越来越多的学术和工业研究小组将基于人工智能的算法整合到3D打印过程中是提高3D打印技术质量和效率的有前途的方法。
图片来源：Panchenko Vladimir/Shutterstock.com
虽然工业添加剂制造公司（通常称为3D打印）已晋升为从未见过的技术水平，但制造缺陷的质量控制和监测仍然带来了巨大的挑战。
添加剂制造在各种工业领域中起着重要作用，例如汽车，航空航天，生物医学等，通过启用具有复杂几何形状，内部结构细节以及以低成本和小型生产的单独定制设计的零件制造，并以较小的生产制造零件。批次。
但是，目前，在制造满足苛刻标准所需的高质量零件时，不能完全利用增材制造技术生产具有最小材料浪费的复杂形状组件的组件的能力。根据生产周期中涉及的3D打印过程的类型，不同的制造缺陷会损害3D打印材料的一致性，可靠性和性能。欧洲杯足球竞彩
控制3D打印过程质量的因素是多种多样的。这些可能与使用的原始材料（塑料丝，金属粉或液体光聚合物）的质量或与过程相关的质量有关，例如过度和不足，烧结材料欧洲杯足球竞彩中的气袋，层分离（缺乏粘合剂））， 和别的。在大多数情况下，这些缺陷会导致制造部分的孔隙率和劣质机械性能。
建立过程控制
首先，确保3D打印组件符合所需的标准取决于所使用的材料的质量。对于大多数添加剂制造公司而言，原材料质量控制是一个持续的挑战。
此外，从初始设计到3D打印和后处理的整个添加剂制造工作流程都会影响最终产品质量的各种变量。例如，这些可以是烧结激光器的路径和强度（在直接的金属烧结过程中）或细丝挤出速度（在融合细丝制造过程中）。其他因素可能包括设计结构的设计，甚至包括金属粉末已回收和重复使用的次数。
当前，试验和错误是优化3D打印过程的最常见方法，以达到一致且可重现的组件质量。这种方法通常涉及多次重复制造步骤以及对最后一部分的广泛测试。
结果是一个昂贵且效率低下的制造工艺，否定了添加剂制造的主要好处 - 较小批量的成本效益。
减少人为错误
大多数添加剂制造过程仍然需要额外的人力干预。这可能涉及组件的初始设计，后处理（删除支持和完成）以及对最终产品符合要求的手动测试。因此，减少人为错误的可能性对于消除3D打印缺陷至关重要。
增材制造专家认识到需要更可持续和可行的方法来处理和质量控制。实现这一目标的最有前途的方法之一是使用人工智能（AI）算法来自动化3D打印过程中最关键的步骤。
预制阶段的效率
基于AI的软件包，例如Autodesk的NetFabb和Sculpteo（BASF子公司）的敏捷金属技术，可以通过在所谓的生成设计方法中使用机器学习算法来评估和优化3D打印的设计文件。制造商可以输入所需的设计参数，AI分析了设计要求，以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一直是增材制造工程师的长期关键目标，由于高级AI应用程序的快速发展，在过去几年中成为可能性。
纽约Niskayuna通用电气的添加剂研究实验室的研究人员开发了一个专有的机器学习平台，该平台使用高分辨率摄像机来监视打印过程的一层层次，并检测条纹，凹坑，空隙和其他缺陷，而其他缺陷通常是看不见的。肉眼。
该数据与使用计算机断层扫描（CT）成像预先录制的缺陷数据库进行实时匹配。借助高分辨率成像和CT扫描数据，可以对AI系统进行培训，以预测打印过程中的问题和检测缺陷。
AI Build采用了类似的集成机器学习方法，AI Build是一家位于伦敦的公司，专门从事自动化AI的3D打印技术的开发，以创建用于增材制造的智能挤出机。
它是对工业机器人臂的高精度附件，能够以高速的方式高速打印大型物体。通过实时将高级AI算法与传感器数据处理相结合，SMART 3D打印挤出机可以检测到任何问题，并做出自主决策以实现最佳的打印质量。
AI创建了新颖的3D打印材料欧洲杯足球竞彩
剑桥大学分拆公司称为intellegens在其炼金术平台中使用的机器学习算法来开发3D打印的新材料。欧洲杯足球竞彩该公司已成功使用AI平台来创建适合直接激光沉积制造工艺的新型基于镍的合金。炼金石的深度学习能力使能够使用大型材料属性数据库来查明最佳合金组成，从而获得最终产品的最佳加工性和质量。
到目前为止，在增材制造中使用AI的重点是增强设计，提高3D打印过程的效率并实现自动制造。很快，先进的AI解决方案可以帮助降低设计的复杂性，降低增材制造业的知识阈值，并改善该领域的网络安全。
参考和进一步阅读
Z.等。（2021）由人工智能辅助制造技术启用的3D打印多功能材料。欧洲杯足球竞彩Nat Rev Mater6，27–47。可用网址：https://www.nature.com/欧洲杯猜球平台articles/s41578-020-00235-2
Paraskevoudis，K.，等。（2020）带有计算机视觉和人工智能的实时3D打印远程缺陷检测（串）。过程8，1464年。https://www.mdpi.com/2227-9717/8/11/1464
K. Sertoglu（2020）Argonne科学家使用机器学习来预测3D印刷零件中的缺陷[在线]www.3dprintingindustry.com可用网址：https://3dprintingindustry.com/news/argonne-scientists-use-machine-learning-to-predict-defects-in-3d-printed-parts-parts-174544（于2021年11月23日访问）
C. Valdivieso（2020）为什么将人工智能和3D打印结合在一起？[在线的]www.3dnations.com可用网址：https://www.3dnatives.com/en/artcover-intelligence-and-3d-printing-0601204（于2021年11月23日访问）
C. Valdivieso（2019）AI构建实现AI，以实时检测和纠正3D打印错误[在线]www.3dnations.com可用网址：https://www.3dnatives.com/en/ai-build-3d-printing-errors-10620195（于2021年11月23日访问）
免责声明：此处表达的观点是以其私人身份表达的作者的观点，不一定代表AZOM.com的观点有限的T/A Azonetwork本网站的所有者和运营商。此免责声明构成了条款和条件使用此网站。