مقالات مشابهة
يستكشف برنامج BMW RESEARCH قيمة الذكاء الاصطناعي من أجل التعرف التلقائي على أجزاء AM في السيارات
مع تناقص وقت الوصول إلى السوق في صناعة السيارات بشكل مطرد ، أصبح الطلب على مكونات النماذج الأولية المصنعة أعلى من أي وقت مضى. ومع ذلك ، من أجل جعل الأحجام المطبوعة ثلاثية الأبعاد الكبيرة ملموسة ، لا تزال سلاسل العمليات بحاجة إلى التحسين والتطوير فيما يتعلق بكمية المخرجات وسرعة الإنتاج والجدوى الاقتصادية ، وفقًا لدراسة جديدة أجرتها شركة BMW متعددة الجنسيات للسيارات الألمانية.
بعد تحديد الحاجة إلى تحسين وزيادة كفاءة تقنيات التصنيع المضافة وسلاسل عملياتها ، أجرت BMW بحثًا في التعقيد والقيمة الاقتصادية للذكاء الاصطناعي (AI) من أجل التحديد الآلي للأجزاء المطبوعة ثلاثية الأبعاد.
تحدد الورقة حالة التشغيل الحالية لسلاسل عمليات التصنيع المضافة المتاحة ، وتعقيدات استخدام الذكاء الاصطناعي للتعرف على الأجزاء ، والجدوى الاقتصادية لاستخدام المنصات القائمة على الذكاء الاصطناعي مثل AM-VISION ، وهو نظام آلي للتعرف على أجزاء التعلم الآلي من شركة AM-Flow الهولندية للطباعة ثلاثية الأبعاد والمعالجة اللاحقة والأتمتة لزيادة التصنيع الشامل لسلاسل عمليات الطباعة ثلاثية الأبعاد.
سلاسل عمليات AM في قطاع السيارات:
تسلط BMW و AM-Flow وجامعة Duisburg-Essen (UDE) ، الضوء على كيف أن التقدم التكنولوجي في التصنيع الإضافي يتيح سرعات إنتاج أعلى ، وزيادة اختيار المواد ، وخصائص ميكانيكية قوية قابلة للتعديل داخل الأجزاء التي تشبه المنتجات التقليدية. نتيجة لذلك ، يتم اعتماد التكنولوجيا بشكل متزايد في صناعات مثل السيارات لتسهيل حالات الاستخدام الجديدة في مجال اختبار مكونات السيارة والتحقق من صحتها.
قال الباحثون إن الحريات الهندسية الأكبر التي أتاحتها الطباعة ثلاثية الأبعاد جعلت من الممكن إنتاج هياكل وأشكال جديدة ومكونات فردية عالية التخصيص في سلسلة ، مع إمكانية الإنتاج على نطاق واسع في الوقت المناسب تمامًا لخطوط التجميع الناشئة.
ومع ذلك ، فقد حددوا أن سلاسل عمليات التصنيع المضافة لا تزال بحاجة إلى مزيد من التحسين والتطوير من أجل زيادة كمية المخرجات ، وسرعة الإنتاج ، وتصبح مجدية اقتصاديًا. وفقًا للدراسة ، لا تزال سلاسل العمليات للعديد من تقنيات الطباعة ثلاثية الأبعاد المتاحة حاليًا تشتمل على قدر كبير من العمل والخطوات كثيفة العمالة ، مما يؤدي إلى ارتفاع تكاليف الموظفين وانخفاض إنتاجية المنتج. يمكن أن يؤدي هذا أيضًا إلى اختناقات وأوقات تعطل في سلسلة العملية الشاملة.
لاحظ الباحثون تحولًا نحو الأتمتة والتصنيع داخل قطاع التصنيع الإضافي من أجل معالجة هذه القضايا ، كما يتضح من التقنيات الجديدة وبراءات الاختراع التطبيقية والشراكات عبر الصناعات والمشاريع الممولة من الحكومة. وأشاروا أيضًا إلى أنه من المتوقع أن ينمو سوق أتمتة التصنيع المضافة بشكل عام بنسبة 23 في المائة إلى إيرادات محتملة تبلغ 15 مليار دولار خلال هذا العقد.
التغلب على حدود الإنتاجية باستخدام الذكاء الاصطناعي
وفقًا للمؤلفين ، تصل سلاسل عمليات التصنيع المضافة الحالية إلى حد الإنتاجية لأحجام الإنتاج الكبيرة بسبب سعة الماكينة ووقت التشغيل وخطوات ما بعد المعالجة ، بالإضافة إلى العمليات اليدوية مثل تنظيف الماكينة وإعدادها وتحميلها. إحدى هذه العمليات اليدوية التي حددها الباحثون تحديدًا هي تحديد المكونات وإسنادها للعميل عن طريق تصنيف المكونات لمزيد من النقل اللوجستي.
على الرغم من أن تحديد الجزء يمثل جزءًا صغيرًا في سلسلة العملية الإجمالية ، إلا أنه لا يزال خطوة عملية لا تتسع وتتطلب قدرًا كبيرًا من العمل اليدوي مقارنة بالخطوات الأخرى مثل التبريد. باستخدام تقنية HP Multi Jet Fusion (MJF) كمثال ، لاحظ الباحثون أنه لتحقيق أقل تكلفة لكل جزء ، غالبًا ما يتم دمج المكونات بإحكام بدعم من البرامج المتخصصة. يؤدي هذا إلى دفعات تحتوي على كمية كبيرة من الأجزاء المختلفة في مهمة بناء واحدة ، مما يعني أن إمكانية تتبع المكونات الفردية يمكن أن تضيع وأن التعيين لطلبات العملاء يجب أن يتم بعد الإنتاج ، وهو عادة ما يكون خطوة يدوية.
يوجد حاليًا العديد من الطرق المتاحة التي يمكنها التعرف تلقائيًا على المكونات بناءً على الهندسة ، مثل الوزن ومسح النقاط السحابية والتعرف على الصور والتصوير المقطعي بالكمبيوتر. ومع ذلك ، فإن كل من هذه التقنيات لها عيوبها من حيث الدقة والتكلفة. قال الباحثون إن الابتكار في مجال الذكاء الاصطناعي جعل المزيج الضروري من المرونة والأتمتة ممكنًا بفضل تطوير خوارزميات التعلم العميق التي تحاكي التفكير الاستراتيجي البشري.