Промышленное использование ИИ в 3D‑печати | Главные преимущества машинного обучения для аддитивного производства | Дистанционное обнаружение дефектов с помощью искусственного интеллекта | Как 3D‑печать с поддержкой ИИ формирует будущее ортодонтии | Революционное решение: проверка пригодности к 3D‑печати на основе ИИ | Роль ИИ в 3D‑печати металлических деталей для авиакосмической техники | Искусственный интеллект в 3D‑печати: инновация MIT | Проблемы внедрения ИИ в аддитивное производство | Анализ рынка | Взгляд в будущее
Искусственный интеллект используется в большинстве промышленных отраслей для увеличения прибыли и сокращения времени обработки. Аддитивное производство находится на подъеме и является локомотивом многих крупных отраслей, таких как автомобилестроение, авиакосмическая промышленность, экологически рациональное строительство и др. Применение искусственного интеллекта (ИИ) в 3D-печати стало предметом исследований во всем мире.
Промышленное использование ИИ в 3D‑печати
С внедрением искусственного интеллекта в 3D‑печать ожидаются масштабные преобразования в алгоритмах решения производственных задач. Технологии ИИ могут ускорить всю цепочку поставок, начиная с разработки продукта и заканчивая его получением конечным пользователем. Возможность автоматизации процесса печати также снижает влияние человеческого фактора, что является существенной проблемой при выпуске продукции.
Потенциал искусственного интеллекта в 3D‑печати не ограничивается только производственной и строительной отраслями. Другие сектора – здравоохранение, дизайн, архитектура и авиационно-космическая индустрия – также могут извлечь выгоду из взаимодействия искусственного интеллекта с аддитивными технологиями.
Главные преимущества машинного обучения для аддитивного производства
Сфера аддитивного производства быстро расширяется. Постоянно создаются новые материалы, технологии и решения. Методы машинного обучения (МО) вносят свой вклад в различные разработки – от выбора оптимального материала для определенной задачи до повышения качества изготовления изделия за счет устранения ошибок оператора.
Прежде чем созданный на 3D‑принтере объект можно будет использовать по назначению, необходимо провести постобработку для устранения недостатков печати. Подобные трудности могут быть автоматически определены и устранены с помощью МО. Это экономит время и деньги, поскольку отпадает необходимость заново печатать деталь или тратить часы на ручную доработку каждого компонента.
Используя опыт, машинное обучение поможет оптимизировать конструкцию путем внесения незначительных изменений. Сюда можно отнести, к примеру, переосмысление тех аспектов, которые функционируют не так эффективно, как должны, или максимальное согласование элементов для получения высококачественного продукта.
В диагностическом обслуживании алгоритмы МО используются, чтобы спрогнозировать необходимость замены или ремонта деталей до того, как они выйдут из строя. Это помогает организациям планировать обслуживание и избегать потери денег из-за дорогостоящего ремонта или простоя в ожидании замены компонентов. Применяя машинное обучение, компания может использовать данные о потребителях для создания товаров, отвечающих их запросам. Словом, ИИ и МО предлагают множество преимуществ при использовании совместно с 3D‑печатью.
Дистанционное обнаружение дефектов с помощью искусственного интеллекта
Обнаружение дефектов во время 3D‑печати выгодно, так как экономит время и деньги. В журнале Processes была описана новая методология компьютерного зрения на основе ИИ для оценки качества изделия, изготовленного по технологии FFF, в процессе печати.
Анализируя видео, снятое во время построения модели, нейронные сети выявляют проблемы 3D‑печати на протяжении всего процесса. В ходе печати в изделиях могут возникать дефекты, одним из которых является стрингинг – образование нитей при холостом перемещении сопла. Такие дефекты обычно связаны с настройками одного из параметров печати или геометрией объекта. Стрингинг может быть обширным и часто виден устройствам сбора данных на поверхности изделия. В данном случае была разработана и внедрена система ИИ (глубокая сверточная нейронная сеть) для обнаружения и прогнозирования с помощью камеры, ведущей трансляцию в реальном времени.
Есть вопросы по внедрению промышленных 3D‑решений на предприятии? На них ответят наши высококвалифицированные специалисты:
Закажите консультацию 3D-экспертов
Как 3D‑печать с поддержкой ИИ формирует будущее ортодонтии
Как и в других направлениях, инновационные цифровые технологии изменили индустрию здравоохранения и ортодонтическую практику. Последние достижения в области искусственного интеллекта и аддитивных технологий внесли большой вклад в улучшение диагностики в ортодонтии и планирование лечения, а также в создание алгоритмов и изготовление персонализированных ортодонтических изделий.
ИИ имеет огромные перспективы для использования в диагностике челюстно-лицевых аномалий и разработке ортогенетических хирургических процедур. Метод сверточной нейронной сети продемонстрировал, что ортогнатическая хирургия значительно улучшила профиль и эстетическую привлекательность большинства пациентов. Технологии искусственного интеллекта повышают клиническую точность ортогнатических процедур, планирование лечения с использованием 3D‑моделей (3D‑печать ортопедических приспособлений), а также последующее наблюдение за пациентами и совмещение снимков.
Революционное решение: проверка пригодности к 3D‑печати на основе ИИ
Аддитивная технология теоретически способна создать любой трехмерный объект. Однако, по сравнению с традиционными производственными процессами, развитие и использование 3D‑печати все еще ограничено из-за топологических характеристик и особых требований к материалам.
В недавней статье в журнале Journal of Basis Applied Science and Management System рассказывается о программе Printability Checker (PC), которая определяет, подходит ли объект для 3D‑печати или других методов производства.
Программа включает выделитель признаков (feature extractor, FE), инструмент управления принтерами (printer manager, PM) и механизм верификации (verifier engine, VE). ПК предлагает решение на основе выводов о значениях сложности критериев. Расчет сложности зависит от выбора нескольких показателей, таких как оценка времени выполнения задания. В частности, целью FE является получение научно проверяемых характеристик данного 3D-объекта. PM отвечает за управление принтерами с использованием применимых ограничений, а затем отправляет профили принтеров в VE. При этом VE может сопоставить характеристики и ограничения FE и PM для проверки пригодности 3D‑объекта к печати на основе окончательных результатов оценки сложности.
Роль ИИ в 3D‑печати металлических деталей для авиакосмической техники
Журнал Journal of Physics: Conference Series фокусируется на идее, что интеграция искусственного интеллекта в 3D‑печать металлами имеет большой потенциал и, таким образом, станет подспорьем для развития аэрокосмических технологий.
Сочетание аддитивных технологий с искусственным интеллектом позволяет производителям авиакосмической техники создавать более точные компоненты с высокой свободой проектирования, по более низкой цене и с меньшим количеством отходов. Датчики и камеры устанавливаются в 3D‑принтере, часто рядом с соплом, где твердый слой формируется из порошка под воздействием лазерного луча, для обеспечения контроля и наблюдения в процессе производства. Затем данные передаются в специализированное программное обеспечение, которое оценивает и интерпретирует различные конструкции в режиме реального времени. Распознавая проблемы и концентрируя мощь искусственного интеллекта для их решения, принтеры развиваются по ходу процесса.
Искусственный интеллект в 3D‑печати: инновация MIT
Исследователи из Массачусетского технологического института (MIT) создали алгоритм машинного обучения для анализа и изменения аддитивного процесса в режиме реального времени для устранения неисправностей. Ученые и технологи разрабатывают всё новые и новые материалы с уникальными свойствами, которые могут быть использованы в 3D‑печати. Однако понимание того, как их производить, может оказаться сложной и дорогостоящей задачей.
Применяя искусственный интеллект, исследователи MIT недавно оптимизировали этот способ. Была разработана система МО, которая использует компьютерное зрение для мониторинга производственного процесса и устранения неисправностей при подаче расходных материалов в режиме реального времени. С помощью моделирования исследователи научили нейронную сеть изменять настройки печати для снижения числа ошибок, а затем применили этот контроллер в реальном 3D‑принтере. Технология позволила напечатать более точные изделия, чем любой ранее созданный контроллер для 3D‑печати.
Проблемы внедрения ИИ в аддитивное производство
При использовании подходов к машинному обучению численное моделирование на основе данных оказывается более эффективным с вычислительной точки зрения, чем численное моделирование на основе физики.
Анализ на месте и регулирование по замкнутому циклу во многом зависят от вычислительных затрат. Из-за большого набора данных осмотр ванны с помощью высокоскоростной камеры требует больше вычислительных ресурсов. Приложения такого типа, использующие сбор больших данных, требуют усовершенствованных алгоритмов машинного обучения. Стоимость вычислений – серьезное препятствие для внедрения ИИ в аддитивное производство.
Обмен данными имеет решающее значение для создания огромной базы данных, которая необходима для работы алгоритмов МО. Поскольку все больше исследовательских групп сосредоточены на создании инновационных материалов и процессов, стандарты сбора и предварительной обработки данных обеспечат обмен данными и будут способствовать повышению взаимодействия в сообществе пользователей аддитивных решений. Многие системы МО несовместимы друг с другом. Чтобы обеспечить распространение моделей МО в исследовательском сообществе, очень важно создать единую систему. Серьезная проблема – отсутствие стандартов, и она требует немедленного решения.
Эффективность алгоритмов машинного обучения зависит только от качества исходных данных. Сенсорные устройства, которые используются в процессах 3D‑печати на основе плавления, должны обладать высокой частотой обновления и отличной разрешающей способностью для сбора информации из плавильной ванны. Несмотря на огромное разнообразие используемых датчиков, все подходы к мониторингу на месте имеют ограничения, препятствующие его применению на реальной производственной линии.
Анализ рынка
Компания Fortune Business Insights провела всесторонний анализ мирового рынка 3D‑печати, а также сектора аддитивного производства, автоматизированного с помощью ИИ. В 2021 году мировой рынок 3D‑чати оценивался в 15,10 млрд долларов США. Ожидается, что с 2022 по 2029 совокупные темпы его годового роста составят 24,3% – с 18,33 млрд USD в 2022 году до 83,90 млрд USD в 2029 году.
Рынок автоматизированной 3D‑ечати оценивался в 706,69 млн USD в 2021 году и, по прогнозам, достигнет 5 878,56 млн USD к 2027‑му, увеличиваясь на 41,76% в период с 2022 по 2027. Согласно последнему отчету, опубликованному Research and Markets, объем рынка искусственного интеллекта в производстве достигнет 16,3 млрд долларов США к 2027 году, увеличившись на 47,9% в период 2022‑27. Рынок будет расти прогнозируемыми темпами в связи с возрастающей потребностью в таких аспектах, как повышение вычислительной мощности чипсетов ИИ.
Взгляд в будущее
Сегодня предпринимаются шаги, направленные на обеспечение преимуществ для индустрии аддитивного производства посредством внедрения ИИ. Будущие исследования должны быть сосредоточены на объединении проверки пригодности к печати, слайсинга и планирования операций на основе ИИ для ускорения параллельного слайсинга и оптимизации программирования траектории печати.
Еще одна интригующая концепция – использование сервис-ориентированной архитектуры (SOA) для повышения адаптивности, интеграции и персонализации 3D‑ечати с помощью облачной системы проектирования и производства. Улучшение моделируемого посредством МО предварительного изготовления (планирования процессов) с применением экспоненциальных методов, распараллеливания и усовершенствования алгоритмов слайсинга откроет еще больше путей к быстрой глобальной индустриализации.
Итак, взаимосвязь ИИ и 3D‑печати становится формулой успеха, и учреждения по всему миру инвестируют в эту сферу.
Автор: Ибтисам Аббаси | Источник: azom.com
Статья опубликована 19.05.2023 , обновлена 29.05.2023
