Gør 3D-printning smartere med maskinlæring

3-D-print bliver ofte udråbt som fremtiden for fremstilling. Det giver os mulighed for direkte at bygge objekter ud fra computergenererede designs, hvilket betyder, at industrien kan fremstille kundetilpassede produkter in-house, uden at outsource dele. Men 3-D-print har en høj grad af fejl, såsom formforvrængning. Hver printer er forskellig, og det trykte materiale kan krympe og udvide sig på uventede måder. Producenter skal ofte prøve mange gentagelser af et tryk, før de får det rigtigt.

Hvad sker der med de ubrugelige udskriftsjob? De skal kasseres, udgør en betydelig miljømæssig og økonomisk omkostning for industrien.

Et team af forskere fra USC Viterbi School of Engineering tackler dette problem, med et nyt sæt maskinlæringsalgoritmer og et softwareværktøj kaldet PrintFixer, at forbedre 3-D-udskrivningsnøjagtigheden med 50 procent eller mere, gør processen langt mere økonomisk og bæredygtig.

Arbejdet, for nylig udgivet i IEEE Transactions on Automation Science and Engineering , beskriver en proces kaldet "foldningsmodellering af 3-D-udskrivning." Det er blandt en serie på 15 tidsskriftsartikler fra forskerholdet, der dækker maskinlæring til 3-D-print.

Holdet, ledet af Qiang Huang, lektor i industri- og systemteknik, kemiteknik og materialevidenskab, sammen med ph.d. studerende Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin og Christopher Henson har indtil videre modtaget 1,4 millioner dollars støtte, inklusive en nylig $350, 000 NSF tilskud. Deres mål er at udvikle en AI-model, der præcist forudsiger formafvigelser for alle typer 3-D-print og gør 3-D-printning smartere.

"Hvad vi har demonstreret indtil videre er, at i trykte eksempler kan nøjagtigheden forbedres omkring 50 procent eller mere, " sagde Huang. "I tilfælde, hvor vi producerer et 3D-objekt, der ligner træningscaserne, en samlet nøjagtighedsforbedring kan være så høj som 90 procent."

"Det kan faktisk tage industrien otte iterative builds at få en del korrekt, af forskellige årsager, "Huang sagde, "og dette er til metal, så det er meget dyrt."

Hvert 3D-printet objekt resulterer i en lille afvigelse fra designet, om dette skyldes, at trykt materiale udvider sig eller trækker sig sammen ved tryk, eller på grund af printerens måde at opføre sig på.

PrintFixer bruger data hentet fra tidligere 3D-udskrivningsjob til at træne sin AI til at forudsige, hvor formforvrængningen vil ske, for at rette trykfejl, før de opstår.

Huang sagde, at forskerholdet havde til formål at skabe en model, der producerede nøjagtige resultater ved at bruge den mindste mængde 3-D-udskrivningskildedata.

"Fra kun fem til otte udvalgte objekter, vi kan lære en masse nyttig information, " sagde Huang. "Vi kan udnytte små mængder data til at lave forudsigelser for en lang række objekter."

Holdet har trænet modellen til at arbejde med samme nøjagtighed på tværs af en række applikationer og materialer – fra metaller til rumfartsproduktion, til termisk plast til kommerciel brug. Forskerne arbejder også sammen med en tandklinik i Australien om 3-D-print af tandmodeller.

"Så ligesom når et menneske lærer at spille baseball, du lærer softball eller en anden relateret sport meget hurtigere, " sagde Decker, der leder udviklingen af ​​softwareudviklingsindsatsen i Huangs gruppe. "På samme måde vores AI kan lære meget hurtigere, når den har set det et par gange."

"Så du kan se på det, " sagde Decker, "og se, hvor der vil være områder, der er større end dine tolerancer, og om du vil udskrive det."

Han sagde, at brugere kunne vælge at udskrive med en anden, printer af højere kvalitet og brug softwaren til at forudsige, om det ville give et bedre resultat.

"Men hvis du ikke vil skifte printer, vi har også indarbejdet funktionalitet i softwarepakken, der giver brugeren mulighed for at kompensere for fejlene og ændre objektets form - for at tage de dele, der er for små, og øge deres størrelse, mens du reducerer de dele, der er for store, " sagde Decker. "Og så, når de udskriver, de skal udskrive med den rigtige størrelse første gang."

Teamets mål er, at softwareværktøjet skal være tilgængeligt for alle, fra store kommercielle producenter til 3-D print hobbyister. Brugere fra hele verden vil også være i stand til at bidrage til at forbedre softwaren AI gennem deling af udskriftsdata i en database.

"Sig, at jeg arbejder med en MakerBot 3-D-printer ved hjælp af PLA (en bioplast, der bruges i 3-D-udskrivning), Jeg kan lægge det i databasen, og nogen, der bruger samme model og materiale, kunne tage mine data og lære af dem, " sagde Decker.

"Når vi får en masse mennesker rundt om i verden, der bruger dette, lige pludselig, du har en virkelig utrolig mulighed for at udnytte en masse data, og det kunne være en virkelig stærk ting, " han sagde.