機器學習如何改變3D打印領(lǐng)域？

導(dǎo)讀：機器學習現(xiàn)在是一個非常熱門的話題，ChatGPT 引起了不小的轟動。商業(yè)公司OpenAI 在其語言模型之上發(fā)布了聊天機器人，不僅可以進行人機對話甚至還可以用來寫論文，讓世界了解機器學習（通常稱為人工智能(AI)）的功能。毫無疑問，人工智能將是一個強大的工具，那么會對世界產(chǎn)生怎樣的影響？對此，我們無法確定。我們也無法準確知道人工智能將在什么時間范圍內(nèi)滲透到我們的工作、日常生活和經(jīng)濟中。隨著AIBuild 采用 ChatGPT，可以看到3D打印行業(yè)在今天可以真正利用這些工具。然而，AI 能為增材制造行業(yè)做些什么？它在短期內(nèi)可能會做些什么？就目前已知的情況，南極熊將做出一些推論。



AI 開發(fā)人員的共同目標是制造能夠“思考”的機器，制造與人類或其他生物的思維過程相同或相近的機器。這些實體本身的想法可能與我們自己的非常不同，但在速度或能力上可能是相同的。在機器學習中，計算機程序使用規(guī)則（可能是用戶輸入和數(shù)據(jù)）對未來數(shù)據(jù)或結(jié)果進行分類、篩選或預(yù)測。當程序與人工神經(jīng)網(wǎng)絡(luò)（動物大腦的模擬）結(jié)合時，人類可能發(fā)現(xiàn)沒有預(yù)料到或沒有時間弄清楚的學習模式。


△失敗的 3D 打印贏得了 Mojamoja 競賽。這張失敗的打印品是 Mojamoja 比賽的大贏家。

●設(shè)置預(yù)測數(shù)值
在桌面級材料擠出系統(tǒng)上，絲材的最佳工藝設(shè)置大多取決于經(jīng)驗，有時取決于猜測。當機器制造商在優(yōu)化參數(shù)時，往往會根據(jù)自己的初始設(shè)置，通過反復(fù)試印和調(diào)整來實現(xiàn)，這需要很多的調(diào)試時間。用戶也通常試打幾個樣件，通過對比外觀等選擇工藝參數(shù)。

基于足夠的信息，這個過程可以通過人工智能實現(xiàn)自動化。如果有足夠的初始測試和結(jié)果，一家材料公司可以輸入其更改后的工藝參數(shù)，在許多機器上獲得對新絲材進行最佳設(shè)置的參數(shù)。通過將測試擴展到新系統(tǒng)，該公司可以獲得比其他絲材供應(yīng)商更好的設(shè)置和打印結(jié)果。原始設(shè)備制造商查還可以進行多維度的比較，利用在機器、材料、質(zhì)量規(guī)格等方面的所有測試結(jié)果，還可以優(yōu)化設(shè)置以獲得更高的強度，例如通過進一步測試。

●零件改進
不同的填充百分比能夠影響零件的強度，使用AI能夠確定最佳的填充模式，進一步探索不同的密度和設(shè)置，為不同的零件部分提供最佳配置。可以對層粘附設(shè)置、厚度和層高度進行同樣的操作，以通過更好的設(shè)置來提高Z強度。

●故障緩解
使用機器學習進行自動故障檢測的研究已經(jīng)在進行中，許多研究者在這個領(lǐng)域發(fā)表了文章。分析了打印過程的所有視頻，可以找到常見的故障模式，包括導(dǎo)致錯誤的特定高度、形狀、運動和模型。進一步訪問用戶設(shè)置會生成一個非常大的有關(guān)打印失敗的數(shù)據(jù)集，可以用來避免常見錯誤或找出正確的設(shè)置。

●過程監(jiān)控
過程監(jiān)控可以盡早發(fā)現(xiàn)錯誤，許多3D打印公司也在追求這一點。可以使用指示、支撐結(jié)構(gòu)燈來預(yù)測打印品何時以及如何失敗。Addiguru 、Open Additive 、Hexagon、Authentise等公司在這一方面積極研究。3D打印過程可以得到質(zhì)量保證，通過過程監(jiān)控，可使整個系統(tǒng)更具預(yù)測性，同時也能使人們對打印過程有更深的理解。

●設(shè)計優(yōu)化



設(shè)計本身也可能得到優(yōu)化。很多衍生式設(shè)計和拓撲優(yōu)化都依賴于人工智能，通過學習，算法會找到正確的填充形狀，這也是是生成式設(shè)計的本質(zhì)。GPU制造商Nvidia宣布推出Magic3D，這是一種生成式AI技術(shù)，可以根據(jù)文本提示生成3D模型。

結(jié)論
目前，我們看不到未來哪些人工智能公司和計劃會成功并進入商業(yè)模式，也看不到他們將獲得多少資金和收入，但是我們可以相信人工智能將對世界產(chǎn)生根本性的影響。增材制造領(lǐng)域也會受到影響。人工智能將成為一種工具，解決制造過程中存在很多復(fù)雜性和差異性，讓增材制造技術(shù)變得更容易。