如何使用AI控制數字化制造？

如何使用AI控制數字化制造？盡管科學家和工程師們正在不斷地創(chuàng)造可用于3D打印的具有特殊品質的新材料，但這可能是一項具有挑戰(zhàn)性且成本高昂的任務。

為了找到始終如一地產生新材料最佳打印質量的最佳參數，專業(yè)操作人員經常需要進行人工試錯實驗，有時創(chuàng)建數千張打印。打印速度和打印機沉積的材料量是其中的一些變量?，F在，麻省理工學院的研究人員利用AI來簡化這一過程。他們開發(fā)了一種ML系統，使用計算機視覺來監(jiān)控生產過程，并實時修復處理錯誤。在使用模擬訓練神經網絡如何更改打印參數以減少錯誤后，他們將控制器放在真正的3D打印機上。這項工作避免了打印數萬或數億實際對象來教授神經網絡的過程。此外，這可能使工程師更容易在其設計中加入新穎的材料，使之能夠創(chuàng)造出具有獨特的化學或電氣特性的產品。如果在設置或正在打印的材料發(fā)生意外變化，這也可能使技術人員更容易對打印過程進行快速調整。由于涉及大量的試驗和錯誤，為數字化制造方法選擇最佳參數可能是過程中最昂貴的步驟之一。此外，一旦技術人員發(fā)現功能良好的組合，這些參數僅在該特定情況下是最佳的。因為其缺乏關于該物質如何在各種環(huán)境、各種裝備上發(fā)揮作用或新批次是否具有不同特征的信息。此外，使用ML系統也存在困難。研究人員必須首先對打印機上發(fā)生的事情進行實時測量。為此，他們開發(fā)了一個機器視覺裝置，兩個攝像頭指向3D打印機的噴嘴。該技術在材料沉積時對其進行照明，并根據通過的光量確定材料的厚度。要訓練基于神經網絡的控制器來理解這個制造過程，需要進行數百萬次打印，這是一個數據密集型操作。他們的控制器使用一種被稱為強化學習的方法進行訓練，這種方法通過在模型出錯時付費來教育模型。該模型需要選擇可以在虛擬環(huán)境中生成特定對象的打印參數。當模型在給定預測結果后，選取的參數使其打印結果與預期結果之間的方差最小即可獲得。在這種情況下，“錯誤”意味著模型要么分配了過多的材料，填充了應該保持空白的空間；要么沒有足夠的材料，留下了需要填充的空間。然而，現實世界比模型還要粗糙。實際上，條件通常會因微小的波動或印刷過程噪聲而改變。研究人員利用這種方法來模擬噪聲，從而產生更準確的結果。當對控制器進行測試時，這比他們檢查的任何其他控制策略都更精確地打印出物體。其在打印填充材料時尤其有效，這涉及到打印物體的內部。研究人員的控制器改變了打印路徑，使物體保持水平，而其他一些控制器放置了大量材料，使打印的物體會向上突出。即使在材料沉積之后，控制策略也可以了解其如何分散和適應參數。研究人員打算為其他制造過程創(chuàng)建控制，現在他們已經證明了這種方法在3D打印中的效率。他們還想研究如何改變策略，以適應有多個材料層或各種材料同時生產的情況。此外，他們的方法假設每種材料都有恒定的粘度，但以后的版本可能會使用AI實時檢測和計算粘度。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。