Senvol 機器學習軟件獲美國空軍認可，展示強大的3D打印材料鑒定能力

導讀：通常來講，要想認定一款3D打印材料實用性能的優(yōu)劣與否，往往需要經(jīng)歷漫長的應用效果評估和豐富的數(shù)據(jù)積累才能確定，而如今，機器學習技術(shù)正在極大地縮短這一過程。南極熊認為，如果該項技術(shù)成熟化，甚至可以淘汰的傳統(tǒng)“材料試錯法”。

2022年2月22日，南極熊獲悉，增材制造數(shù)據(jù)專家Senvol展示了其機器學習（ML）技術(shù)如何被用來加速新型航空3D打印材料的鑒定進程。

根據(jù)美國3D打印加速器AmericaMakes簽發(fā)的合同，該公司已經(jīng)部署了Senvol ML軟件，以便加快確定材料的研發(fā)過程是否經(jīng)濟。該項目由美國空軍（USAF）資助，它被認為是生產(chǎn)新一代耐用輕質(zhì)部件的關(guān)鍵，可用于航空航天和商業(yè)領(lǐng)域。

NAVAIR的退休首席科學家和項目參與者William E. Frazier博士說："我曾參與過幾個增材制造工藝和材料的飛行鑒定，在我看來，這項技術(shù)的進一步發(fā)展將對國防部（DoD）和商業(yè)平臺的成本、進度和性能產(chǎn)生積極影響。Senvol公司的Mil-enabled方法直接解決了一個主要的行業(yè)挑戰(zhàn)：更快速的、具有成本效益的3D打印材料的開發(fā)。"

△美國空軍正在使用Senvol的AM軟件來優(yōu)化EOS 3D打印機的設(shè)置，以生產(chǎn)航空零件。圖片來自美國空軍的Mikayla Heineck。

Senvol ML的軍事潛力

實際上，Senvol ML是一個數(shù)據(jù)驅(qū)動的軟件，可以用來分析3D打印參數(shù)和材料的最終性能之間的關(guān)系。該程序不受任何一種技術(shù)的束縛，與所有已知的AM工藝兼容，使用戶能夠根據(jù)預先設(shè)定的目標機械性能，為其系統(tǒng)或材料生成一套參數(shù)。

Senvol ML的預測能力主要歸功于其模塊化的綜合計算材料工程或 "ICME "框架。分為四個模塊，這個ICME對收集到的參數(shù)、材料屬性、工藝特征和機械性能的數(shù)據(jù)之間的關(guān)系進行量化，以生成任何結(jié)果部件將如何以快速的速度表現(xiàn)的預測。

在這樣做的過程中，Senvol ML為航空航天、國防、消費、醫(yī)療、汽車和石油天然氣領(lǐng)域的采用者提供了重要的質(zhì)量保證工具，而且該技術(shù)現(xiàn)在也越來越多地在軍事領(lǐng)域得到應用。僅僅從2020年開始，Senvol就利用其軟件幫助打印大型航空零件，并開發(fā)了一個導彈鑒定工作流程，同時獲得了國防部的進一步研發(fā)資金。

Senvol公司總裁ZachSimkin說："Senvol公司的數(shù)據(jù)驅(qū)動的機器學習技術(shù)有可能大幅降低開發(fā)可使用材料的成本。通過展示一種全新的、明顯更有效的、可量化的開發(fā)方法，Senvol向美國空軍、美國制造成員以及整個增材制造行業(yè)證明了它的巨大價值。"

△來自SenvolML的分析實例 - 不銹鋼粉末和激光粉末床融合。圖片來自Senvol。

材料分析技術(shù)的發(fā)展

森沃爾的"美國制造"研究項目是圍繞著確定材料的"性能允許值"的過程。也被稱為 "設(shè)計允許值"，這些值基本上代表了統(tǒng)計學上確定的材料所需的最低耐久性能，以使它們在特別苛刻的應用中可行。

具體而言，該項目要求展示Senvol ML軟件的機器學習算法如何加速這一過程，同時減少通常需要的大量經(jīng)驗數(shù)據(jù)，這可能是3D打印更廣泛的軍事部署的一個障礙。

美國制造的技術(shù)總監(jiān)Brandon Ribic博士解釋說："增材制造是一種現(xiàn)代化和數(shù)字化的制造方法，具有快速的可定制加工。繼續(xù)使用傳統(tǒng)的材料試錯方法，是制約增材制造更廣泛的材料和工藝選擇和能力的瓶頸。"

據(jù)Ribic說，Senvol公司通過開發(fā)一種數(shù)據(jù)分析驅(qū)動的鑒定方法，成功地克服了這一瓶頸，以一種非常強大的方式展示了其軟件的能力。事實上，通過與諾斯羅普-格魯曼公司、美國國家航空研究所（NIAR）、Stratasys直接制造公司和Pilgrim咨詢公司合作，據(jù)說該公司能夠確定經(jīng)證實的材料特性，同時優(yōu)化其數(shù)據(jù)生成要求。

盡管Senvol公司在該項目中集中精力尋找通過粉末床熔融機加工的阻燃尼龍11的特性允許值，但它說它的方法可以應用于"任何AM工藝、機器和材料"，以便比傳統(tǒng)方法更快速、更經(jīng)濟、更準確地確定其參數(shù)。

Simkin總結(jié)說："這個美國制造計劃的結(jié)果是令人難以置信的成功。此外，我們還確定了其他幾個機會領(lǐng)域，以深入研究機器學習能力，解決這個行業(yè)的關(guān)鍵需求。我們期待著繼續(xù)與業(yè)界合作，推進這一前沿領(lǐng)域的發(fā)展。"

△Alchemite軟件界面。圖片來自Intellegens

一種新的鑒定方法？

與傳統(tǒng)的材料“試錯”鑒定方法相比，基于機器學習的算法提供了一種消除失敗打印品背后的人為錯誤的手段。盡管許多這樣的程序仍處于實驗階段，但由Senvol ML和Intellegens等公司開發(fā)的軟件的好處，現(xiàn)在已經(jīng)開始進入工廠車間。

就在去年，后者與謝菲爾德大學的AMRC和波音公司合作，提出了一種新的優(yōu)化的3D打印航空航天零件的方法。利用該公司自己的Alchemite ML平臺，該項目旨在加強粉末床融合工藝，以確保比以前更快、更便宜、用更多的材料生產(chǎn)部件。

同樣，麻省理工學院（MIT）的工程師們也開發(fā)了一種開源的ML算法，旨在幫助更多的人加快識別3D可打印材料的過程。在他們的 "AutoOED "軟件中，該團隊的程序能夠自動識別具有所需品質(zhì)的可行材料，如韌性、剛度和強度。