Versterking van bedrijven door AI te integreren in nieuwe advanced manufacturing-oplossingen

In een tijdperk dat gekenmerkt wordt door voortdurende technologische vooruitgang en de hieruit voortkomende concurrentievoordelen, is de productiesector leidend op het gebied van innovatie. Echter, het volledige potentieel van artificial intelligence (AI) blijft hierin nog onderbenut. Het project BRAINS bouwt voort op de succesvolle resultaten van het PRISMA-project (ERDF, oktober 2019 – april 2022), en heeft als doel kennis en inzichten in data learning, inclusief AI, verder te ontwikkelen. Het richt zich op het faciliteren van de digitale transitie en automatisering binnen de productie-industrie, die al stappen heeft gemaakt van handmatige naar semiautomatische processen, en uiteindelijk naar volledig geautomatiseerde systemen – inclusief machine learning-automatisering.

Waar PRISMA zich voornamelijk richtte op de ontwikkeling van vision-technologie, inclusief data-acquisitie van productieprocessen en -machines via camerabeelden en sensoren, en dataverwerking en -analyse met daaropvolgende aanpassing van procesparameters, verschuift met BRAINS de focus naar geavanceerde aanpassing van procesparameters, waarbij vision- en sensing-technologieën worden geïntegreerd. Dit gaat van intelligente operatorinstructies tot automatische machineaanpassingen en zelflerende procesoptimalisaties. Hierbij wordt ook nieuwe AI-kennis onderzocht en ontwikkeld, wat zal leiden tot de ontwikkeling van een veelzijdige data learning-module.

Het samenvoegen van deze kennis in een nieuwe data learning-module is van cruciaal belang en zal gericht zijn op meerdere industriële use cases rond procesautomatisering. Het BRAINS-projectconsortium bestaat uit bedrijven en kennisinstellingen die samenwerken aan zes verschillende use cases – elk gericht op de specifieke uitdagingen van een bedrijf. Deze collaboratieve aanpak brengt expertise en ervaringen van verschillende partijen samen, wat helpt bij een grondige verkenning van mogelijke oplossingen.

Projectconsortium

Logo AWL
Logo Tembo

USE CASES

Use cases of gebruiksscenario’s zijn waardevolle instrumenten voor het evalueren en begrijpen van systemen, zoals softwareplatformen. Ze helpen bij het definiëren, interpreteren en organiseren van systeemeisen, -functies en -toepassingen. Zo zou bijvoorbeeld een productiebedrijf dat een nieuw voorraadbeheersysteem implementeert, gebruiksscenario’s kunnen inzetten om procedures voor het bijhouden van de voorraad op te zetten en op potentiële knelpunten in de productielijn te anticiperen.

In het kader van BRAINS worden zes specifieke use cases onderzocht; gericht op automatisering, kwaliteitscontrole en procesoptimalisatie binnen de maakindustrie. Door samen te werken met industrieleiders en gebruik te maken van hun expertise, streeft BRAINS ernaar schaalbare AI-oplossingen te ontwikkelen die zijn afgestemd op de unieke uitdagingen waarmee productieomgevingen worden geconfronteerd.

Tembo’s use case richt zich op de uitdaging van variërende afdichtingssterkte die leidt tot lekkende pods, waardoor het systeem moet worden stilgelegd en gereinigd. Hun benadering richt zich op twee hoofddoelen: het optimaliseren van parametercontrole om lekken te minimaliseren door het bepalen en meten van beïnvloedende parameters, en het verkleinen van de machinevoetafdruk door het optimaliseren van relevante ontwerpvariabelen en procesparameters.

 
De use case van Zuidberg heeft als doel het optimaliseren van het PTO-assemblageproces door het verzamelen en gebruiken van real-time procesgegevens voor operatorinstructies. Er wordt met name gekeken naar het gebruik van AI om de kwaliteitscontrole te verbeteren en vereenvoudigen voor gebruik bij meerdere producttypen.

 
De use case van AWL richt zich op het creëren van malloze machineconcepten waarbij producten worden verbonden – specifiek het lassen of assembleren van losse onderdelen. Hun voorgestelde oplossing is een robotoplossing met simpele grijpers, die elk hun onderdeel kunnen oppikken en samen kunnen brengen. Technische uitdagingen zijn de absolute nauwkeurigheid van robots, het genereren van robotpaden, flexibele grijperconcepten en het verbinden van producten met behulp van las-equipment of assemblagetooling. Aan het eind van het proces zal een kwaliteitsinspectie worden uitgevoerd met behulp van vision technologie en artificial intelligence.

 
De use case van Bond3D richt zich op het verbeteren van de sturing van de materiaalstroom tijdens het 3D-printen, met name voor het printen van PEEK-materiaal waarvan de fysische eigenschappen zeer complex zijn om te modelleren. Het BRAINS-project heeft tot doel het bestaande vereenvoudigde model te vervangen door een machine learning-model dat ook met deze complexiteit rekening kan houden. Omdat een nauwkeurig model aan de basis ligt van goede sturing van de materiaalstroom, zal het nieuwe model het nauwkeuriger en consistenter printen van PEEK-materiaal mogelijk maken, waardoor uiteindelijk de productkwaliteit en productie-efficiëntie worden verbeterd.

 
De andere use case van Bond3D richt zich op het optimaliseren van de opvullingsgeometrie tijdens het printen om de efficiëntie te verbeteren, vooral voor prints van lange duur waar zelfs kleine optimalisaties aanzienlijke tijd kunnen besparen. Hoewel standaardgeometrieën zoals vierkanten en rechthoeken goed geoptimaliseerd zijn, ligt de uitdaging in het efficiënt vullen van zeldzame, uitzonderlijke vormen.

BRAINS wordt mede mogelijk gemaakt door een bijdrage van het European Fund for Regional Development of the European Union met steun van Universiteit Twente


VOOR MEER INFORMATIE OVER BRAINS, NEEM GERUST CONTACT OP MET

Vincent Blokhuis

Engineering Manager