6 Affärsmodeller
6.2 RISE
RISE inledde 2015 ett samarbete med ExOne och Karlebo Gjuteriteknik som kom att vara till och med 2018. Man drev en gemensam demo- och produktionsanläggning I RISE lokaler på Munksjöområdet i Jönköping. 2019 renodlades RISE affärsmodell för 3D-sand till att fokusera på forskning och uppdragsverksamhet, och Karlebo Gjuteriteknik tog över driften av anläggningen som flyttades till annan lokal. Allt printat material i RISE aktiviteter köps in enligt lagen om offentlig upphandling.
RISE har sitt uppdrag direkt från riksdagens forskningsproposition. Forskningsprojekten kombinerar i regel offentliga medel med företagsinsatser och syftar
41
alltid till att skapa industrinytta. De är oftast långsiktiga och har alltid hög transparens. Forskningsaktiviteterna får ej generera vinst utan enbart ha kostnadstäckning. Exempel på forskningsaktiviteter inom 3DSP-området är
• Projektet Sandbox för att undersöka och vidareutveckla 3DSP • Projektet Autoprint för att automatisera efterbehandling • Glasgjutning i sandform
RISE arbetar även med uppdragsverksamhet. Uppdragsgivaren äger resultaten och uppdragen ska generera vinst till RISE – de får aldrig subventioneras. Exempel på uppdrag som utförts med hjälp av 3DSP är
• Återtillverkning av historiska objekt • Prototypframtagning
• Enstyckstillverkning av unika objekt
RISE har en i sammanhanget unik, lång erfarenhet av att utnyttja 3D-teknikens möjligheter och förfogar över hela kedjan från CAD till färdigt, utvärderat gods. Övriga kompetenser är tillgängliga genom utvalda partners. Uppdragen kännetecknas av hög flexibilitet och individuella lösningar vad gäller materialval och utformning av processen. Marknadsföring av RISE aktiviteter inom 3DSP sker dels genom nätverk av gjuterier, gjutgodsköpare och forskningsaktörer och dels genom externa utbildningar, kurser, seminarier och workshops, allt kopplat till övrig forskningsverksamhet inom gjuteriområdet.
6.3 Slutsats
3D-printade sandkärnor och formar har 2015-2020 successivt blivit en väl etablerad produkt för svenska gjuterier. Området är fortfarande under snabb utveckling och tekniken har ännu inte funnit sin slutliga roll, men redan finns det fog för att tala om ett paradigmskifte i svensk gjuteriindustri:
• Vi har sett kraftigt sänkta kostnader och ledtider för prototyper
• Ett helt nytt arbetssätt för prototyper har tagit form där man kan arbeta tidseffektivt med flera parallella spår
• Ledtiderna och kostnader för produkter i korta serier har sänkts betydligt • Tekniken sänker tröskeln för nya gjutna produkter hos såväl vana gjutgodsköpare
som helt nya kunder
• Även gjuterier som saknar egen printer kan tack vare möjligheten att köpa in printat material göra både korta och långa serier av nya, komplexa produkter. Att ta nästa steg och automatisera 3DSP-processen möjliggör en slimmad, effektiv tillverkningsprocess hela vägen fram till färdigt gjutgods för komplexa geometrier och korta serier. Detta förutsätter dock i flera fall en hög tillgänglighet i maskinen. Fullt ut kan detta utnyttjas endast i ett i övrigt automatiserat produktionssystem.
7 Slutord
Syftet med projektet var att i samverkan med robottillverkare, maskinleverantör och leverantörer av gjutgods ta fram lösningar för att automatisera efterbearbetningen av sandkärnorna samt inkorporera den nya tekniken i befintlig produktionslina. Målet var att nå samma produktionshastighet för 3D-printade kärnor som med konventionell tillverkningsteknik.
Projektet har kraftfullt drivit processen att automatisera sandprintertillverkningen. I demonstratorerna har åtskilliga tekniska frågor hittat lösningar, framför allt de grundläggande frågeställningarna kring dataöverföring och kompatibilitet mellan olika system. Baserat på detta utfall och slutsatserna i arbetet med varje företags affärsmodeller är det möjligt att räkna hem en investering av robot redan på ökad effektivitet vid inledande dammsugning av lös sand i arbetsboxen. En viktig del har även varit att få en traditionell bransch att ta till sig ett nytt sätt att designa och utforma detaljer som skrivs ut i en sandprinter. Under projektets gång har tre nya svenska aktörer investerat i sandskrivare och tekniken kan anses som en mycket väl etablerad framgångsfaktor för svensk gjuteribransch.
Projektet har genom kartläggning av tekniker avsedda för tex visionsystem även genererat inspiration och informationsspridning till deltagande företag kring utvecklingen som sker inom automation och AI och fortsatta samarbeten mellan parterna är inledda. Projektresultaten har löpande presenterats nationellt och internationellt. Ledande europeiska tillverkare av 3D-skrivare för sand arbetar med samma frågeställningar men detta projekt, med sitt fokus på enkla och snabba lösningar, står sig väl i ett internationellt sammanhang.
7.1 Informationsspridning
Projektet presenterades vid PiiA Summit i Västerås 2018-10-04 i form av poster samt kortare "pitch" från scenen. Längre föredrag hölls vid AM-dagen i Kista 2018-12-05 samt på Innodex-arenan vid Elmia Subcontractor i Jönköping 2019-11-12.
En företagsworkshop utifrån projektresultaten genomfördes på Siemens i Finspång 2019-09-16.
Projektet skulle ha presenterats vid internationell konferens DDMC2020 i Berlin i mitten av mars, men konferensen senarelades för att hållas digitalt i juni 2020. Abstract återfinns i Bilaga 5.
Projektet sammanfattas i en kort film som bland annat finns tillgänglig via RISE youtubekanal [18]. Information om projektet har också skett genom websida [19], projektblad och ett stort antal företagskontakter under perioden. Flera artiklar och kortare texter har publicerats, bland annat
• Nytt från RISE SWECAST 5-2018 • Gjuteriet 6-2018
• Krönika i nyhetsbrev 3DP 11-2018 • Verkstäderna 1-2020
43
7.2 Fortsatt arbete
Diskussioner med Unibap har förts om att utveckla ett kommersiellt system för läsning av id-koder i sandformar och -kärnor, och/eller på gjutgods. Baserat på resultaten i arbetspaketet är detta tekniskt sett fullt genomförbart, men i dagsläget är marknaden för ett sådant system ganska liten, eftersom få gjuterier har 3D-sandprinters. Metoder för märkning av sandformar och -kärnor skapade genom konventionell sandformning är dock under utveckling och kan tänkas väsentligt expandera marknaden för avläsningssystem om inte 3D-printers gör det.
Det nätverk som byggts upp inom projektet består idag av samtliga svenska ägare av sandprintrar och önskemål har framförts att nätverket fortsätter vara aktivt med RISE som sammankallande, där erfarenheter och omvärldsbevakning kan delas. Detta nätverk kommer att spela en viktig roll i framtida projekt då intresset för att utveckla tekniken är stort. Själva printerprocessen har redan behandlats i det parallella Sandbox-projektet [3] och utifrån dessa projektresultat fortsätter det gemensamma arbetet kring frågor som alternativa bindemedel, svensk sand, printersandens påverkan på befintligt råsandsystem, design och geometrisäkring. Autoprint-projektet har öppnat nya möjligheter för automatiserad efterbehandling, visionsystem för kvalitetskontroll och kvalitetssäkring av färdiga produkter. Företagen har också visat stort intresse för utvidgade applikationer för spårbarhet på individnivå utifrån de tester som beskrivs i denna rapport, då produktionssystem går mot en alltmer ökad komplexitet genom olika digitala systemlösningar.
Figur 25. Tänkbart upplägg på riktad utbildning för 3D-sandprinting för svenska gjuterier
Nätverket för 3D-sandprinting planerar för olika gemensamma aktiviteter under 2021 med uppföljningsprojekt och uppbyggnad av riktade utbildningssatsningar. Ett tänkbart upplägg är uppbyggt av kopplade moduler, där teoretiska och praktiska moment avlöser varandra och innehållet speglar olika moment från tekniska frågor och produktdesign till automation och affärsmodeller (Fig 25).
8 Bilagor
1. C Hauck, Interfaces for Automatization
2. S Fredriksson, Summering kring CAD-robot-kommunikation för dammsugning 3. J Ersson och M Steiner, Unibap Final Report
4. Konferensbidrag DDMC2020 5. Litteraturlista
45
9 Referenser
1. Projektplan för Autoprint 2 – Flexibla automationslösningar för 3D-printade
sandkärnor, diarienummer 2018-02191. Arbetet utfört inom Strategiska innovationsprogrammet Processindustriell IT och Automation, en gemensam satsning av Vinnova, Formas och Energimyndigheten.
2. På grund av Corona-pandemin 2020 förlängdes projekttiden med ett halvår och projektaktiviteterna anpassades till de rese- och besöksrestriktioner som gällde under året.
3. Projektplan för Sandbox – Hållbar tillverkning av 3D-printade sandformar och -
kärnor, diarienummer 2018-00800. Arbetet finansierat inom det strategiska
innovationsprogrammet Metalliska material, en gemensam satsning av Vinnova, Formas och Energimyndigheten. Projektledare var Ulf Gotthardsson, RISE.
4. Lauenstein, Å: Automatiserad hantering av 3D-printade sandformar och kärnor, Rapport 2018-006, Jönköping 2018, Swerea SWECAST.
5. ExOne: https://www.youtube.com/watch?v=r_yl8F7_Ukk 6. Voxeljet: https://www.youtube.com/watch?v=dQlt14LahcI
7. Intervju med Christoph Hauck, Process Development Materials and Equipment, ExOne, 2019-01-07.
8. Intervju med Richard Larsson, Karlebo Gjuteriktenik, 2020-04-28.
9. Molitch-Hou, M: Automated 3D Prionting: How industrial Additive manufacturing is Evolving, March 08, 2018,
https://www.engineering.com/3DPrinting/3DPrintingArticles/ArticleID/16626/Autom ated-3D-Printing-How-Industrial-Additive-Manufacturing-Is-Evolving.aspx
10. Urhal, P, Weightman, A, Diver, C, and Bartolo, P, Robotics and Computer- Integrated
Manufacturing, 59, October 2019, 335-345.
11. https://www.ri.se/sv/vad-vi-gor/projekt/digitaliserad-additiv-tillverkning-av-stora- komponenterIDAG (Chalmers, RISE) 2019
12. https://www.miun.se/Forskning/forskningscentra/sportstech/forskning/pagaende- projekt/ampere/IDAM (Fraunhofer) 2019-2022 13. https://www.ilt.fraunhofer.de/en/press/press-releases/press-release-2019/press- release-2019-4-17.html 14. https://www.oru.se/nyheter/nyhetsarkiv/nyhetsarkiv-2017/roboten-och-mannsikan- ska-bli-vanner/ 15. https://www.voxeljet.com/company/news/industrialization-of-core-printing-icp- official-introduction-at-gifa-2019/
16. Aaron Frankel, Ashley Eckhoff, Siemens: Digitalisation enables the industrialisation of
metal Additive Manufacturing at Finspång, Metal Additive Manufacturing,
Autumn/Fall 2018, Vol. 4 No. 3, Inovar Communications Ltd 17. K. He et. al., Mask R-CNN, arXiv:1703.06870 [cs.CV]
18. https://www.youtube.com/watch?v=w-CUhOK698Q
19. https://www.ri.se/sv/vad-vi-gor/projekt/automatiserad-tillverkning-av-3d-printade- sandkarnor
Through our international collaboration programmes with academia, industry, and the public sector, we ensure the competitiveness of the Swedish business community on an international level and contribute to a sustainable society. Our 2,200 employees support and promote all manner of innovative processes, and our roughly 100 testbeds and demonstration facilities are instrumental in developing the future-proofing of products, technologies, and services. RISE Research Institutes of Sweden is fully owned by the Swedish state.
I internationell samverkan med akademi, näringsliv och offentlig sektor bidrar vi till ett
konkurrenskraftigt näringsliv och ett hållbart samhälle. RISE 2 200 medarbetare driver och stöder alla typer av innovationsprocesser. Vi erbjuder ett 100-tal test- och demonstrationsmiljöer för framtidssäkra produkter, tekniker och tjänster. RISE Research Institutes of Sweden ägs av svenska staten.
RISE Research Institutes of Sweden AB Box 2033, 550 02 JÖNKÖPING
Telefon: 010-516 50 00
E-post: info@ri.se, Internet: www.ri.se
Komponentgjutning RISE Rapport 2021:08 ISBN:
12/13/2018
Interfaces for Automatization
1 | Object Position Data Interface
Provisioning of object positions in the build space
Provisioning of a control interface for jobbox interaction, safety
functions and related information
Solutions for Interfaces
CAD
Data
Placing
Objects
Solid Works CATIA etc.Defining
Job Settings
Printing
*.cli
Netfabb Magix etc. X-Prepe.g. *.stl
existing solution
Composite Object Position Data
*.stl
Export Position Data Manuallyprovided by
customer
Object Position Data Interface
Solutions for Interfaces
CAD
Data
Placing
Objects
Solid Works CATIA etc.Defining
Job Settings
Printing
*.cli
Netfabb Magix etc. X-Prepe.g. *.stl
existing solution
Export Position Data Automatically Composite Object Position Data
*.stl
Export Position Data Manuallysuggested solution
Estimated costs: 30k EUR
provided by
Solutions for Interfaces
Information and Control Interface
Solutions for Interfaces
Robot / External SPS Jobbox Parking Position
Printing
this Job
Composite Object Position Data*.stl
e
xis
tin
g
s
olu
tion
provided by customer
Robot / External SPS Jobbox Parking Position
Printing
this Job
Composite Object Position Data*.stl
e
xis
tin
g
s
olu
tion
Information and Control Interface
Solutions for Interfaces
Robot / External SPS Jobbox Parking Position
Printing
this Job
Optional Safety Interface Composite Object Position Data*.stl
suggested solution with estimated costs of 50k EUR
e
xis
tin
g
s
olu
tion
Transfer
Bus
Ready SignalBox Positioning Information (Z)
Physical Z-Axis Control
Safety functions (optional)
Ethernet Ethercat Profinet
etc.
provided by customer
M.Eng. Christoph Hauck, Project Manager Process Development,
christoph.hauck@exone.com
Autoprint 2
Summering kring CAD-robot kommunikation för
dammsugning
•
Utreda alternativa spår för kommunikation
mellan CAD – Robot
–
Tidigare alternativ: AME/Robotmaster
•
Önskvärt är att kunna använda redan befintliga mjukvaror
inom projektgruppen
Utfört arbete
•
Dialog med support för CAD-mjukvaran (Solid Works)
–
Förklara uppgiften
–
Gå igenom tidigare arbeten med AME
•
Delge CAD-filer från projektet
–
Två arbetsmöten
•
Websessioner
•
Första testet
–
En box som rymde alla kärnorna
–
En fräsoperation som kör ”skrot” och kör bort allt utom kärnorna
•
Diameter på munstycket
•
Hur långt ifrån vill vi gå?
•
Hur stora steg i Z-led vill vi ta?
•
Automatgenererade banor…
•
Tidsåtgång, ca 20 min
•
Ny geometri
–
Samma geometri som AME kört igenom
och som fanns printad.
–
Förhoppningsvis kunna exportera kod
direkt till KUKA:s egna mjukvaror
•
KUKA CNC
•
KUKA-Sim
–
Exportera till NC-kod vilket KUKA kunde
Utfört arbete
Nästa steg?
•
Hur implementera de erfarenheter som Rise Swecast gjort
–
Pauser i dammsugningen
–
Optimera fräsbanor smidigt
–
”interagera” med robotens program
•
Små programkoder som kan ”klippas in” i den exporterade koden
–
UNIBAP?
–
Förutbestämda fräsbanor – CAD
•
Ny geometri
•
En förenklad geometri cylinder för att göra
programmet generiskt och automatiskt
uppdatera ytorna som skall undvikas.
•
Endast ”bereda” ett lager, eftersom
Nästa steg
•
Importera robot i den befintliga layout
•
Avskärmning med staket samt
ljusridå för att bibehålla
möjligheten för manuell
dammsugning
•
Efter att Axxelent Engineering blev inkopplade så har de kunnat visa
på en väg att koppla samman CAD med robot för en effektiv
dammsugning.
•
Tester gjordes i Husqvarna 2020-09-14 med flera av de deltagande
företagen på plats.
•
De använder sig av SurfCam samt IRBCAM som är två mjukvaror.
SurfCAM används för att skap de fräsbanor som roboten ska
dammsuga efter och IRBCAM översätter/kontrollerar den KRL kod
som skickas över till roboten för att säkerställa att det går problemfritt
och att roboten inte slår knut på sig själv t.ex.
•
Genom dessa mjukvaror så behövs troligtvis inte den förenklade
Geometri vid försök Husqvarna
•
Vid försöken så användes en låda
med 2 våningar.
•
Steg
–
Dammsugning av halva höjden på
första lagret
–
Urplockning
–
Skrotkörning av första lagret
–
Bortplockning av plattor
–
Dammsugning av halva höjden på
andra lagret
–
Urplockning
•
Programkoden görs lager för lager, så från CAD
programmet exporteras lager för lager ut.
•
Varje lager genererar ett program
•
Programmen läggs sedan i en sekvens i roboten där
operatören kvitterar mellan varje program.
•
Varje program kan sedan hamna i ett bibliotek för att lätt
återanvändas när samma kärna/form printas igen.
Summering
•
Uppgiften som bestod av att utreda alternativa spår för
kommunikation mellan CAD robot anses färdig.
•
Lösningen innebar dock att nya mjukvaror introducerades
som är speciella för ändamålet.
•
Den sista delen, som är intrimning och anpassning bör
göras på respektive gjuteri då processen ser olika ut och
således inte går att köra samma för alla. Beror även på om
roboten ska användas till annat än enbart dammsugning.
• Kort om Unibap
• Projektgenomförande med resultat
• Idéer för automation för 3D-printade
sandkärnor och gjutindustrin
7.3 miljoner aktier
Börsvärde ~ 210 MSEK
($23M)
kombinerar vision och dynamisk robotik med
Machine Learning.
•
Funktioner
–
Avsyning
- Läsning
–
Montering
- Identifiering
–
Plockning
- Hängning
Autoprint2
och tester till område 6 –
Kvalitet
• Målsättningen har inte varit att
nå en automationslösning, utan
prova ut vad som är möjligt och
diskutera aspekter på det
• Målsättningen med kvalitet är att i
samband med rengöring detektera om
det
– Är oönskad sand kvar på artikeln
– Har uppkommit en defekt på artikeln
• T ex vid Plockning eller rengöring
• Ej tillgång till helt relevanta defekter från
produktion, defekta artiklar som Unibap
använt har förstörts av Unibap
– Att kontrollstavar håller rätt mått
– Läsa ut ID-nummer
– detektera uppkomna defekter
•
För testerna har Unibap i labbmiljö använt:
– RGB-kamera
– Indirekt ljus
Den uppsättningen har givit ett tillräckligt bra resultat
•
Även annan bildframställning har utprovats för att
kunna ge mer kontrast
– men det är inte nödvändigt att använda sig av även om
det kan bli ett framtida komplement
• För bildanalys har Unibap använt tre olika metoder för att
genomföra kvalitetsavsyning
– Två baseras på neurala nät och machine learning
• Tränad detektion samt Anomalidetektion
– En är en klassisk vison-algoritm
• CAD matchning
– Mönster kan hittas på olika ställen av artikeln
• Fördelar
– Beprövad teknik, robust
– Bra att hitta ofta förekommande fel
– Bra på att hitta små fel
– Katalogiserar defekter enligt typ
– Träning på en artikeltyp överförs till en annan med liknande struktur
• Nackdelar
– Kräver träning per defekttyp, gärna i många olika varianter
– Missar även grova fel om den inte är tränade på det
• Vad innebär det
– Algoritmen söker igenom bilden för att leta efter mönster som avviker från hur algoritmen
uppfattar att en korrekt bild ska se ut (AI)
• Fördelar
– Kan snabbt tränas upp på endast godkända detaljer
– Bra att ha för att hitta sällan förekommande fel
– Bra på att hitta grova avvikelser
• Nackdelar
– Kan inte specificera vilken feltyp det är, endast att det är fel
– Kräver relativt stora produktionsserier för att få tillräckligt bildunderlag
– Träning är ej överförbar till ny artikel
– Inte lika precis som tränad detektion
• Fördelar
– Behöver inte någon träning
– Bra på större formavvikelser, avsaknad av material för kanter och hålrum som finns i CAD
• Nackdelar
– Kan inte specificera vilken feltyp det är, endast att det är fel
– Kan inte detektera avvikelser som inte framgår av CAD
– Inte lika precis som tränad detektion
• Skador:
– Repor, punkt skador och liknande defekter är rimligt lätta
att finna på sandkärnor, troligen även utan speciellt ljus
– Identifiering görs främst med TD (plus där så är lämpligt
AD)
– Fel som identifieras på en del av artikeln med TD hittas
även på andra där träning inte är gjord
– CAD-matchning kan användas för att identifiera större
skador i jämförelse med CAD-modellen eller om något
saknas från printningen
med anomalidetektion
– Väldigt tunna sandlager där sandkärnan
har låg kontrast mot oönskade sandkorn
ger en betydligt svårare miljö för detektion
– På sandkärnor med mer kontrast är det
betydligt enklare och resultatet är mer
beroende på att rätt kameravinklar och
upplösning används
• Mäta kontrollstavar
– Det gjordes inte något prov på att mäta
kontrollstavar, men det är trivialt i sammanhanget
om rätt sensorer tillförs (tex enkel laserscanner)
• Läsa id-nummer
– Ett snabbt på olika ytor gjordes, och även det är
trivialt och kan tillföras en automationsprocess
• Det kräver en genomtänkt miljö för att få
tillräckligt bra bilder
• Det är viktigt att styra omgivande
processer (tex färg på bindemedel)
• Att kontrollera stavar och läsa ID är någon
som lätt kan tillföras
Autoprint2
•
Viktigt med dynamisk robot kontroll och
dynamisk positionering, kombinerat med
kontinuerlig avsyning blir det en flexibel
lösning inom flera delar av automationen
– Många av processerna kan repeteras och
användas även efter gjutning, som plockning, kvalitet och montering
•
Följande sidor diskuterar dessa områden
– Teoretiskt skulle även montering kunna utföras,
•
Processinformation
–
QA verktyg ger genom avsyning och hantering även ett kontinuerligt
flöde av information till kringliggande system (MES)
–
Följande information är lätt att extrahera bland annat
• Produktionskvalitet med typ av fel för återkoppling till produktionsprocessen
• Antal korrekta och defekta
• Möjlig sortering i rework vid t ex inkorrekt blackning
• Koppling av data till andra sensorer eller material (temperatur, luftfuktighet, sandtyp etc)
•
Processtyrning
–
Genom olika styrverktyg som Unibap erbjuder, bland annat qTune™
så kan fabrikerna själva styra hur strikt kvalitet som önskas
• Om alla sandkorn ska bort eller om det är viktigare med högrethroughputmot att algoritmen är lite ”slarvigare”
•
Träningsdata
–
Vidare så kan algoritmer för detektion lära sig av andra exempel, så
fler kunder inom samma produktionsområde ger på sikt en kollektivt
Autoprint
automation
cell
Plant MES system / Quality system / Analytics platform
Part input
Part output