Oplossingen
Wil je meer uit je productieproces halen of eerst beter begrijpen waar het vastloopt? Kies hieronder de richting die past bij jouw vraagstuk
INDUSTRIËLE AUTOMATISERING
Research & consultancy
Bekijk welke automatiseringsrichting past bij waar je productieproces nu om vraagt
Bekijk welke onderzoeksaanpak helpt om je vraagstuk beter te onderbouwen
Robotics
Blue Engineering werkt met verschillende typen robots. Van cobots die operators ondersteunen bij repeterend of fysiek belastend werk tot grote industriële robotarmen die producten automatisch tussen bewerkingsstations verplaatsen. We werken met meerdere robotmerken, waaronder Fanuc, KUKA en ABB.
De keuze voor een robot begint niet bij het merk, maar bij het productieproces. Wat moet er worden verplaatst? Hoe zwaar is het product? Hoeveel variatie zit er in de aanvoer? Welke cyclustijd is nodig? En hoeveel ruimte is er beschikbaar rond de bestaande lijn? Door die vragen eerst goed te beantwoorden, ontstaat een robotoplossing die past bij de praktijk op de werkvloer.
Veelgebruikte robottypen zijn onder andere:
- Autonomous Mobile Robots, voor intern transport zonder vaste baan.
- Automated Guided Vehicles, voor voorspelbare logistieke bewegingen.
- Articulated robots, industriële robotarmen voor handling, bewerking of assemblage.
- Cobots, voor ondersteuning van operators of enkelvoudige handelingen in de lijn.
- Hybride systemen, waarbij meerdere robotvormen of functies worden gecombineerd.
- SCARA robots, voor snelle horizontale bewegingen en assemblagetaken.
- Delta robots, voor snelle pick-and-place toepassingen met lichtere producten.
In het Rockwool-project is gebruikgemaakt van een ABB IRB 5710 robotarm. Deze robotarm werd ingezet als centraal punt in de cel om producten tussen verschillende bewerkingsstations te verplaatsen. Daarmee werd de robot niet als losse machine toegepast, maar als onderdeel van een groter productieproces.
Om een robot goed aan te sturen, is software nodig waarmee bewegingen kunnen worden geprogrammeerd, getest en geoptimaliseerd. In dit project is gewerkt met RobotStudio. Daarmee kunnen robotbewegingen vooraf digitaal worden opgebouwd en gecontroleerd voordat de installatie in de praktijk wordt gerealiseerd.
Daarvoor worden 3D-modellen van de robot, stations en omgeving ingelezen in de software. Deze modellen worden op de juiste positie gezet ten opzichte van de robot. Dat maakt zichtbaar of de robot overal bij kan, of bewegingen elkaar kruisen, waar mogelijke botsingen ontstaan en of de gekozen layout logisch is voor productie en onderhoud.
De stations worden voorzien van referentiepunten. Daarmee kan de digitale simulatie later worden gekoppeld aan de werkelijke situatie in de fabriek. Dat is belangrijk, omdat een robot in de praktijk niet werkt op basis van een tekening, maar op basis van exacte posities in de lijn. Door dit vooraf goed op te zetten, wordt de kans op verrassingen tijdens installatie kleiner.
De waarde van deze aanpak zit vooral in voorbereiding. Je kunt de bewegingsroute al optimaliseren voordat de robotcel gebouwd is. Dat helpt om de cyclustijd te verkorten, stilstand tijdens inbedrijfstelling te beperken en technische risico’s eerder zichtbaar te maken.
Naast het programmeren van de robotbewegingen moet de robot ook communiceren met de andere stations in de lijn. De robot moet weten wanneer een product klaarstaat, wanneer een station vrij is, wanneer een bewerking is afgerond en wanneer er veilig bewogen mag worden. Zonder die afstemming ontstaat wachttijd of foutgevoeligheid in het proces.
Deze communicatie wordt meestal geregeld via een PLC. In de PLC worden onder andere de procesvolgorde, veiligheid, foutmeldingen, snelheden en vrijgaves tussen de robot en de stations vastgelegd. Daarmee wordt de robotcel bestuurbaar als onderdeel van de totale productieomgeving.
Afhankelijk van de toepassing kan een robotcel worden uitgebreid met machine vision, sensoren of AI. Vision kan bijvoorbeeld helpen om producten te lokaliseren, posities te corrigeren of kwaliteit te controleren voordat de robot een volgende handeling uitvoert. Dat is vooral waardevol wanneer producten niet altijd exact hetzelfde liggen of wanneer variatie in het proces een rol speelt.
Ook aansluiting op het bestaande fabrieksnetwerk is vaak onderdeel van de oplossing. Veelgebruikte netwerkprotocollen zijn:
- Profinet
- EtherNet/IP
- EtherCAT
- Modbus/TCP
In het Rockwool-project is de robotcel gekoppeld aan het klantspecifieke Profinet-netwerk. Daardoor kan de cel worden opgenomen in de bestaande besturing en monitoring. Via systemen zoals WinCC kan de klant statusinformatie, storingen en procesdata inzichtelijk maken. Dat helpt operators, onderhoud en engineering om de cel beter te volgen en sneller te reageren wanneer er iets afwijkt.
Een goede robotoplossing draait dus niet alleen om de robotarm zelf. Het gaat om de combinatie van mechanica, besturing, software, veiligheid en integratie in de bestaande lijn. Pas dan ontstaat een oplossing die operators kunnen gebruiken, engineers kunnen beheren en management kan beoordelen op waarde voor het productieproces.
Bekijk in de video hoe robotica in de praktijk kan worden toegepast:
motion & Control
Motion & Control draait om het gecontroleerd laten bewegen van producten, onderdelen of machines binnen een productieproces. Denk aan positioneren, verplaatsen, doseren, klemmen, uitlijnen of synchroniseren met andere processtappen.
Voor productiebedrijven is dat belangrijk omdat veel verlies ontstaat in kleine bewegingen die telkens terugkomen. Een product dat handmatig goedgelegd moet worden. Een operator die moet wachten op de volgende stap. Een onderdeel dat net niet goed gepositioneerd wordt. Of een proces waarbij de snelheid afhankelijk is van wie er aan de lijn staat.
Met Motion & Control maken we dit soort bewegingen beter beheersbaar. Daardoor kan een proces constanter draaien, wordt de afhankelijkheid van handmatige handelingen kleiner en kan dezelfde medewerker meer waarde toevoegen aan het totale proces.
Hoe werkt Motion & Control?
Een Motion & Control-systeem bestaat meestal uit een combinatie van aandrijving, besturing en feedback. De aandrijving zorgt voor de beweging. De besturing bepaalt wanneer, hoe ver en met welke snelheid iets beweegt. Feedback laat zien of de beweging ook daadwerkelijk goed is uitgevoerd.
Afhankelijk van de toepassing gebruiken we bijvoorbeeld servomotoren, stappenmotoren of pneumatische componenten.
Servomotoren worden ingezet wanneer beweging precies gestuurd en gecontroleerd moet worden. Denk aan nauwkeurig positioneren, gecontroleerd versnellen of het herhalen van dezelfde beweging met een vaste nauwkeurigheid.
Stappenmotoren worden gebruikt wanneer een beweging in vaste stappen moet verlopen. Dat kan interessant zijn bij eenvoudige positioneertaken of toepassingen waar de beweging voorspelbaar en goed begrensd is.
Naast de motor zelf zijn er componenten nodig om de beweging goed aan te sturen. Een controller bepaalt het bewegingsprofiel, zoals positie, snelheid en volgorde. De drive vertaalt de signalen van de controller naar het vermogen dat nodig is om de motor aan te sturen. Encoders geven terug waar de motor of as zich bevindt, met welke snelheid deze beweegt en of de gewenste positie is bereikt.
Die terugkoppeling is belangrijk. Zonder feedback weet een systeem niet zeker of een beweging goed is uitgevoerd. Met feedback kan het systeem controleren, corrigeren en storingen eerder zichtbaar maken.
Motion & Control met pneumatiek
Niet elke beweging vraagt om een elektrische motor. Voor klemmen, duwen, trekken, grijpen of positioneren kan pneumatiek een praktische oplossing zijn. Blue Engineering werkt hierbij onder andere met componenten van Festo, zoals ventieleilanden, pneumatische cilinders en elektrisch aangestuurde ventielen.
Een ventielblok kan worden samengesteld op basis van de toepassing. Daarmee kunnen meerdere pneumatische bewegingen centraal worden aangestuurd. Denk aan een cilinder die een product op zijn plek houdt, een aanslag die omhoog komt of een grijper die een onderdeel vastpakt.
Een concreet voorbeeld is een robotgrijper die producten met verschillende diameters moet vastpakken. Door pneumatisch te werken kan de grijper flexibel omgaan met variatie in productdiameter. Door slim te kiezen voor een grotere zuiger kan de benodigde luchtdruk lager blijven. Dat verlaagt het persluchtverbruik en maakt de beweging rustiger en beter controleerbaar.
Voor de productie betekent dit dat één grijper meerdere productvarianten aankan, zonder dat een operator steeds hoeft om te bouwen of handmatig hoeft bij te sturen.
Voorbeeld uit de praktijk
Een voorbeeldproject van Blue Engineering richtte zich op het verplaatsen van producten over een rollerbaan, waarbij tussen het transport door ook verschillende handelingen moesten worden uitgevoerd.
De rollerbaan bestond uit meerdere delen die onderling met elkaar communiceerden via sensoren en een PLC. Sensoren bepaalden waar het product zich bevond. De PLC gebruikte die informatie om de juiste motoren aan te sturen en de productbeweging door de lijn te regelen.
Daardoor beweegt niet de hele baan continu, maar alleen het deel dat nodig is op dat moment. Dat geeft meer controle over de productpositie en voorkomt onnodige bewegingen in het systeem. Ook kan de lijn beter reageren op wachttijd, blokkades of verschillen in productaanvoer.
In hetzelfde type toepassing kan een product ook worden overgezet naar een parallelle rollerbaan. Daarvoor wordt de beweging afgestemd op de positie van het product en de beschikbaarheid van de volgende processtap. Zo ontstaat een gecontroleerde overdracht, zonder dat een operator het product handmatig hoeft te verplaatsen.
Wat levert dit op in productie?
Motion & Control verhoogt de productiviteit per medewerker vooral door terugkerende handelingen uit het werk van operators te halen. Een medewerker hoeft minder te tillen, minder te positioneren en minder te corrigeren. Het systeem voert de beweging op dezelfde manier uit, terwijl de operator meer overzicht houdt over het proces.
Daarnaast helpt Motion & Control om de doorlooptijd stabieler te maken. Wanneer bewegingen goed zijn afgestemd op de rest van de lijn, ontstaat minder wachttijd tussen processtappen. Producten worden op het juiste moment verplaatst, vastgehouden of vrijgegeven.
Ook de kwaliteit wordt beter beheersbaar. Een onderdeel dat telkens op dezelfde positie wordt aangeboden, is makkelijker te bewerken, inspecteren of assembleren. Dat vermindert fouten die ontstaan door scheefligging, verkeerde timing of handmatige variatie.
Integratie met de bestaande lijn
Een Motion & Control-oplossing staat zelden los van de rest van het proces. De beweging moet samenwerken met sensoren, PLC-besturing, veiligheidscomponenten, operatorschermen en soms ook met robotica of machine vision.
Machine vision kan bijvoorbeeld bepalen waar een product ligt, waarna het Motion & Control-systeem de juiste beweging uitvoert. Een PLC kan bepalen wanneer een product mag doorstromen. Sensoren kunnen controleren of een cilinder is uitgeschoven, een product aanwezig is of een positie veilig is bereikt.
Daarom ontwerpen we Motion & Control niet als losse beweging, maar als onderdeel van het productieproces. Het doel is een oplossing die technisch klopt, past in de bestaande lijn en voor operators logisch te gebruiken is.
Motion & Control helpt productiebedrijven om bewegingen in het proces beter te beheersen. Door producten, onderdelen en machines gecontroleerd te laten bewegen, ontstaat meer grip op capaciteit, kwaliteit en doorlooptijd.
MACHINE VISION
“Machine Vision” stelt computers in staat om visuele informatie te interpreteren zoals mensen dat doen. Dit proces begint met camera’s en lenzen die beelden vastleggen, die vervolgens door een systeem van sensoren en algoritmen worden verwerkt.
Camera’s en Lenzen
Camera’s en lenzen vormen de basis van elk Machine Vision systeem. Camera’s vangen licht op en zetten dit om in elektrische signalen, die door sensoren zoals CCD en CMOS worden verwerkt. Deze signalen worden gedigitaliseerd door analoog-naar-digitaal converters (ADC), zodat de beelden door een computer kunnen worden geanalyseerd. De kwaliteit van de lens bepaalt de scherpte en helderheid van de vastgelegde beelden.
Digitale Afbeeldingen en Pixels
Een digitale afbeelding bestaat uit een raster van pixels. Elke pixel heeft een waarde die de helderheid en kleur vertegenwoordigt. In grijswaardenbeelden variëren deze waarden van zwart tot wit, terwijl kleurenbeelden gebruik maken van RGB-waarden (rood, groen, blauw). De precisie van deze pixels, oftewel de resolutie, is bepalend voor de nauwkeurigheid van de beeldanalyse.
Edge Detection via Kernels
De eerste stap in beeldverwerking is edge detection. Dit gebeurt met behulp van kernels, kleine matrixen die over de afbeelding worden geschoven om specifieke kenmerken te benadrukken. Het Sobel-algoritme detecteert randen door het verschil in helderheid tussen aangrenzende pixels te berekenen. Het Canny-algoritme gaat verder door meerdere stappen te omvatten, zoals ruisonderdrukking en dubbele drempelwaarde, om nauwkeurige randen te detecteren.
Vormdetectie en Metingen
Na edge detection worden geavanceerdere algoritmen toegepast, zoals de Hough-transformatie voor vormdetectie. Hiermee kunnen specifieke vormen zoals cirkels worden geïdentificeerd. Deze technieken maken nauwkeurige metingen mogelijk, essentieel in industriële toepassingen waar precisie van groot belang is.
Detectie van Afwijkingen
Algoritmen detecteren ook afwijkingen in afbeeldingen, cruciaal voor kwaliteitscontrole. Filters zoals Gaussiaanse en mediane filters verwijderen ruis, terwijl andere technieken patronen en onregelmatigheden identificeren. Dit helpt bij het detecteren van defecten zoals krassen op een oppervlak of fouten in textielpatronen.
AI in Machine Vision
AI speelt een steeds grotere rol in Machine Vision, zo ook bij Blue Engineering. Convolutienetwerken (CNN’s) gebruiken lagen van convolutiekernen om kenmerken in een afbeelding te detecteren. Dit maakt abstracte herkenning mogelijk voor taken zoals objectherkenning en classificatie. AI algoritmen kunnen zeer veelzijdig worden ingezet en maken zeer complexe analyses mogelijk, die voorheen met “traditionele Machine Vision” niet mogelijk waren. Een voorbeeld hiervan is het herkennen van specifieke objecten in een drukke afbeelding.
Beeldclassificatie en Segmentatie
Beeldclassificatie deelt afbeeldingen in vooraf gedefinieerde categorieën in, terwijl beeldsegmentatie objecten in een afbeelding lokaliseert en identificeert. Segmentatienetwerken zoals U-Net zijn hierbij zeer effectief.
Realtime Objectdetectie
Realtime objectdetectie gebruikt neurale netwerken om objecten snel en nauwkeurig te identificeren. Via ‘Region proposal networks’ genereren we potentiële objectgebieden, die vervolgens worden geclassificeerd en omkaderd. Met het resultaat kan bijvoorbeeld een robot arm worden aangestuurd die het aangewezen object oppakt.
Conclusie
Machine Vision combineert camera’s, lenzen, sensoren, verlichtingssystemen en geavanceerde algoritmen om visuele informatie te interpreteren. De integratie van AI maakt systemen krachtiger en flexibeler. De business case voor Machine Vision is sterk, want automatische inspectiesystemen werken continu en nauwkeurig, wat leidt tot lagere kosten en hogere betrouwbaarheid, en uiteindelijk tot tevredenere klanten.
Data Science
Data Science speelt een essentiële rol in moderne productieprocessen door het verzamelen, analyseren en interpreteren van data om waardevolle inzichten te verkrijgen. Het is één van de pijlers van Industrie 4.0. Met de juiste technieken kunnen bedrijven hun processen optimaliseren, kosten verlagen en de productkwaliteit verbeteren.
Voorbeeld: Automatisering van de Productie van Drinkbekers
Bij een van onze klanten, een producent van plastic drinkbekers, hebben we een systeem ontworpen om de kwaliteit van hun producten te monitoren. Er werden hier drinkbekers geproduceerd in hoeveelheden van 40, elk met een vooraf gedefinieerde plek, op trays vervoerd via lopende banden.
De klant zag dat er vaak defecten zijn: Er ontbreken bekers of er zijn imperfecties, vooral om de drink rand.
De klant wilde uitzoeken waarom dit gebeurde. Wij hebben een Machine Vision systeem gemaakt dat de metingen voor hen uitvoert. De metingen worden elke productieronde naar de cloud gestuurd waar deze geanalyseerd wordt.
Het Begin: Data Verzamelen
Het begint allemaal met het verzamelen van data uit verschillende bronnen binnen het productieproces, zoals sensorgegevens en kwaliteitscontroles. Bij Blue komen we vaak bedrijven tegen met oude productielijnen die volledig handmatig worden bediend. Er is hier weinig informatie over de proceskwaliteit beschikbaar. Elk proces is natuurlijk anders, dus vergt maatwerk: wat voor informatie gaan we allemaal verzamelen, en hoe? In het voorbeeld van de drinkbekers was dit bijvoorbeeld een Vision Systeem. Vaak heeft geautomatiseerd data verzamelen de voorkeur omdat dit zeer consistente en betrouwbare data oplevert.
Data Voorbereiding en Schoonmaken
Nadat de data is verzameld, moeten we deze voorbereiden en schoonmaken. Dit is cruciaal omdat de kwaliteit van de data direct invloed heeft op de nauwkeurigheid van de analyses. In het geval van de drinkbekers verzamelen we dagelijks data over de kwaliteit van de bekers, zoals of er stukjes uit de rand ontbreken of de diepte van de beker correct is. Deze data wordt in CSV-bestanden opgeslagen. We verwijderen ruis, corrigeren fouten en vullen ontbrekende waarden in om ervoor te zorgen dat de data betrouwbaar is voor verdere analyse.
Exploratieve Data-analyse (EDA)
De volgende stap is Exploratieve Data-analyse (EDA): we gebruiken visuele en statistische technieken om patronen, trends en afwijkingen in de data te ontdekken. In het geval van de drinkbekers kunnen we bijvoorbeeld ontdekken dat defecten vaker voorkomen bij bepaalde dienst wissels of dat bepaalde machine delen meer fouten produceren. Deze inzichten helpen ons de data te begrijpen en vormen de basis voor verdere analyses.
Geavanceerde Analyses
Vervolgens passen we geavanceerde analysetechnieken toe. Denk aan regressie, classificatie en clustering. Met regressie kunnen we bijvoorbeeld voorspellen hoe veranderingen in bepaalde procesparameters, zoals temperatuur of druk, de productkwaliteit beïnvloeden. Classificatie helpt ons om de bekers op basis van kwaliteitsmetingen in categorieën te verdelen, zoals goedgekeurd, defect, twijfelachtig, enz… Clustering kan natuurlijke groepen binnen de data identificeren, zoals verschillende types defecten die zich voordoen.
Voorspellend Onderhoud
Achteraf kunnen met de resultaten technieken zoals voorspellend onderhoud ingezet worden. Door continu sensorgegevens te monitoren en machine learning-modellen te gebruiken, kunnen we voorspellen wanneer een machine waarschijnlijk zal falen. We kunnen ook automatisch bijsturen bij processen met veel verandering. Voor de drinkbekersproductie kunnen we bijvoorbeeld sensorgegevens van de machines analyseren om te voorspellen wanneer een machineonderdeel aan vervanging toe is. Dit minimaliseert downtime en verlengt de levensduur van de apparatuur.
Procesoptimalisatie
Data science helpt ook bij het optimaliseren van productieprocessen. Door historische gegevens en real-time data te analyseren, kunnen we knelpunten identificeren en oplossingen ontwerpen om de efficiëntie te verhogen. Voor de drinkbekersproductie zou bijvoorbeeld de temperatuurinstellingen van de machines veranderen de productkwaliteit verbeteren en het afval verminderen.
Kwaliteitscontrole en Verbetering
Door data-analyse kunnen we patronen en afwijkingen in kwaliteitsgegevens identificeren. Dit stelt ons in staat snel te reageren op kwaliteitsproblemen en de oorzaken van defecten te achterhalen. Geavanceerde technieken zoals Six Sigma en SPC (Statistical Process Control) helpen ons om de kwaliteit continu te verbeteren. In het geval van de drinkbekersproductie kunnen we deze technieken gebruiken om systematisch de oorzaken van defecten te analyseren en corrigerende maatregelen te implementeren.
Conclusie
Data Science wordt gebruikt productieprocessen door waardevolle inzichten te onthullen en betere beslissingen mogelijk te maken. Door data te verzamelen, analyseren en interpreteren, kan een proces worden geoptimaliseerd wat leidt tot lagere kosten, hogere efficiëntie en tevredenere klanten.
Pre-engineering
Een pre-engineering is een traject volgend op de projectinitiatie en voorafgaand aan de eigenlijke engineeringsactiviteiten van een project. In deze fase wordt het projectidee geanalyseerd, geëvalueerd en voorbereid voordat het daadwerkelijk wordt uitgevoerd. Het doel van een pre-engineering is het leggen van een solide basis voor het project, zodat engineering- en constructiefasen efficiënter en effectiever kunnen verlopen. Door het doorlopen van een pre-engineering worden de risico’s rondom een project verlaagd.
Een pre-engineering kan uitgevoerd worden om duidelijkheid te verkrijgen op de volgende gebieden:
Haalbaarheid: Een haalbaarheidsstudie kan worden uitgevoerd om te kijken of een project levensvatbaar is vanuit verschillende perspectieven. Vaak zal dit bekeken worden op het technische aspect. Echter kan hier ook onderzoek gedaan worden naar het financiële, operationele of juridische aspect. De uitkomst van deze onderzoeken helpen bij het nemen van een weloverwogen beslissing over het al dan niet voortzetten van het project.
Kostenraming: Bij een kostenraming wordt een schatting gedaan van de financiële investering die nodig is om een project te voltooien. Het doen van een kostenraming tijdens een pre-engineering helpt om financiële verrassingen en budgetoverschrijdingen tijdens de uitvoering van het project te voorkomen.
Risicoanalyse: Met een risicoanalyse worden potentiële risico’s geïdentificeerd, geanalyseerd en beoordeeld die de doelstellingen van het project kunnen bedreigen. Het doel van risicoanalyse is om het projectteam in staat te stellen proactief risico’s te identificeren en te beheren.
Conceptuele ideeën: Voorbereidend op een project kan een pre-engineering gebruikt worden om een aantal concepten op papier te zetten. Deze conceptuele ontwerpen omvatten vaak schetsen, tekeningen of schematische voorstellingen die de algemene vorm, functie en lay-out van het project weergeven. De conceptuele ontwerpen helpen bij het communiceren van het projectconcept aan de belanghebbenden en bieden een basis voor de verdere ontwikkeling en het detailontwerp.
Tijdens onze pre-engineering trajecten streven we naar flexibiliteit en snelheid om projecten effectief te analyseren en te beoordelen. Daarnaast hechten we veel waarde aan effectieve communicatie met de klant om de benodigde informatie te verkrijgen en de verwachtingen te begrijpen en daarmee hun behoefte te vervullen.
Simulations
Simulaties zijn essentieel in het moderne engineeringproces, waarmee complexe fysieke realiteiten nauwkeurig in een virtuele omgeving kunnen worden nagebootst. Dit stelt ons in staat om ontwerpen te optimaliseren voordat fysieke realisatie plaatsvindt, wat cruciaal is voor kostenbeheersing en innovatie.
FEM staat voor Finite Element Method, in het Nederlands bekend als eindige elementen software/berekening. FEM-simulatie wordt ingezet om engineeringproblemen accurater uit te rekenen dan handmatig mogelijk is. Ingenieurs leren de basisberekeningen tijdens hun opleiding, maar deze zijn vaak beperkt tot vereenvoudigde problemen. Een FEM-berekening benadert de praktijk veel nauwer. De echte wereld is immers niet altijd recht of vierkant.
Bij een standaard FEM-berekening wordt een CAD-model aangeleverd. We laden dit model in onze software, die het vervolgens opdeelt in een eindig aantal blokjes (elementen) en knooppunten. Voor elk knooppunt worden relevante formules opgesteld. Vervolgens worden er belastingen op het model toegepast en berekent de software de effecten op het model.
FEM-berekeningen worden typisch op drie manieren ingezet:
- Virtueel prototype: hiermee kun je een ontwerp testen voordat het gebouwd wordt. Dit is vooral waardevol bij complexe of dure onderdelen die je in één keer goed wilt ontwerpen.
- Diepgaander inzicht: berekeningen aan al gebouwde onderdelen bieden inzichten waarom onderdelen falen of kapot gaan. Dit is ook nuttig bij testopstellingen om te controleren of gemeten gedrag overeenkomt met de verwachtingen, zoals bij stromingen door een vloeistofsysteem of trillingsmetingen.
- Voldoen aan wetgeving en veiligheid: Voordat bepaalde onderdelen in productie worden genomen, is het noodzakelijk dat ze eerst grondig berekend worden. Dit zijn bijvoorbeeld stellingen in fabriekshallen of hijswerktuigen. Hierbij houden we rekening met de geldende normen.
We gebruiken FEM voornamelijk voor het doorrekenen van mechanische constructies. We werken met pakketten als ANSYS, maar ook met COMSOL en ingebouwde modules van CAD-systemen zoals SolidWorks, Inventor en NX.
Typische mechanische problemen die wij analyseren omvatten:
- De sterkte van kritische constructies, waarbij we letten op vervorming en interne spanningen om te bepalen of onderdelen te veel doorbuigen of zullen breken, zoals bij hijswerktuigen of machineframes. Daarbij observeren we vaak kritische spanningen in lasverbindingen, die we analyseren volgens de “pressure vessel codes”, de standaardnormeringen uit de procestechniek.
- Eigenfrequenties en dynamisch gedrag van constructies, bijvoorbeeld transportframes die niet mogen trillen tijdens het vervoer van gevoelige apparatuur.
- Dynamische problemen, zoals impactsimulaties voor kritische delen tijdens crashes of noodstops bij transport.
De software is naast mechanische simulaties ook geschikt voor andere problemen. Wij hebben ervaring met warmte-overdracht, stromings-problemen en elektromagnetisme.
Typische problemen die wij doorrekenen:
- Thermische expansies van meetapparatuur
- Koelsystemen van elektronica
- Airflow in machine-afzuiginstallaties
- Opgewekte magneetvelden bij puls-las technologie
Onze krachten: snelheid, correctheid en praktijk-gerichtheid (no-nonsense mentaliteit)
Onze kracht ligt in de snelheid, correctheid en praktijkgerichtheid van onze aanpak. We kunnen binnen 1 tot 5 werkdagen vrijwel elk engineeringprobleem doorrekenen, dankzij onze flexibele softwarelicenties en een efficiënte samenwerking met klanten, wat ons in staat stelt snel te schakelen en complexe problemen effectief aan te pakken.
Applied Research
Onze natuurwetenschappelijk opgeleide ingenieurs zijn gericht op het onderzoeken van jouw technische vraagstukken en het vinden van pragmatische oplossingen. Wij zijn sterk in het ontwikkelen van technologieën voor (nog) niet-gangbare toepassingen. Denk daarbij aan elektromagnetische puls-lastechnologie (EMPW) toegepast in industriële lassen waar geen hitte bij mag vrijkomen. Denk aan het ontwikkelen van een methodiek en opstelling om trillingen en geluidsdruk in optische precisiemachines te meten. Wij beginnen waar de OEM’s (sensor- en toolingfabrikanten) eindigen, als het toch iets moeilijker blijkt dan gedacht. Dan vinden wij oplossingen die haalbaar en betaalbaar zijn. Je kunt niet bewijzen dat iets NIET kan, wij gaan dus ook op zoek naar hoe het wel kan.
Samen met onze mechanici en mechatronici bouwen we ook een werkende opstelling waarmee we jouw researchvragen beantwoorden.
Aanpak van Blue:
Bij technische vraagstukken en onderzoeken weten we vooraf niet wat het antwoord zal zijn of waar we tegenaan lopen. Daarom pakken we jouw vraagstuk op een pragmatische en iteratieve manier aan. Dat betekent dat we jouw complexe vraag opsplitsen in behapbare kleine tussenstapjes en deelonderzoeken, en deze stap voor stap uitwerken. Gaandeweg dit proces sturen we continu deze tussenstapjes bij aan de hand van tussentijdse bevindingen en resultaten, zonder het uiteindelijke doel uit het oog te verliezen. Dit proces gebeurt in nauw overleg, zodat jij zelf ook kunt bijsturen en eventuele tussenresultaten of deelopstellingen al kunt gebruiken. Deze aanpak is succesvol gebleken in vele onderzoeksprojecten uitgevoerd bij Blue Engineering.
Nauwkeurigheid:
Tijdens het onderzoek of het bouwen van een meetopstelling houden we altijd rekening met de volgende principes:
- Betrouwbaarheid: De metingen moeten betrouwbaar zijn onder alle omstandigheden.
- Herhaalbaarheid en reproduceerbaarheid: Het is essentieel dat we onze metingen kunnen herhalen, zowel in vergelijkbare als in veranderende omstandigheden.
- Praktijkgericht: De resultaten en antwoorden op de onderzoeksvraag moeten duidelijk en direct bruikbaar zijn voor jou.
- Vertaalbaarheid: De gemeten resultaten moeten toepasbaar zijn op jouw specifieke situatie.
Wanneer we een meetopstelling voor jou bouwen, moet deze zowel makkelijk als betrouwbaar te gebruiken zijn in de praktijk, en niet alleen onder ideale omstandigheden.
Praktijkgericht:
Onze onderzoekers zijn academisch geschoold en hebben een sterke natuurwetenschappelijke achtergrond, maar zijn tevens zeer praktijkgericht ingesteld. Dit betekent dat we onderzoeken wat nodig is om jouw vraag te beantwoorden of jouw meetopstelling te bouwen, zonder er een wetenschappelijke studie van te maken. We brengen in kaart wat jouw vraag daadwerkelijk is en welke resultaten relevant en bruikbaar zijn in jouw situatie. We handelen vanuit het gezonde verstand en focussen op het vinden van de antwoorden die nodig zijn.
Technical Due Diligence
Bij een technical due diligence toetsen we de technische claims van een bedrijf of product op haalbaarheid en juistheid, en schatten we de voornaamste technische risico’s in. Dit instrument is populair onder investeerders die een soort ‘second opinion’ zoeken over de propositie van start-ups. Blue Engineering voert deze due diligences uit en levert een rapport met conclusies over de haalbaarheid van de techniek, de grootste risico’s en aanbevelingen. Onze breed geschoolde, natuurwetenschappelijk opgeleide engineers, aangevuld door de expertise van onze mechanici en mechatronici, maken ons de ideale one-stop-shop voor dergelijke opdrachten.
