AI in Slim Prototyping: Efficiëntie en kostenreductie transformeren

Gepost op 26 nov 2019 | Door WayKen

Sinds de ontwikkeling van de eerste computers, heeft IT met succes in elke industrie plaats veroverd en een aanzienlijk, zo niet een dominante deel van de functies ingenomen. Deze deel groeit elk jaar naarmate elektronische controlesystemen en managementsoftware zich ontwikkelen. Slim Prototyping is een van de veler gebieden waar IT de efficiëntie kan verhogen en de kosten van alle processen kan verlagen. Een van de potentiële oplossingen daarvoor is het gebruik van kunstmatige intelligentie voor productiedoeleinden.

Kunstmatige Intelligentie voor Prototyping Vandaag

Sommige delen van AI worden al gebruikt voor prototypeproductie vandaag. Ze zijn niet de frontline-technologieën, aangezien het gebruik van bepaalde AI-software en hardware vereist dat het commercieel haalbaar en foutloos is. Echter, bepaalde vooruitgang is bereikt. Bijvoorbeeld, transportrobots worden wijd ingezet door fabrikanten. Ze zijn erg flexibel, ze kunnen een groot gewicht tillen terwijl ze aanzienlijk klein zijn en ze kunnen in tandem met een menselijke werknemer werken, wat betekent dat ze absoluut veilig zijn. Dergelijke robots vertrouwen zwaar op machinevisie om te bepalen waar ze het verplaatste object kunnen aanraken en waar het neer te zetten. Daarnaast zijn sommige productiesystemen uitgerust met AI-zelfaanpassingssystemen. Een werktuig kan de oppervlakteafwerking van het onderdeel meten terwijl het het bewerkt. Als een aanpassing nodig is voor snijparameters, doet het werktuig dat automatisch.

Die voorbeelden zijn slechts de top van de ijsberg in de manier waarop AI prototyping in de toekomst kan verbeteren.

Hoe AI de efficiëntie van prototyping zal verhogen

Machines kunnen al mensen vervangen in verschillende soorten lichte arbeid, berekeningen en systeemmonitoring, echter, wat verschilt tussen een menselijk werk en een machinewerk vandaag is besluitvorming. Machines hebben meer kracht en sterkte, maar mensen nemen alle beslissingen. Naarmate AI zich ontwikkelt, beginnen machines hun eigen beslissingen te nemen. Hoe een onderdeel te kiezen, hoe het te bewegen om niet te botsen met iets en hoe het object correct te plaatsen... Dat is de makkelijkste stap. Dan, hoe de onderdeelstroom in een prototypingwerkplaats te organiseren om alle deadlines te halen, hoe de optimale parameters voor CNC-prototypebewerking te kiezen, hoe het beste materiaal voor CNC-bewerking te kiezen, en zo verder... De potentie hier is enorm en hangt alleen af van de mogelijkheden van de AI.

Recente technologische ontwikkelingen laten ons de potentiële vooruitgang in de nabije toekomst zien. Laten we de mogelijke toepassingen van AI voor slim prototyping bekijken.

Machinevisie voor uitstekende precisie

De moderne industrie wordt kleiner en ik bedoel niet de productievolumes. Hardware circuits, microchips, en consequent hun behuizingen en apparaten in het algemeen, worden kleiner. Tegelijkertijd stijgen de precisie-eisen. Sommige industrieën hebben al een punt bereikt waar de vereiste precisie en productiesnelheden de menselijke mogelijkheden hebben overschreden. Dus geprogrammeerde robots namen hun plek op productielijnen in en mensen verhuisden naar het prototypinggebied waar de productiesnelheid langzamer is maar flexibiliteit belangrijker is. Echter, de formaten blijven kleiner worden. Wanneer mensen de microscopische assemblage niet meer aan kunnen, zullen hoge-precisie AI-robots ze vervangen. Zulke robots zijn veel flexibeler dan hun massaproductie-counterparts vanwege machinevisie.

Echt flexibele processen

Besluitvorming is een onmisbaar kenmerk voor procesplanning. Op dit moment zijn de intelligentiemogelijkheden van de software tamelijk beperkt. Het kan complexe productiekettingen met meerdere verschillende opstellingen berekenen, zoals het altijd in de prototypingindustrie is, en de totale tijdlijn van alle projecten in de werkplaats schatten. Echter, de ingenieur genereert de route die het onderdeel neemt afhankelijk van de benodigde operaties. Hij is degene die operaties aan de apparatuur toewijst. Hij doet dat op basis van ervaring, het proces zelf mag efficiënt zijn, maar als we naar het hele plaatje kijken, kunnen veel verschillende enkele prototypes, kleine batches en mock-up modellen in een werkplaats samenvallen en knelpunten creëren, zodat één apparatureenheid met 200% belast is terwijl anderen onbezig zijn.

De volgende stap voor procesplanningsoftware met AI is om het de volledige vrijheid te geven om processen, operaties en zelfs de indeling van de machinewerkplaats te regelen. AI-software kan duizenden combinaties in een seconde berekenen en een betere oplossing genereren.

Veiligere werkplekken voor gevaarlijk werk

Productie is vaak gevaarlijk. Daarom hebben we standaarden: voor ventilatie, licht, contact met chemicaliën, persoonlijke bescherming, etc. Tegenwoordig is dit nodig omdat mensen al het gevaarlijke werk doen. Waarom? Dergelijke taken hebben besluitvorming of flexibiliteit nodig. Precies de twee dingen die AI de robots moet voorzien. Alle werkgelegenheidsveiligheidsvoorschriften leiden tot veel additionele kosten voor prototypingbedrijven. En dat zorgt ervoor dat de producten duurder zijn. Overweeg nu dat je werknemers hebt die die regels en voorschriften niet nodig hebben. Afhankelijk van wat je op ze monteert, kunnen de robots in onredelijke toxische omstandigheden werken, hoge temperatuur, ze kunnen onder water werken, in de duisternis, als het vriest. En ze zullen okay zijn!

Mobiele implementatie kan prototypingwerkplaatsen revolutioneren

AI kan aan alle werktuigen, laadrobots en controlemachines worden toegevoegd om ze gesynchroniseerd te laten handelen als een enkele geünificeerde creatuur. Wat zal dat leiden tot?

Moderne auto-montagelijnen bestaan uit een starre structuur waar het werkstuk langs specifieke werkplekken beweegt waar een enkele operatie wordt uitgevoerd. Dit is perfect voor massaproductie, maar het systeem is extreem onflexibel.

AI kan de apparatuurindeling en productielijnen zoals we ze kennen revolutioneren. Meerdere verbonden mobiele eenheden kunnen zich op zo'n manier combineren dat ze elk onderdeel kunnen verwerken. Het centrale controlesysteem besluit welke apparatureenheid nodig is en rangschikt ze samen. Denk er aan als robotcollaboratie in plaats van een productielijn. De AI-besluitvorming gecombineerd met de robotische mobiele implementatie kan elke dag een nieuwe machinewerkplaatsindeling creëren of zelfs voor elk enkel onderdeel en het zal evenveel tijd kosten als het verplaatsen van enkele mensen op de plek.