越来越多的学术和工业研究小组认为基于人工智能算法的集成到3 d印刷过程中是一种很有前途的方法来提高质量和效率的3 d打印技术。
图片来源:Panchenko弗拉基米尔/ Shutterstock.com
虽然工业添加剂制造,俗称3 d打印技术,拥有先进技术水平从未见过,质量控制和监测制造缺陷仍然存在一个很大的挑战。
加法制造中扮演一个重要的角色在一个广泛的工业领域,如汽车、航空航天、生物医学、和其他人来说,通过使零件的制造与复杂的几何形状,内部结构的细节,和单独定制设计以低成本和小批量生产。
然而,目前,添加剂制造技术生产组件的能力与复杂形状以最少的材料浪费时不能充分利用制造高质量的部分需要符合要求的标准。取决于类型的3 d印刷过程的生产周期,不同的制造缺陷可以妥协的一致性、可靠性和性能的3 d打印的材料。亚博网站下载
管理因素3 d印刷过程的质量不同。这些可以使用源的质量相关材料(塑料丝、金属粉末或液体感光性树脂)或流程相关,如在under-extrusion亚博网站下载,气体口袋的烧结材料,层分离(缺乏粘附),等等。在大多数情况下,这些缺陷导致孔隙度增加伪劣生产部分的机械性能。
建立过程控制
首先,确保3 d打印组件满足所需的标准取决于材料的质量。原材料质量控制是一个持续的挑战对于大多数添加剂制造企业。
此外,广泛的变量会影响最终产品的质量横跨整个加法制造工作流程,从最初的设计到3 d印刷和后处理。例如,这些可能的路径和强度烧结激光(直接金属烧结过程)或丝挤压速度(在一个熔丝加工过程)。其他因素可能包括支撑结构的设计,甚至金属粉末已经恢复的次数和重用。
目前,尝试和错误是最常见的方法优化3 d印刷过程的实现一个一致的和可再生的组件质量。这种方法通常涉及多次重复制造步骤,最后一部分的广泛测试。
结果是一个昂贵和低效的生产过程,否定加法制造的主要好处——小批量的生产。
减少人为错误
大部分的添加剂生产过程仍然需要额外的人工干预。这可能涉及到组件的初始设计,后处理(删除支持和完成),手工测试的最终产品符合要求。因此,减少人为错误的可能性是至关重要的3 d印刷缺陷的消除。
加法制造专家认识到需要更多的可持续的和可行的方法来处理和质量控制。最有前途的方法之一,为实现这一目标是通过使用人工智能(AI)算法自动化3 d印刷过程中最关键的步骤。
效率在预制阶段
基于ai的软件包,比如从Autodesk Netfabb和敏捷Sculpteo金属技术(巴斯夫子公司),可以评估和优化设计文件3 d打印技术通过使用机器学习算法在所谓的生成设计方法。制造商可以输入所需的设计参数和人工智能分析设计要求找到最有效的生产途径。
自动缺陷检测和闭环控制
闭环控制系统的开发是一个长期存在的主要目标为加法制造工程师,成为可能在过去的几年里,由于高级人工智能应用程序的快速开发。
通用电气(General Electric)添加剂研究实验室的研究人员在尼什卡纳,纽约,开发了专有机器学习平台,使用高分辨率摄像头监控印刷过程分层技术和检测条纹,坑、空洞等缺陷往往肉眼看不见。
实时数据匹配对缺陷数据库预先录制好的利用电脑断层扫描(CT)成像。借助高分辨率成像和CT扫描数据,人工智能系统可以被训练来预测问题和在印刷过程中发现缺陷。
类似的综合机器学习方法是采用人工智能构建,一家总部在伦敦的公司专门从事自动化的基于Ai的3 d打印技术的发展,创造一个智能加法制造挤出机。
高精度附件是工业机械臂能够高速3 d打印大对象的准确性。结合先进的人工智能算法实时传感器数据处理,聪明的3 d印制机可以检测任何问题,使自主决策来实现最好的打印质量。
人工智能创造了小说3 d打印材料亚博网站下载
剑桥大学的分拆公司Intellegens使用机器学习算法在其Alchemite平台来开发新的3 d印刷材料。亚博网站下载公司已经成功地使用了人工智能平台,创建一种新型镍基合金适合直接激光沉积制造工艺。Alchemite的深度学习功能使使用大型数据库的材料属性来确定最佳的合金组成最好的加工性能和最终产品的质量。
到目前为止,使用人工智能在加法制造的重点是加强设计,提高3 d印刷流程的效率,并使自主制造。很快,先进的人工智能解决方案可以帮助降低设计的复杂性,降低阈值加法制造行业知识,提高网络安全领域。
引用和进一步阅读
朱、Z。et al。(2021)3 d打印的多功能材料通过artificial-inte亚博网站下载lligence-assisted制造技术。Nat牧师板牙6,27-47。可以在:https://www.nature.com/yabo214articles/s41578 - 020 - 00235 - 2
Paraskevoudis, K。et al。(2020)实时3 d印刷远程缺陷检测与计算机视觉和人工智能(串接)。流程8,1464年。可以在:https://www.mdpi.com/2227-9717/8/11/1464
k . Sertoglu(2020)阿贡国家实验室的科学家们使用机器学习来预测缺陷的3 d印刷部分(在线)www.3dprintingindustry.com可以在:https://3dprintingindustry.com/news/argonne -科学家使用-机-学习- -预测-缺陷- - 3 - d -印刷-地区- 174544(2021年11月23日访问)
c . Valdivieso(2020)为什么结合人工智能和3 d打印?(在线)www.3dnatives.com可以在:https://www.3dnatives.com/en/artificial情报-和- 3 - d -印刷- 060120204(2021年11月23日访问)
c . Valdivieso(2019)人工智能构建实现人工智能实时检测并纠正3 d打印错误(在线)www.3dnatives.com可以在:https://www.3dnatives.com/en/ai -构建- 3 - d -打印- - 110620195错误(2021年11月23日访问)
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。