Laatste nieuws:

, 7 november 2017 00:16

Afwijkingen 3D-printproces opsporen en corrigeren

'
1/1

Fouten die tijdens 3D-printen ontstaan worden vaak pas na afloop bemerkt. Resultaat is dat het product niet meer bruikbaar is. Onderzoekers van GE Lab zetten nu hoge resolutiecamera’s , machine learning, en kunstmatige intelligentie in om afwijkingen tijdens het 3D-printproces op te sporen en te corrigeren.

Laag voor laag

Bij additieve productie wordt een object gemaakt door verschillende lagen samen te smelten. Een van de technieken is selective laser sintering (SLS). Bij SLS wordt een laag poeder op het printbed gelegd. Het poeder wordt vervolgens met behulp van een laser op specifieke plekken uitgehard. Vervolgens wordt een nieuwe laag poeder op het printbed gelegde en uitgehard. Het uiteindelijke object wordt zo laag voor laag opgebouwd.

Verhoogde productiviteit

Controle van de producten vindt handmatig na afloop plaats. “Met behulp van kunstmatige intelligentie en machine learning maken we van de 3D-printers in essentie hun eigen inspecteurs”, legt Joseph Vinciquerra, hoofd van het Additive Research Lab van GE labs, uit. “Door het inspecteren van onderdelen te elimineren nadat deze volledig zijn gebouwd, kunnen we het productieproces met dagen of zelfs weken verminderen en de productiviteit verhogen.”

Problemen opsporen

De onderzoekers experimenteren met deze technologie door geometrische vormen te printen, zoals een cilinder. De printer is voorzien van hoge resolutiecamera’s die de geprinte lagen vastleggen en afwijkingen registreren die met het blote oog niet te zien zijn. Vervolgens wordt het geprinte object met behulp van een CT-scanner onderzocht op problemen die door deze afwijkingen zijn ontstaan.

Slim systeem

De verzamelde data wordt vervolgens door een machine learning algoritme geanalyseerd om verbanden te ontdekken tussen problemen in het product en afwijkingen in de geprinte lagen die met behulp van de camera’s zijn vastgelegd. “Hoe vaker je dit doet, hoe slimmer het systeem wordt”, legt Vinciquerra uit. “De computer vision zal uiteindelijk voldoende training hebben om ons te vertellen wanneer er een probleem dreigt te ontstaan.

Reacties

Er zijn nog geen reacties op dit artikel.

Hier kunt u een reactie plaatsen bij het bericht .
Uw e-mailadres zal niet op de website worden getoond.
Uw naam *
Uw E-mail *
Uw bericht *
  robot check
Vul de code van bovenstaand plaatje in.

Van onze partners meer (5)...

Rotero Holland bv

EUCHNER (Benelux) BV

B&R Industriele Automatisering BV

Perfection in Automation  

DIS Sensors

Bege Aandrijftechniek BV

Vacatures

ab op Twitter

TwitterlogoVolg ab nu ook op Twitter!

Onze accountnaam is: @aenb

Agenda meer (7)

11 september 2018 -
Actuele trends in machineveiligheid met Elektriek-Pnuematiek_Hydrauliek
18 september 2018 - Hardenberg
TIV
24 september 2018 -
Week van de middelgrote en kleine industrie
2 oktober 2018 - Utrecht, Jaarbeurs
World of Technology & Science 2018
9 oktober 2018 -
Industrial Heat & Power
13 november 2018 - München
Electronica 2018
28 november 2018 - De Reehorst in Ede
ATEX Event: mechanische apparatuur als potentiële ontstekingsbron

Geen nieuws meer missen?

Meldt u dan direct aan voor de gratis ab nieuwsbrief.

 

Knop nieuwsbriefMet de gratis ab nieuwsbrief wordt u wekelijks op de hoogte gehouden over het aandrijven en besturen nieuws. U ontvangt wekelijks het laatste nieuws en elke maand een themanieuwsbrief.

 

Direct aanmelden