BMW halbiert die Sortierzeit dank Additive Manufacturing

Dank des AM-Vision-Systems von AM-Flow halbiert BMW die Zeit, die für das Entpacken eines Fertigungsauftrages für einen seiner Pulverbettdrucker benötigt wird. Die Zeitersparnis hängt von der Zusammensetzung des Auftrags ab, zum Beispiel von der Anzahl der verschiedenen Produkte und den geometrischen Formen. Bei einer wachsenden Anzahl von zu druckenden Teilen ist eine automatische Erkennung erforderlich, um die Kosten zu senken.

Verfasst von Franc Coenen auf der Grundlage von Recherchen von Philip Obst (BMW)

Dies sind die ersten Ergebnisse eines Tests, den BMW mit dem KI-basierten Erkennungssystem von AM-Flow durchführt. Sie wurden kürzlich auf der Rapid.Tech 3D vorgestellt. Philip Obst von der BMW Group, die in München ein großes AM-Zentrum unterhält, erzählte während der Online-Konferenz viele Details über die ersten Erfahrungen des Automobilherstellers mit dem niederländischen System.

Warum automatische Erkennung notwendig ist

Laut Philip Obst benötigt man bei pulverbasierten 3D-Drucktechnologien wie HP MFJ-Druckern oder SLS-Druckern automatische Identifikationsmerkmale, da das manuelle Sortieren zu viel Zeit in Anspruch nimmt. 40 Prozent der Zeit, die für die Identifizierung, Qualitätskontrolle und Verpackung benötigt wird, entfällt auf die Erkennung der Teile. Dies stellt ein besonderes Problem beim Druck von Prototypen dar.

“Wir dürfen dann keine Etiketten oder Nummern anbringen, weil wir das Design des Prototyps nicht berühren dürfen. Dann müssen wir wirklich manuell sortieren und die Mitarbeiter verwenden Listen mit kleinen Fotos, um die Teile zu vergleichen”, skizzierte er die Arbeitsweise bei BMW. So ist es im Grunde bei allen 3D-Druckunternehmen.

Erkennungsrate

Die BMW Group in München ist einer der ersten Beta-Tester von AM-Vision, dem niederländischen System, das mit Hilfe künstlicher Intelligenz Bilder von Teilen erkennt. Zu diesem Zweck werden die Bilder der 10 Kameras mit den gerenderten Bildern der 3D-Modelle verglichen. Bei BMW liegt der Prozentsatz der korrekt erkannten Teile zwischen 80, 95 und manchmal 99 Prozent, abhängig von Faktoren wie der Form und der Anzahl der verschiedenen Teile in einem Fertigungsauftrag.

“Die Zahl der Fehlsignale ist gering”, sagte Philip Obst bei seinem Vortrag auf der Rapid.Tech 3D. Das System ist außerdem selbstlernend. “Sie können sich entscheiden, die Daten mit AM-Flow zu teilen, wenn es sich nicht um Prototypen mit hohem IP-Schutz handelt. Dann steigt die Erkennungsrate noch weiter.”

Die Zeitersparnis beim Entpacken

In der Praxis bedeutet dies, dass das Entpacken eines Fertigungsauftrags mit 17 Teilen – so das von ihm angeführte Beispiel – 8 Minuten schneller ist als manuell. Je größer die Zahl, desto größer die Zeitersparnis.

Philip Obst: “Allein für den großen Farsoon SLS-Drucker brauchen wir drei Tische, um alle Teile zu sortieren.” Laut Obst besteht der große Vorteil des KI-Systems darin, dass Menschen nicht zwischen einem großen und einem kleinen Teil eines Bildes unterscheiden können. Auf dem Bild sind alle Teile gleich groß. Selbst linke und rechte Teile sind mit dem menschlichen Auge oft schwer zu unterscheiden. Auf der anderen Seite hat das System Probleme mit Oberflächenabweichungen. Geringfügige Unterschiede, zum Beispiel aufgrund von Prägungen, erschweren die Erkennung.

BMW arbeitet mit AM-Flow an einer Lösung, um die Erkennungsrate des AM-Vision-Systems für sehr kleine Teile zu erhöhen.