SubsidieMeestersAI based 3D-Printed Custom Series Recognition & Automation
Het project richt zich op het ontwikkelen van een geavanceerd systeem voor automatische herkenning en sortering van custom series onderdelen in Additive Manufacturing, ter ondersteuning van efficiënte productieprocessen.
Projectdetails
Inleiding
3D-printers zijn begonnen aan de fundamentele verschuiving van stand-alone rapid prototyping-machines naar genetwerkte, industriële units binnen productieworkflows. Paradoxaal genoeg komt nu naar voren dat in Additive Manufacturing (AM) de vrijheid in digitaal ontwerp leidt tot de minst geautomatiseerde navolgende fabrieksprocessen. AM blijkt zeer moeilijk te integreren in end-to-end geautomatiseerde productie workflows.
Probleemstelling
Oorzaak hiervan is de enorme, fundamenteel oneindige variatie in onderdelen die vandaag de dag in grote aantallen uit industriële printers komen. Dit leidt tot problemen in herkenning en sortering van geprinte producten, een momenteel kostbaar en foutgevoelig handmatig proces dat verdere opschaling van de AM-industrie blokkeert.
Oplossing
AM-Flow heeft eerder ontwikkeld aan unieke AI machine vision technologie die enkelstuks geprinte objecten kan herkennen op basis van de individuele geometrie. Deze oplossing draait momenteel bij verschillende klanten. Deze oplossing blijkt echter nog geen adequate oplossing voor custom series, waarbij geometrieën vrijwel gelijk zijn en de verschillen tussen parts minimaal.
Doelstelling
Om de volledige AM-markt te kunnen ontsluiten voor wat betreft de automatische herkenning en sortering van custom series parts, moet het systeem van AM-Flow verder worden doorontwikkeld. Voor een optimale aansluiting op de bestaande print- en nabewerkingslijnen bij AM-productiebedrijven (in dit project vertegenwoordigd door samenwerkingspartner Parts On Demand) is er ook ontwikkeling aan de interface tussen productielijn en het AM-Flow-systeem nodig. Parts On Demand ontwikkelt hier actief aan mee tijdens dit project en dient verder als locatie voor pilottests in een realistische omgeving.
Prototypecomponenten
Doelstelling is om te komen tot een aantal prototypecomponenten voor het AM-Flow systeem, bestaande uit:
- De interface tussen productie- en sorteersysteem.
- Een oplossing voor de positionering van onderdelen.
- De automatische identificatie van custom series onderdelen.
Pilotfase
Uiteindelijk moeten bovenstaande componenten gecombineerd worden in één proefopstelling voor het uitvoeren van pilottests bij Parts On Demand.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 338.821 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2021 |
Partners & Locaties
Projectpartners
- AM-Flow B.V.penvoerder
- Parts On Demand B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Full electric rim drive aandrijving voor commerciële vaartHet project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten. | MIT R&D Samenwerking | € 177.700 | 2023 | Details |
Ecotop AI Ripening systeemHet project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing. | MIT R&D Samenwerking | € 286.773 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | MIT R&D Samenwerking | € 120.943 | 2023 | Details |
K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology
Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.
Full electric rim drive aandrijving voor commerciële vaart
Het project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten.
Ecotop AI Ripening systeem
Het project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Robotarm voor de sortering van heterogene batches 3D geprinte productenAM-Flow onderzoekt de haalbaarheid van een robotarm voor het automatisch grijpen en plaatsen van 3D-prints in de post-productielijn, ter ondersteuning van de automatisering van het productieproces. | MIT Haalbaarheid | € 20.000 | 2021 | Details |
Box3d for IndustryBox3D B.V. ontwikkelt een modulaire, data-gedreven 3D printfarm met een eigen controller en software om industriële productie te optimaliseren en milieuvriendelijker te maken. | MIT Haalbaarheid | € 20.000 | 2021 | Details |
Robotarm voor de sortering van heterogene batches 3D geprinte producten
AM-Flow onderzoekt de haalbaarheid van een robotarm voor het automatisch grijpen en plaatsen van 3D-prints in de post-productielijn, ter ondersteuning van de automatisering van het productieproces.
Box3d for Industry
Box3D B.V. ontwikkelt een modulaire, data-gedreven 3D printfarm met een eigen controller en software om industriële productie te optimaliseren en milieuvriendelijker te maken.