Wyobraź sobie, że możesz zastosować tę samą sztuczną inteligencję, która stoi za technologią rozpoznawania zdjęć i mowy do produkcji części za pomocą druku 3D. Mielibyśmy wiele czujników wykrywających wady zbyt małe, aby mogło je zauważyć ludzkie oko, a następnie natychmiast lub nawet z wyprzedzeniem dostosowujących proces drukowania do ich usunięcia, poprawiając niezawodność i jakość części. To byłby koniec nieudanych wydruków.
Nie, nie jesteśmy jeszcze na tym etapie, ale jedna z firm otrzymała właśnie kolejny patent w tej dziedzinie, co jeszcze bardziej przybliża ją do komercjalizacji tej technologii.
Nano Dimension, amerykańska firma specjalizująca się w elektronice wytwarzanej addytywnie (AME) oraz druku 3D z polimerów, metali i ceramiki w skali mikro, uzyskała wczoraj patent związany z siecią neuronową, która wspiera jej opartą na chmurze platformę wytwarzania addytywnego.
Patent ten i technologia wokół niego umożliwiają bardziej efektywne działanie rozwiązań AI w rozproszonej sieci drukarek 3D rozmieszczonych na całym świecie. Sztuczna inteligencja, z natury rzeczy, jest bardzo wymagająca pod względem obliczeniowym, co stanowi wyzwanie, jeśli chodzi o jej wykorzystanie tam, gdzie jest najbardziej potrzebna, czyli w rozproszonej sieci. Zdecentralizowany model produkcji staje się coraz bardziej krytyczny jako metoda łagodzenia zakłóceń w łańcuchu dostaw i drukowania lokalnie z powodów środowiskowych.
Algorytmy DeepCube zwiększają szybkość analizy danych dziesięciokrotnie, według Nano Dimension, co czyni go jedynym sprzętowym akceleratorem wydajności tego typu. Biorąc pod uwagę, jak szybko działają drukarki 3D, decyzje są potrzebne w ułamkach sekund – podobnie jak szybkość podejmowania decyzji wymagana przez autonomiczne pojazdy. Redukcja zużycia pamięci została osiągnięta poprzez pokonanie ograniczeń infrastruktury, energii i pamięci poprzednich modeli AI w celu taniego wdrożenia, twierdzi firma.
Będący w obrocie publicznym Nano Dimension nabył DeepCube w 2021 roku.
W miarę jak produkcja addytywna zmierza w kierunku większych ilości, sukces może zależeć od ekonomii jednostkowej. Sztuczna inteligencja ma kluczowe znaczenie dla poprawy zarówno jakości, jak i szybkości w celu uzyskania wysokiej wydajności.
Nano Dimension mówi, że jego rozwiązanie DeepCube do korekty błędów sprzętowych i druku 3D jest zainstalowane w określonych modelach ich drukarek 3D, ale nie we wszystkich. Firma twierdzi, że uczyni swoje możliwości oparte na sztucznej inteligencji głównym elementem swoich systemów następnej generacji.
Obiecujące postępy AI w druku 3D
DeepCube nie jest jedynym narzędziem, które pracuje nad wprowadzeniem AI do druku 3D. W trakcie realizacji jest kilka inicjatyw, których celem jest połączenie danych i AI w celu poprawy jakości i niezawodności produkcji addytywnej. Większość z nich z powodzeniem monitoruje proces drukowania i zbiera dane, w tym wizualne, termiczne, rentgenowskie i ultradźwiękowe. Niektóre nawet interpretują te dane, aby przewidzieć jakość końcowego wydruku. Jednak zdolność AI do autonomicznej interwencji podczas procesu drukowania i korygowania błędów pozostaje w większości nieuchwytna.
Pracując nad naprawą procesu drukowania w czasie rzeczywistym, naukowcy z MIT wykorzystali ostatnio AI do opracowania systemu uczenia maszynowego, który wykorzystuje wizję komputerową do obserwowania procesu produkcyjnego, a następnie korygowania błędów w sposobie obchodzenia się z materiałem w czasie rzeczywistym. Wykorzystali symulacje, aby nauczyć sieć neuronową, jak dostosować parametry drukowania, aby zminimalizować błąd, a następnie zastosowali ten kontroler do prawdziwej drukarki 3D. Ich system drukował obiekty dokładniej niż wszystkie inne kontrolery druku 3D, z którymi go porównywali.
Naukowcy z University of Cambridge opracowują również technologię dla „bezsterownych” drukarek 3D, które mogą uczyć się na podstawie doświadczeń innych maszyn, aby wykrywać i korygować błędy podczas wytwarzania obiektów, nawet podczas pracy z nowymi projektami lub nieznanymi materiałami.
„Zwracamy uwagę na to, jak może to działać w branżach o wysokiej wartości, takich jak lotnictwo, energetyka i motoryzacja, gdzie technologie druku 3D są wykorzystywane do produkcji wysokowydajnych i drogich części” – mówi Douglas Brion, z uniwersyteckiego Wydziału Inżynierii. „Wykonanie pojedynczego elementu kosztem tysięcy funtów może zająć dni lub tygodnie. Błąd, który pojawia się na początku, może nie zostać wykryty, dopóki część nie zostanie ukończona i skontrolowana. Nasze podejście dostrzegłoby błąd w czasie rzeczywistym, znacznie poprawiając wydajność produkcji.”
Żródło: https://all3dp.com
