Innovaties Industrie 4.0 in productie

Robots worden steeds slimmer nu Artificiële Intelligentie steeds meer zijn weg vindt naar industriële toepassingen. Maar om optimaal te werken hebben AI-algoritmes nood aan grote training datasets, en het genereren van deze datasets is erg tijdrovend en duur.

Om dit proces te versnellen hebben we een end-to-end artificiële intelligentie workflow ontwikkeld die het object herkent en zijn positie inschat. We vertrekken hierbij van synthetische data die we uit het CAD-bestand van een object halen. Hiermee realiseren we een fotorealistische training dataset en trainen we vervolgens AI-modellen voor deze taken. De uitkomst van dit AI-model is een 2D-visiesysteem dat robots verschillende taken, zoals bin picking of assemblage, laat uitvoeren zonder daarbij afhankelijk te zijn van dure 3D-visiesystemen. Onze workflow laat ingenieurs toe om sneller visie-ondersteunde robottoepassingen op te zetten. Bovendien is deze workflow veel robuuster en sneller in vergelijking met wat mogelijk zou zijn wanneer je echte foto’s maakt van een object. In plaats van duizenden foto’s te trekken en deze te verzamelen in training datasets gebruiken we nu synthetische data om een training dataset te genereren. Op deze manier kunnen we in enkele uren tijd een dataset genereren, wat een hoop ontwikkelingstijd en kosten uitspaart.

Boren in composieten is een uitdaging. Zo kunnen delaminatie of versplintering van het materiaal voorkomen tijdens het bewerken van composieten. Deze problemen worden vaak veroorzaakt door versleten boorgereedschappen. Boren, en ander freesgereedschap, verslijten onvoorspelbaar door de specifieke structuur van composieten. Dit maakt het moeilijk om te voorspellen wanneer het boorgereedschap vervangen moet worden. Een goed boorresultaat is namelijk ondenkbaar zonder scherp boorgereedschap.

Om hiervoor te zorgen hebben we een optisch meetinstrument gebouwd dat het oppervlak van het boorgereedschap reconstrueert in 3D en vervolgens slijtage detecteert. Omdat we in een CNC meten, kunnen we het boorgereedschap in een aantal seconden nakijken. Een visuele inspectie zou minuten in beslag nemen. Dit is niet enkel veel sneller, maar ook veel kost-efficiënter aangezien er geen mensen aan te pas moeten komen. Bovendien reduceer je zo verliezen in productkwaliteit door bot boorgereedschap.

Discrete eventsimulatie modellen zijn niet enkel nuttig om inzicht te krijgen in de opbouw van een productieomgeving, maar ook om de impact van specifieke beslissingen op de algehele prestaties te beoordelen. Toch worden ze nog te weinig gebruikt, meestal omdat het maken van dit soort modellen te veel inspanningen vraagt.

Daarom hebben wij een plug-in ontwikkeld voor een discreet eventsimulatie softwarepakket, Flexsim. Met onze plug-in kunnen we automatisch een model genereren en scenario’s simuleren gebaseerd op ‘AutomationML’ input bestanden. Een gebruiker kan via de gebruikersinterface een nieuwe productieomgeving ontwerpen en configureren. De tool zal vervolgens de prestaties van de productielijn simuleren en de prestaties weergeven. Onze plug-in verlaagt de barrière voor maakbedrijven om simulatiesoftware te gebruiken als beslissingsondersteuning. Bovendien reduceren we de tijd die nodig is om een simulatie te maken van je productieomgeving met meer dan 50% in vergelijking met traditionele simulatiesoftware die gebruikt maakt van CAD-modellen.

Bedrijven leggen enorme hoeveelheden data vast tijdens hun productieproces. Toch is het moeilijk om uit deze data toegevoegde waarde te halen omdat ze in veel gevallen op verschillende manieren en op verschillende locaties opgeslagen worden. Daarnaast vereist dit proces een enorm technisch inzicht dat de kennis van het probleemdomein overstijgt. Het gevolg hiervan is dat datawetenschappers momenteel tot 80% van hun tijd besteden aan het ophalen van gegevens in het juiste formaat, waardoor er slechts 20% van hun tijd overblijft voor de kern van hun job, namelijk het verkrijgen van zinvolle inzichten die toegevoegde waarde creëren voor het bedrijf.

Daarom hebben we offline digital twins ontwikkelt die kennisgrafieken bevatten. Met behulp van deze grafieken kan je team de data snel en flexibel analyseren. Bijvoorbeeld om correlaties tussen productkwaliteit en productproces te analyseren. Met deze oplossing kan je extra toegevoegde waarde creëren terwijl je minder IT-vaardigheden nodig hebt én hoef je je geen zorgen te maken over waar de data eigenlijk opgeslagen is, in welke database of in welk opslagformaat. Dit resulteert in een verminderding van je inspanning op het gebied van data-analyse, en zorgt voor antwoorden op belangrijke vragen over je beschikbare data die anders onbeantwoord zouden blijven.