AI maakt lasercoaten eenvoudiger en efficiënter

AI-SLAM (Artificial Intelligence Enhancement of Process Sensing for Adaptive Laser Additive Manufacturing) is een ambitieus project omdat het Laser Material Deposition (LMD) naar een nieuw niveau wil tillen met AI. AI-software moet automatisch geometrieën in realtime vastleggen tijdens het coatingproces, afwijkingen in de procesparameters reguleren en het proces iteratief verbeteren door grote hoeveelheden data te analyseren.

Miljoenen slijtdelen

Het idee kwam van Amit Varma, medeoprichter en CEO van Braintoy uit Calgary in Canada, die de Canadese mijnbouwsector als primaire doelgroep ziet. Deze sector kampt met een dilemma: jaarlijks moeten miljoenen slijtdelen, zoals tanden van steenbrekers, boorbits en rippertanden, worden gerepareerd en opnieuw worden gecoat. Hoewel Laser Material Deposition zijn waarde heeft bewezen, hebben de bedrijven behoefte aan ervaren machine-operators. Daartoe behoort Apollo Machine and Welding uit Alberta in Canada, een typische gebruiker die deelneemt aan het project dat al in 2022 is gestart. “Voor bedrijven als Apollo is het onmogelijk om veel ervaren laseroperators in te huren”, legt Varma uit. “We willen nu AI gebruiken om de taken van operators te vereenvoudigen.”

Perfecte lasercoating

De gebruikte basissoftware is OpenARMS (Open Adaptive Repair and Manufacturing Software) van BCT Steuerungs- und DV-Systeme uit Dortmund, die speciaal is ontworpen voor het aanpassen van de bewerkingspaden in productieprocessen. Deze werkt op het mIOS-webplatform van Braintoy, dat volgens Varma de enige technologie ter wereld is die elk type gegevens kan vastleggen en in dezelfde pijplijn kan uitvoeren: “De AI adviseert eerst de parameters die de machinebediener moet instellen. Vervolgens past hij deze parameters op precies het juiste moment aan, zodat de coating elke keer perfect is.”

Het AI-gestuurde LMD-proces vereenvoudigt de rol van de operator bij het coaten van graafmachinetanden.

Het Fraunhofer ILT instituut in Aken speelt een belangrijke rol in het project met zijn jarenlange expertise in lasercoating met het LMD-proces. Projectmanager Max Zimmermann: “We kwalificeren de LMD-processen om te kunnen zeggen of het een goede of een slechte coating is. De belangrijkste taak is om onze expertise te visualiseren en digitaliseren.” Om dit te bereiken, voert Fraunhofer ILT LMD-processen uit en registreert de gegevens in een vorm die een AI kan lezen en verwerken.

Voorkom afkeuringen met AI

Het machine learning-proces staat en valt met deze correct vastgelegde data. Alleen met deze data kan AI-SLAM fouten tijdens het coatingproces vermijden: Idealiter classificeert de AI alle fouten in realtime en vertelt de operator wat hij moet doen. Varma: “Zo krijgt de machine een brein dat uitlegt hoe fouten vermeden kunnen worden.” De eerste modellen zijn al in gebruik; de integratie van verdere sensoren en de ontwikkeling van een ‘aanbevelingsengine’ voor gebruikers is momenteel gaande. Het zal op een vergelijkbare manier werken als het streamingplatform Netflix, dat films aanbeveelt die zijn klanten misschien leuk vinden. Tegen het einde van het project in maart 2025 is een realtimeproces gepland dat optimale parameters voor foutcorrectie zal aanbevelen en elke gebruiker in staat zal stellen om fouten preventief te voorkomen.

Zimmermann is er zeker van dat het project ook een impact zal hebben op lasercoating: “Het project stroomlijnt het LMD-proces door het te automatiseren van gereedschapspadplanning tot uitvoering. Je scant het oppervlak, stelt de parameters in en start het proces gewoon. Deze verbetering in efficiëntie is belangrijk voor zowel ervaren als nieuwe gebruikers, omdat de optimalisatie de drempels voor toetreding tot LMD-technologie verlaagt.”