實時缺陷檢測對于在航天和其他要求苛刻的應用中大規模采用增材制造至關重要。日前，總部位于美國加利福尼亞州長灘的Relativity Space 已與美國空軍研究實驗室 (AFRL) 簽訂了一份價值 870 萬美元的合同，以探索增材制造中的實時缺陷檢測。
3D列印火箭
© Relativity Space
真正的數字線程
這份為期兩年的研究合同來自美國俄亥俄州空軍基地的AFRL材料和制造理事會。該項目将使用 Relativity 位于加州長灘的工廠的Stargate 3D AM 平台完成。
根據3D科學谷的了解，Relativity Space 的創始人Tim Ellis有一個深刻的洞見，他認為市場上普遍對3D 列印沒有真正了解的是，3D列印對制造的颠覆性實際上更像是從瓦斯内燃機過渡到電動，或從内部部署服務過渡到雲，3D列印是一項很酷的技術，但更重要的是，3D列印實際上是軟體和資料驅動的制造和自動化技術。
根據Relativity Space的專利，對于定向能量沉積3D列印過程，通過人工智能可以進行過程糾錯，并通過執行有限元分析(FEA)、有限體積分析(FVA)、有限差分分析(FDA)、計算流體動力學(CFD)計算或其任何組合來提供過程模拟資料。
而對于Relativity Space來說，此次的合作更具裡程碑價值，AFRL将與 Relativity Space合作進行大型增材制造的實時缺陷檢測，目的是探索各種現場過程監控和建構無損評估技術。美國國會在《國防授權法案》中訓示美國國防部研究如何利用增材制造來加速航空航天零部件和車輛的生産。該項目正是在這一背景下成立的，此外，立法者還要求國防部建立一個國内供應商網絡來幫助評估這些技術。
Relativity Space 将開發并驗證一種實時缺陷檢測系統，該系統将在3D列印過程中檢測、定位和分類缺陷類型，然後這些資料将被聚合，進而實作真正的數字線程。
人工智能用于加工控制
© 3D科學谷白皮書
人工智能
根據3D科學谷的市場了解，使用ML機器學習對AM增材制造過程的實時和近實時診斷預測是多方面的：
1. ML1-參數設定 -基于機器學習的優化算法提供工藝參數的最佳可能值，這些參數定義了最有可能避免缺陷的最佳加工路線，目前已經證明了使用強化學習（RL）算法的原位過程優化政策。
2.ML2-診斷 – 根據要求持續評估性能：基于機器學習的缺陷、異常和錯誤檢測算法可用于診斷能力，以檢測生産過程中的缺陷、異常和錯誤（即過程偏差）。通過與性能要求的比較，從感官資料建構過程，這些算法需要線上運作，基于對現場傳感器信号的快速分析來提供即時警告。
3.ML23-預測 – 通過預測和制定控制決策來持續調節加工結果：基于機器學習的預測算法允許在建構期間預測過程控制，以確定增材制造過程保持在規範範圍内以滿足性能要求，例如， 避免、減輕或修複缺陷，或最大限度地減少過程偏差，這些算法也必須線上工作。
更聰明的大腦
全球範圍内，增材制造正處在人工智能為其插上騰飛翅膀的前夕。根據德國ACAM亞琛增材制造中心，3D列印企業在全世界範圍普遍來說并沒有實作很好的盈利，一個關鍵點是從應用的産業化角度來看，可以實作盈利的制造模式應該是具有經濟效益的數字驅動的端到端的制造技術鍊為核心，而目前3D列印陷入在一個兩難的境地，往往是當規模擴大的時候，随之而來的生産成本以級數級别的增加，這反過來使得要實作盈利成為非常具有挑戰的事情。增材制造将朝着軟體和資料驅動的自進化智造技術方向發展，人工智能的應用将使得硬體擁有更“聰明的大腦“，更”靈敏的神經“以及”更準确的雙手“，讓加工變得更高效。
如何實作更好的盈利？根據《AI未來進行式》，隻有當業界預見到一些高價值的應用能夠落地時，那些與之相關的耗資巨大的技術才會有機會不斷發展、走向成熟。如果一種技術能解決某種特别關鍵的需求，一些公司往往願意為該技術在發展初期的巨額投入甚至虧損買單，以換取後期依靠這種技術進行擴張、擷取更高利潤的可能性。可以遇見，在人工智能成為智能制造的智能中樞的曆史節點，科研機構在推動3D列印成為軟體和資料驅動的自進化智造技術方面将獲得不斷的長足進步，而未來則屬于那些看得到趨勢所在，并将趨勢融入進自身發展中的企業。
Relativity Space正是這類看得到趨勢，并将趨勢融入自身發展中的企業。
更好的準備
根據3D科學谷的市場觀察，早在2021年，Relativity Space專門申請了使用機器學習對增材制造過程進行實時自适應控制Real-time adaptive control of additive manufacturing processes using machine learning的專利。
根據Relativity Space的專利自動化對象缺陷分類和自适應實時控制的方法和系統可以提供響應于過程或環境參數的變化而使用的過程控制參數的快速優化和調整，以提高工藝穩定性、提高産量和所生産零件的品質。這些方法和系統适用于各種不同技術領域和行業的零件制造，包括汽車行業、航空工業、醫療器械行業、消費電子行業等。
根據3D科學谷的市場判斷，在不久的未來，下一步的人工智能将跨越單台3D列印裝置，實作裝置與裝置之間的協調與工藝優化。在軟體的作用下，年輕的3D列印産業正期待着一個完全自動化的工廠，進行生産的不隻是一個産品，而是幾百個，甚至上千個的數字串行制造模式。
基于算法的人工智能正在賦能整個世界，3D列印行業發展正面臨着曆史性的騰飛機遇！
知之既深，行之則遠。基于全球範圍内精湛的制造業專家智囊網絡，3D科學谷為業界提供全球視角的增材與智能制造深度觀察。有關增材制造領域的更多分析，請關注3D科學谷釋出的白皮書系列。
網站投稿 l 發送至[email protected]