng hiệu quả của các công nghệ sản xuất phụ gia và chuỗi quy trình của chúng, BMW đã tiến hành nghiên cứu về mức độ phức tạp và giá trị kinh tế của Trí tuệ nhân tạo (AI) để nhận dạng tự động các bộ phận in 3D.

Bài báo phác thảo tình trạng của các chuỗi quy trình sản xuất phụ gia hiện có, sự phức tạp của việc sử dụng AI để nhận dạng bộ phận và khả năng kinh tế của việc sử dụng các nền tảng dựa trên AI như AM-VISION, một hệ thống nhận dạng bộ phận học máy tự động từ Công ty in 3D, xử lý hậu kỳ và tự động hóa của Hà Lan AM-Flow , để tiếp tục công nghiệp hóa chuỗi quy trình in 3D tổng thể.

Separation of AM components within the BMW Group. Photo via BMW Group.
Tách các thành phần AM trong Tập đoàn BMW. Hình ảnh qua Philip obs.

Chuỗi quy trình AM trong lĩnh vực ô tô

Bài báo nghiên cứu, được biên soạn bởi các tác giả từ BMW, AM-Flow và Đại học Duisburg-Essen (UDE), nêu bật cách phụ gia tiến bộ công nghệ sản xuất đang cho phép tốc độ sản xuất cao hơn, tăng sự lựa chọn vật liệu và có thể điều chỉnh các đặc tính cơ học mạnh mẽ trong các bộ phận giống với các sản phẩm thông thường. Do đó, công nghệ ngày càng được áp dụng nhiều hơn trong các ngành công nghiệp như ô tô để tạo điều kiện thuận lợi cho các trường hợp sử dụng mới trong lĩnh vực thử nghiệm và xác nhận các thành phần của xe.

Các nhà nghiên cứu cho biết, tự do hình học lớn hơn được kích hoạt bởi in 3D đã giúp sản xuất các cấu trúc, hình dạng mới và các thành phần được cá nhân hóa và cá nhân hóa cao hàng loạt, các nhà nghiên cứu cho biết, với khả năng sản xuất quy mô lớn cung cấp kịp thời cho các dây chuyền lắp ráp.

Tuy nhiên, họ nhận định rằng các chuỗi quy trình sản xuất phụ gia vẫn cần được tối ưu hóa và phát triển hơn nữa để tăng số lượng đầu ra, tốc độ sản xuất và trở nên hiệu quả về mặt kinh tế. Theo nghiên cứu, các chuỗi quy trình của nhiều công nghệ in 3D hiện có vẫn bao gồm một lượng lớn công việc và công đoạn sử dụng nhiều lao động, dẫn đến chi phí nhân sự cao và sản lượng sản phẩm thấp hơn. Điều này cũng có thể dẫn đến tắc nghẽn và thời gian ngừng hoạt động trong chuỗi quy trình tổng thể.

Các nhà nghiên cứu đã quan sát thấy sự thay đổi theo hướng tự động hóa và công nghiệp hóa trong lĩnh vực sản xuất phụ gia để giải quyết những vấn đề này, bằng chứng là các công nghệ mới, bằng sáng chế ứng dụng, quan hệ đối tác xuyên ngành và các dự án do chính phủ tài trợ. Họ cũng chỉ ra rằng thị trường tự động hóa sản xuất phụ gia tổng thể được dự báo sẽ phát triển bởi 23 phần trăm cho doanh thu tiềm năng là $ 15 tỷ trong thập kỷ này.

Simplified overall AM process chain using HP MJF technology with percentage duration of operations for manual component identification (Time measurement by AM-Flow). Photo via Philip Obst.
Chuỗi quy trình AM tổng thể được đơn giản hóa bằng cách sử dụng công nghệ HP MJF với phần trăm thời lượng hoạt động để xác định thành phần thủ công ( Đo thời gian bằng AM-Flow). Hình ảnh qua Philip obs.

Vượt qua giới hạn năng suất với AI

Theo các tác giả, các dây chuyền quy trình sản xuất phụ gia hiện nay đạt đến giới hạn năng suất đối với khối lượng sản xuất lớn do công suất máy, thời gian chạy và các bước xử lý sau, cũng như các hoạt động thủ công như vệ sinh máy, chuẩn bị và tải lên. Một trong những hoạt động thủ công được các nhà nghiên cứu xác định cụ thể là xác định và chỉ định cho khách hàng các thành phần bằng cách dán nhãn các thành phần để vận chuyển hậu cần tiếp theo.

Mặc dù việc xác định bộ phận là một bộ phận nhỏ trong chuỗi quy trình tổng thể, nó vẫn là một bước quy trình không có quy mô và đòi hỏi nhiều công việc thủ công so với các bước khác như làm mát. Sử dụng công nghệ Multi Jet Fusion (MJF) của HP làm ví dụ, các nhà nghiên cứu nhận thấy rằng để đạt được chi phí thấp nhất cho mỗi bộ phận, các thành phần thường lồng nhau chặt chẽ với sự hỗ trợ của các phần mềm chuyên dụng. Điều này dẫn đến các lô với số lượng lớn các bộ phận khác nhau trong một công việc xây dựng, có nghĩa là khả năng theo dõi của các thành phần đơn lẻ có thể bị mất và việc giao cho đơn đặt hàng của khách hàng cần được thực hiện sau khi sản xuất, thường là một bước thủ công.

Hiện có một số phương pháp có thể tự động nhận dạng các thành phần dựa trên hình học, chẳng hạn như cân, quét đám mây điểm, nhận dạng hình ảnh và chụp cắt lớp vi tính. Tuy nhiên, mỗi kỹ thuật này đều có mặt hạn chế về độ chính xác và chi phí. Tuy nhiên, sự đổi mới trong lĩnh vực AI đã làm cho sự kết hợp cần thiết giữa tính linh hoạt và tự động hóa trở nên khả thi nhờ vào sự phát triển của các thuật toán học sâu bắt chước tư duy chiến lược của con người, các nhà nghiên cứu cho biết.

AI đã được sử dụng trong lĩnh vực in 3D một thời gian để sàng lọc thành phần , tạo ra các thiết kế phức tạp giám sát kiểm soát chất lượng . Mặc dù vậy, các nhà nghiên cứu tuyên bố rằng cho đến nay chưa có giải pháp tự động nào trên thị trường có khả năng giải quyết sự phức tạp của việc nhận dạng thành phần tự động của các hình học khác nhau.

Nguyên tắc chức năng và quy trình của AM-VISION. Hình ảnh qua Philip obs.

Đánh giá AM-VISION để xác định các thành phần AM

AM-VISION là một hệ thống công nghiệp để xác định các thành phần phụ gia được sản xuất dựa trên hình học độc đáo của chúng. Hệ thống được phát triển bởi AM-Flow, một trong những chiến thắng của Formnext 2020 Thử thách khởi nghiệp , và là sản phẩm chủ đạo trong các dịch vụ phần mềm in 3D và xử lý sau của công ty.

AM-VISION sử dụng nhận dạng hình dạng 3D để cho phép xác định nhanh chóng và đáng tin cậy các bộ phận được in 3D dựa trên hình học của chúng. Sau khi các bộ phận này được xác định, chúng có thể được sắp xếp, xử lý, chọn và vận chuyển bằng các chương trình phần mềm khác của công ty là AM-SORT, AM-PICK và AM-ROUTE. Vào tháng 10, công ty đã huy động được 4 triệu đô la trong khoản tài trợ Series A để xây dựng dựa trên bộ các giải pháp robot dựa trên AI của mình xúc tác “thay đổi từng bước” trong tự động hóa in 3D .

Các nhà nghiên cứu đã thực hiện một loạt các đánh giá trên hệ thống AM-VISION, đồng thời cũng điều tra khả năng kinh tế của phần mềm. Các nghiên cứu thử nghiệm về các công việc xây dựng có chứa hỗn hợp hình học cao đã chứng minh hệ thống tiết kiệm thời gian trong quá trình xác định và dán nhãn, với các thành phần có thể được xử lý 50 nhanh hơn phần trăm so với thao tác thủ công.

 Input values for comparing manual and automated component identification. Image via Philip Obst.
Đầu vào giá trị để so sánh nhận dạng thành phần thủ công và tự động. Hình ảnh qua Philip obs.

Bằng cách tích hợp các thiết lập máy cuối cùng trong dây chuyền sản xuất với băng tải một chiều tự động, AM-Flow ước tính rằng thời gian xử lý có thể được cải thiện từ sáu đến 10 lần, trong khi tỷ lệ nhận dạng của các thành phần là giữa 80 và 95 phần trăm nếu công việc xây dựng chứa nhiều hình học đa dạng.

Tuy nhiên, các nghiên cứu về các tấm nền chỉ khác nhau bởi các hoa văn chạm nổi và chạm khắc tinh xảo trên một bề mặt cho thấy rằng AI vẫn chưa đủ để tạo ra sự khác biệt ở quy mô đó. Do đó, các nhà nghiên cứu đề xuất rằng trường hợp kinh doanh để xác định các bộ phận in 3D dựa trên AI phụ thuộc vào các yếu tố như các bộ phận được sản xuất mỗi ngày, chi phí hỏng hóc, thời gian tương đương và chi phí lao động, để tính toán so sánh chi phí với các hoạt động thủ công.

AM-Flow's hardware solutions are designed to scale post-production processing. Photo via AM-Flow.
Các giải pháp phần cứng của AM-Flow được thiết kế để mở rộng quy mô xử lý hậu sản xuất. Ảnh qua AM-Flow.

Công nghiệp hóa trong tương lai của chuỗi quy trình AM

Từ nghiên cứu của họ, các nhà nghiên cứu nhận thấy rằng trong khi bản thân quá trình sản xuất thường là kỹ thuật số và tự động hóa, thì “tỷ lệ cao” của công việc thủ công là cần thiết trong giai đoạn xử lý sau. Họ cũng nhấn mạnh rằng những phát triển và cải tiến mới trong việc tăng số lượng đầu ra đã dẫn đến nỗ lực cao hơn trong việc xác định thành phần và việc triển khai AI trong không gian này cho đến nay đã rất hiệu quả.

Nghiên cứu xác nhận rằng hệ thống AM-VISION của AM-Flow có thể thực hiện phát hiện đối tượng đáng tin cậy của các thành phần được sản xuất phụ gia hỗn hợp cao dựa trên sự thể hiện một phần hình học của một bộ phận, dẫn đến giảm thời gian thông lượng và tiết kiệm chi phí sau đó. Nói điều này, các tác giả nhấn mạnh tầm quan trọng của việc chọn đúng lĩnh vực ứng dụng để nhận dạng tự động, vì các bộ phận giống hệt nhau, các bộ phận chỉ khác nhau một chút và những bộ phận được sản xuất với số lượng quá ít sẽ không hiệu quả về mặt kinh tế đối với công nghệ này.

Trong quá trình thử nghiệm, hệ thống AM-VISION đã trải qua quá trình cải tiến liên tục đối với thuật toán học sâu giúp phân biệt các bộ phận ô tô có gương lật ngược. Các nhà nghiên cứu đề xuất, trong tương lai, việc sử dụng các đám mây điểm để đo độ chính xác của các chiều có thể giúp cho phép kiểm soát chất lượng tự động, cũng như phương pháp tam giác bằng laser. Với những bổ sung này, họ tin rằng các thành phần sê-ri in 3D có thể được xác định bằng các mẫu đẹp, số sê-ri hoặc mã ma trận dữ liệu nhỏ được mã hóa thành hình học.

Các nhà nghiên cứu kết luận: “Việc xác định tự động hiện tại có sẵn hỗn hợp cao ở khối lượng lớn với AM-VISION đã là một bước tiến khác hướng tới sản xuất AM quy mô lớn.”

Thông tin thêm về nghiên cứu có thể được tìm thấy trong bài báo có tiêu đề: “Tính phức tạp và giá trị kinh tế của Trí tuệ nhân tạo để nhận dạng tự động và công nghiệp hóa các thành phần được sản xuất bằng phụ gia,” . Nghiên cứu được đồng tác giả bởi P. obs, W. Nasser, S. Rink, G. Kleinpeter, B. Szost, D. Rietzel và G. Witt.

Đề cử cho 2021 Giải thưởng Công nghiệp In 3D hiện đã được mở, hãy nói xem ai là người dẫn đầu ngành hiện nay.

Đăng ký theo dõi Bản tin ngành in 3D để biết tin tức mới nhất về sản xuất phụ gia. Bạn cũng có thể giữ kết nối bằng cách theo dõi chúng tôi trên Twitter và thích chúng tôi trên Facebook.

Tìm kiếm một nghề nghiệp trong sản xuất phụ gia? Chuyến thăm Công việc in 3D để lựa chọn các vai trò trong ngành.

S đăng ký của chúng tôi Kênh Youtube để có các video ngắn, đánh giá và phát lại hội thảo trên web mới nhất về in 3D.

Các chương trình hình ảnh nổi bật Các giải pháp phần cứng của AM-Flow được thiết kế để mở rộng quy mô hậu sản xuất Chế biến. Ảnh qua AM-Flow.

Related Articles

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

Back to top button