宝马3D打印技术应用新里程碑:2023年生产零件超40万件!

4ff5f0591f9e49288ba876329a9af79c.png

3D打印技术参考注意到, BMW Group于5月23日公布了一则消息,在位于Oberschleißheim的“增材制造园区”,即宝马集团3D打印生产、研究和培训中心枢纽,2023年3D打印的零件数量超过300000件。此外,从斯巴达堡和德国工厂到亚洲工厂,构成全球生产网络的所有工厂每年3D打印生产零件超过100000件

宝马集团是应用增材制造技术的先行者。早在1991年,3D打印机就已用于生产单个汽车零部件,最初用于概念车、原型车和赛车,后来用于生产模型。宝马集团如今还通过各种3D打印工艺制造各类教学用、生产用工装夹具及其他工作辅助工具,还包括用于CFRP车顶、地板组件等部件的重量优化大型机器人夹持器。本文内容,3D打印技术参考主要介绍宝马集团的最新应用案例,并梳理该公司近些年应用3D打印技术的发展脉络

d7f0aba002fc58d7333c2312ba130169.jpeg

大规模生产3D打印砂型模具

长期以来,宝马集团兰茨胡特工厂每天都在使用增材制造工艺。多年来,这些工艺包括用于制造铝制气缸盖的模具,这些模具采用砂型3D打印工艺制造,这使得制造非常复杂结构的模具成为可能。

3D打印制造大型机器人夹持器

多年来,宝马集团位于兰茨胡特的轻量化结构与技术中心一直在使用一种特别大的夹持器,其采用3D打印工艺制造。该机器人夹持器重约120公斤,仅需22小时即可制造完成,然后用于压机生产BMW M GmbH车型的CFRP车顶。与传统夹持器相比,使用3D打印制造的版本重量减轻了约20%,从而延长了机器人的使用寿命,减少了系统的磨损。机器人夹持器的独特之处在于两种不同3D打印工艺的完美结合。真空夹持器和针式夹持器的夹钳采用选择性激光烧结 (SLS) 制造,而大型车顶外壳和轴承结构则采用MAKEiT的大尺寸挤出3D打印工艺(LSP)制造。

120353295106909c118ff1a17fd3a228.jpeg

宝马集团慕尼黑工厂3D打印机器人抓手 

761fafa706f56e9a5743f39250d18572.jpeg

宝马集团兰茨胡特工厂的3D打印机器人抓手

2023年夏,宝马集团新一代更轻的夹持器问世。为了实现这一目标,对之前的夹持器概念进行了分析和拓扑优化。这是一款仿生的机器人夹持器。新夹持器比其前身轻25%,这意味着制造BMW M3的车顶的整个过程只需一台机器人即可完成,而以前需要三台。如今,宝马集团兰茨胡特工厂的所有CFRP车顶都使用由宝马集团内部单独制造的双夹持器,这要归功于3D打印技术。

新型3D打印夹持器用于底盘制造

宝马集团还在底盘制造中使用了采用3D打印工艺生产的夹持器,例如,宝马集团雷根斯堡工厂使用LSP工艺打印的夹持器来安装车门。3D打印技术提高了夹持器的刚性,同时减轻重量。宝马集团慕尼黑工厂的首批仿生机器人夹持器已在母厂投入使用。该夹持器可以夹持和移动BMW i4的整个地板组件。对于地板组件夹持器,使用3D打印来创建充满液态铝的砂型铸造模具。支架在重量和最大负载能力方面进行了优化,加上所有附加元件后重量仅为110公斤,这比之前的传统型号轻了大约30%。使用砂型铸造和铝制造可以呈现复杂的负载优化结构。这可以最大程度地减轻重量,从而可以在中期内使用更小更轻的重型起重机器人,从而减少能耗,从而减少二氧化碳排放。

93e729f5262482f722ed6f5a28927f58.jpeg

宝马集团雷根斯堡工厂3D打印机器人抓手

a86dce03e5df7582bfae7ed3a7abee4c.jpeg

宝马集团慕尼黑工厂3D打印机器人抓手

宝马集团慕尼黑工厂工厂工程和机器人技术负责人Markus Lehmann 表示:“在慕尼黑工厂,我们正在不断扩大通过增材制造创造的生产辅助工具的使用。在夹持器和搬运系统领域,我们使用3D打印为现有的夹持器配备单独的打印附件,并且已经用高度集成和重量优化的轴承结构替换了整个夹持器系统。在搬运整个BMW i4地板组件时,这使我们能够将整个夹持器的重量减轻30%(50 公斤),从而延长了设备的使用寿命。”

宝马集团增材制造技术应用脉络

宝马集团声称,2010年-2018年已生产超过100万3D打印组件。仅在2018年3D打印的零部件就超过20万个。很明显,如今的生产规模已经发了一番。2020年,宝马集团耗资1500万欧元的增材制造园区正式启用。该园区将原型和系列零件的生产集中在一起,同时研究新的3D打印技术,并为全球无工具生产的推广提供相关培训。

e719998a3a2de21253c229c75d00e112.jpeg

宝马集团增材制造园区

随着3D打印生产和应用规模的不断升级,无人车间、自动化就显得尤为重要。经过多年、多方努力,宝马集团成功建成金属、聚合物及砂型3D打印自动化产线。

2022年5月,3D打印技术参考报道了宝马集团IDAM项目成功实施。该项目由宝马集团牵头,与吉凯恩、亚琛工业大学、弗朗霍夫激光技术研究所在内的12家企业和研究机构共同参与推动,目标是在汽车生产领域彻底改变金属3D打印的使用方式,降低成本和减少工时(如模具制造环节),更好的满足定制产品的需求。宝马因此建立了一条数字联网的全自动金属3D打印生产线,并为汽车系列生产做好了准备。通过将金属3D打印集成到汽车行业传统生产线中,IDAM计划每年至少批量生产50000个组件和10000个零配件用于汽车生产,同时保证零件的一致质量并释放目前极高的成本压力。

cea48c57e5447bef02b29c2e85ece781.jpeg

宝马集团金属3D打印自动化产线一角

2023年四季度,宝马声明完成聚合物和砂型3D打印自动化产线建设。聚合物3D打印自动化产线的建设基于EOS P500 SLS系统,其专为高度自动化并集成到现有生产线而开发。产线运行过程中,可自动更换打印缸并冷却刚打印完的缸体,通过安全运输容器和自动导引车,以及带有KLT处理和箱式拾取机器人的单元,用于进一步处理和分类组件。系统自动化和集成水平因每个用例而异,并且可以根据每种情况进行专门调整。在这种情况下,机器确保了最高的可靠性、最高水平的均匀性、重复性和再现性

ab712b7f12e48ea9595b7563ed906fe6.jpeg

宝马集团聚合物3D打印自动化产线一角

砂型自动化产线的建设基于定制的低排放解决方案,将voxeljet的高速VX1300-X砂型3D打印机集成到全自动的预处理和后处理工作流程中,包括用于固化3D打印芯材的工业微波。最新一代VJET-X 3D打印机的打印速度提高了十倍,砂芯的无工具设计允许以前所未有的速度进行变体更改,而无需耗时的工具更换和生产停机。未使用的材料100%回收并在生产过程中重复使用。

7181edd681fa78db1b2e9748ecfde502.jpeg

宝马集团砂型3D打印自动化产线一角

3D打印自动化产线项目无疑将会给增材制造技术的工业化规模实施带来巨大改变,同时促进效率及成本效益的进一步提升。一旦减少了人工参与,3D打印厂房将真正变成了黑灯工厂,各环节的自动化运行将使人们看到3D打印将真正成为革新制造技术的重要推手。

注:本文内容由3D打印技术参考整理编辑,转载请联系授权。

欢迎转发

bacc0648d1dc29e271cb96971d3d926a.jpeg

主编微信:2396747576(请注明身份); 硕博千人交流Q群:248112776;网址:www.amreference.com

延伸阅读:

1.先临三维通过德国TISAX最高等级AL3认证,获欧洲汽车行业信息安全认可

2.应用行业渗透:宝马将使用电弧增材制造生产汽车部件

3.一辆车安装115个3D打印零件,汽车3D打印直接应用稳步破冰

4.吉利汽车研究院高级技术专家:3D打印如何实现车规级的创新应用

7db314c0d2e6ac2e8929d202734bca08.gif

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值