Μια Νέα Αναπτυγμένη Μέθοδος Θα Εξασφαλίσει Υψηλά Πρότυπα Ποιότητας στις Διαδικασίες Προσθετικής Κατασκευής

Οι διαδικασίες προσθετικής κατασκευής συνεχίζουν να βελτιώνονται χάρη σε καινοτόμες προσπάθειες και αυξανόμενη υιοθέτηση. Αυτή η εβδομάδα σηματοδοτεί ένα σημαντικό ορόσημο για τη βιομηχανία, καθώς μια ομάδα ερευνητών από το University of Illinois Urbana-Champaign δημοσίευσε ένα άρθρο στο Journal of Intelligent Manufacturing που δείχνει μια νέα μέθοδο εκπαίδευσης μοντέλων βαθιάς μηχανικής μάθησης για πιο αποτελεσματική ανίχνευση ελαττωμάτων. Εδώ είναι ό,τι πρέπει να γνωρίζετε.

Η Προσθετική Κατασκευή είναι το Μέλλον

Η αγορά τρισδιάστατης εκτύπωσης θα συνεχίσει να επεκτείνεται, σύμφωνα με μια μελέτη της BCG. Η έκθεση προβλέπει ότι η αγορά προσθετικής κατασκευής θα φτάσει τα +95 δισεκατομμύρια μέχρι το 2030. Αυτή η ανάπτυξη τροφοδοτείται από χαμηλότερο κόστος, μεγαλύτερη διαθεσιμότητα, μειωμένα τεχνικά εμπόδια και ενσωμάτωση AI.

Σημαντικό είναι ότι οι σημερινές διαδικασίες και συσκευές τρισδιάστατης εκτύπωσης μπορούν να δημιουργήσουν πιο σύνθετα εξαρτήματα από τις προηγούμενες. Αυτές οι συσκευές επιτρέπουν στους μηχανικούς να αναπτύξουν καινοτομίες που δεν έχουν ξαναδεί. Φυσικά, καθώς τα εκτυπωμένα αντικείμενα γίνονται πιο σύνθετα, γίνεται πιο δύσκολη η ανίχνευση ελαττωμάτων, ιδιαίτερα όταν πρόκειται για εκτυπώσεις με εσωτερικούς μηχανισμούς.

Μειωμένη Αποτυχία στις Διαδικασίες Προσθετικής Κατασκευής

Είναι ένα πράγμα όταν μια τρισδιάστατη εκτύπωση αποτυγχάνει σε ένα καταναλωτικό προϊόν. Μπορεί να κοστίσει στην εταιρεία και στον καταναλωτή χρήματα και χρόνο. Είναι διαφορετικό σενάριο όταν ένα τρισδιάστατο εκτυπωμένο κομμάτι αποτελεί ζωτικό εξάρτημα σε αεροδιαστημικές ή ιατρικές εφαρμογές. Σε αυτήν την περίπτωση, τα στοιχήματα είναι πολύ υψηλότερα και ο έλεγχος ποιότητας πρέπει να είναι εξαιρετικός.

Καίρια για την Ποιότητα

Κατά την εκτύπωση σύνθετων τρισδιάστατων σχημάτων που έχουν συγκεκριμένα εσωτερικά χαρακτηριστικά, μπορεί να είναι αδύνατο να γίνει σωστός έλεγχος ποιότητας χωρίς να προκληθούν τεράστιες καθυστερήσεις και χωρίς τη χρήση ακτινογραφικών τομογραφιών (CT). Στο παρελθόν, αυτό το πρόβλημα είχε ως αποτέλεσμα τα τρισδιάστατα εκτυπωμένα εξαρτήματα να περιορίζονται σε ορισμένες εφαρμογές.

Πηγή – University of Illinois Urbana-Champaign

Αυτές οι σαρώσεις είναι δαπανηρές και χρονοβόρες. Ως εκ τούτου, υπάρχει τεράστια ζήτηση για μια πιο αξιόπιστη και αποτελεσματική στρατηγική που θα καθορίζει πότε μια τρισδιάστατη εκτύπωση έχει ελαττώματα. Οι ερευνητές διαπίστωσαν ότι μπορούν να αξιοποιήσουν το τεράστιο απόθεμα CT σαρώσεων που διατίθενται μέσω βάσεων δεδομένων για να δημιουργήσουν μια βιβλιοθήκη πιθανών χαρακτηριστικών αποτυχίας.

Μια Νέα Μελέτη Αποκαλύπτει Καλύτερη Επιλογή

Στο άρθρο τους «Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography», οι ερευνητές εξηγούν πώς προγραμμάτισαν έναν εξαιρετικά αποτελεσματικό αλγόριθμο AI που μπορεί να εντοπίσει με ακρίβεια ελαττώματα στα εκτυπωμένα αντικείμενα χωρίς την ανάγκη χρήσης ακτίνων Χ. Η μελέτη τους έδειξε εντυπωσιακά αποτελέσματα, προσφέροντας ελπίδα ότι στο μέλλον η τρισδιάστατη προσθετική κατασκευή θα μπορούσε να γίνει το βιομηχανικό πρότυπο.

Εκτύπωση των Δοκιμαστικών Μερών

Η ομάδα χρειάστηκε να δημιουργήσει σύνθετες εκτυπώσεις που θα αντέχουν σε πίεση και θερμότητα. Ως εκ τούτου, αποφάσισαν ότι ένα ακροφύσιο με εσωτερικά 3D θα ήταν το καλύτερο αντικείμενο δοκιμής. Συνεπώς, τα τρισδιάστατα εκτυπωμένα ακροφύσια είναι πολύ δημοφιλή επειδή μπορούν να έχουν συγκεκριμένα χαρακτηριστικά σχεδίασης που βοηθούν στη ροή και στην αλλαγή της πίεσης σε ορισμένα σενάρια.

Συγκεκριμένα, η ομάδα δημιούργησε 227 ακροφύσια AM βασισμένα σε ρητίνη για τη μελέτη. Κατά το πρώτο βλέμμα, όλα αυτά τα μονάδες έδειχναν άψογες. Ωστόσο, κάποια από τα ακροφύσια είχαν σκόπιμα δημιουργημένα ελαττώματα που θα χρησιμοποιούνταν αργότερα για να καθοριστεί αν ο αλγόριθμος λειτουργεί σωστά. Αυτά τα ελαττώματα δημιουργήθηκαν ώστε να βρίσκονται βαθιά μέσα στο ακροφύσιο, εξασφαλίζοντας ότι η μελέτη θα ήταν δύσκολη για το AI.

Βαθιά Μηχανική Μάθηση

Οι ερευνητές αξιοποίησαν μια προσέγγιση AI που ονομάζεται βαθιά μηχανική μάθηση. Αυτό το στυλ μάθησης χρησιμοποιεί υπολογιστικές προσομοιώσεις για την αναπαραγωγή εκατομμυρίων σεναρίων. Κάθε σενάριο παράγει μοναδικά δεδομένα που βοηθούν το AI να μάθει να αναγνωρίζει την κατάσταση στο μέλλον και πώς να αντιδρά.

Σε αυτή τη μελέτη, οι μηχανικοί ξεκίνησαν τροφοδοτώντας τον αλγόριθμο AI με τα κυριότερα δεδομένα CT σαρώσεων που είναι διαθέσιμα online. Στη συνέχεια, σάρωσαν μια σειρά εκτυπώσεων για να δημιουργήσουν 100.334 διατομές εικόνων. Αυτή η συλλογή εικόνων σχημάτισε την πρώτη ομάδα ελέγχου. Σημαντικό είναι ότι η ομάδα διατήρησε ποσοστό ελαττωμάτων 13,6% στις εκτυπώσεις.

Μοντέλο Vision Transformer (ViT)

Το επόμενο βήμα ήταν η έναρξη των προσομοιώσεων. Οι μηχανικοί έθεσαν τον αλγόριθμο να εκτελέσει 50 χιλιάδες συνθετικές προσομοιώσεις ελαττωμάτων βάσει των δεδομένων που εισήγαγαν. Τα σφάλματα περιλαμβάνουν μια ποικίλη επιλογή σχημάτων, μεγεθών, τοποθεσιών και βάθους. Αυτά τα δεδομένα επικολλήθηκαν στη συνέχεια σε εξαρτήματα χωρίς ελαττώματα για να δημιουργηθεί μια βάση σύγκρισης.

Ικανή Λύση

Ο αλγόριθμος AI στη συνέχεια σάρωσε τα 227 τρισδιάστατα εξαρτήματα για ελαττώματα. Σημαντικό είναι ότι κανένα από τα ελαττώματα στα εξαρτήματα δεν ήταν ίδιο με εκείνα της εικόνας που χρησιμοποιήθηκε για τον προγραμματισμό του αλγόριθμου. Ως εκ τούτου, το AI έπρεπε να κάνει κριτικές αποφάσεις μόνο βάσει των ευρημάτων και των δεδομένων του. Κατέστησε αυτήν την εργασία αποδοτικά, σημειώνοντας μια σημαντική πρόοδο στον κλάδο.

Αποτελέσματα

Τα αποτελέσματα αυτής της μελέτης έχουν ενθουσιάσει πολλούς στη βιομηχανία. Ο αλγόριθμος AI καθόρισε με 90% ακρίβεια ποια εξαρτήματα είχαν ελαττώματα και ποια εκτυπώθηκαν σωστά. Εντυπωσιακά, το AI βρήκε ακόμη και ελαττώματα που άλλα μοντέλα AI που χρησιμοποιούνται σήμερα στον βιομηχανικό τομέα είχαν εξετάσει και παραλείψει.

Οφέλη που Η AI Βαθιάς Μάθησης Φέρνει στις Διαδικασίες Προσθετικής Κατασκευής

Υπάρχουν πολλοί λόγοι για τους οποίους αυτή η έρευνα μπορεί να φέρει επανάσταση στον κλάδο. Τα πρωτόκολλα βαθιάς μάθησης έχουν ήδη βοηθήσει στην αύξηση της αποδοτικότητας και της καινοτομίας σε άλλους τομείς. Τώρα, αυτή η προηγμένη τεχνολογία μπορεί να χρησιμοποιηθεί για την επιτάχυνση της μοντελοποίησης δεδομένων, βελτιώνοντας την ασφάλεια ενώ βοηθά στη δημιουργία πιο προχωρημένων μοντέλων βαθιάς μάθησης που μπορούν να ανταποκριθούν στις σύνθετες διαδικασίες εκτύπωσης που χρησιμοποιούνται σήμερα.

Ακρίβεια

Ένα από τα μεγαλύτερα πλεονεκτήματα αυτής της έρευνας είναι το ποσοστό ακρίβειας 90%. Για τους κατασκευαστές, το να έχει ένα AI που καθορίζει το 90% των ελαττωμάτων στη γραμμή παραγωγής σας αποτελεί σημαντική αναβάθμιση. Αυτός ο αλγόριθμος θα εξαλείψει την ανάγκη για CT σαρώσεις μόνο στα πιο κρίσιμα εξαρτήματα. Ως εκ τούτου, αυτή η προσέγγιση θα ενθαρρύνει την καινοτομία καθώς πιο σύνθετα σχέδια μπορούν να δημιουργηθούν και να δοκιμαστούν μέσω προσομοιώσεων.

Χαμηλότερο Κόστος

Αυτό το μοντέλο AI βαθιάς μάθησης θα μειώσει το κόστος και το χρόνο που απαιτούνται για την εκπαίδευση προχωρημένων μοντέλων AI για την ανίχνευση σφαλμάτων στην τρισδιάστατη εκτύπωση. Αυτά τα μοντέλα θα βελτιώνονται συνεχώς καθώς γίνονται διαθέσιμα περισσότερα δεδομένα. Ως εκ τούτου, ένα ποσοστό επιτυχίας 90% αποτελεί καλή βάση για τους ερευνητές. Μελλοντικές καινοτομίες θα μπορούσαν να αυξήσουν αυτό το ποσοστό προς το 99%, μειώνοντας το κόστος για τους κατασκευαστές συνολικά.

Πλήρως Αυτοματοποιημένα Συστήματα

Τα μοντέλα βαθιάς μάθησης σε συνδυασμό με τις διαδικασίες προσθετικής κατασκευής επιτρέπουν την πλήρη αυτοματοποίηση της διαδικασίας δημιουργίας. Ήδη, υπάρχουν βιομηχανικοί μεταλλικοί τρισδιάστατοι εκτυπωτές που παράγουν προϊόντα για προηγμένες λειτουργίες. Αυτές οι συσκευές δεν ήταν ιδιαίτερα αποτελεσματικές στον έλεγχο της δημιουργίας τους στο παρελθόν, κάτι που συνήθως απαιτούσε ανθρώπινη παρέμβαση.

Ο αλγόριθμος AI που δημιούργησε αυτή η ομάδα θα μπορούσε να είναι η λύση σε αυτό το πρόβλημα, καθώς θα επέτρεπε σε αυτά τα συστήματα να δημιουργούν και να ελέγχουν την ποιότητα των προσπαθειών τους εσωτερικά. Μπορεί επίσης να συνδυαστεί με μια διαδικασία ανακύκλωσης. Φανταστείτε το AI να ανακυκλώνει αυτόματα τα ελαττωματικά κομμάτια όταν εντοπίζονται. Έξυπνα συστήματα κατασκευής όπως αυτά θα βρίσκονται κάποια μέρα στην πρώτη γραμμή της τέταρτης βιομηχανικής επανάστασης.

Το Μέλλον της Προσθετικής Κατασκευής

Το μέλλον της προσθετικής κατασκευής φαίνεται λαμπρό. Αυτές οι συσκευές χρησιμοποιούνται σε πολλούς κλάδους, συμπεριλαμβανομένων των αεροδιαστημικών, της βιοτεχνολογίας και της ιατρικής. Ακολουθούν μερικοί από τους κύριους λόγους για τους οποίους η βιομηχανική τρισδιάστατη εκτύπωση έχει γίνει τόσο δημοφιλής τα τελευταία τρία χρόνια.

Μονάδες με Χαμηλότερο Κόστος

Ένας από τους κύριους λόγους που αυτές οι συσκευές γίνονται πιο κοινές είναι ότι πλέον είναι φθηνότερες στην απόκτηση και λειτουργία. Οι κατασκευαστές αντιμετωπίζουν μεγαλύτερο ανταγωνισμό, γεγονός που οδηγεί σε περισσότερη καινοτομία και χαμηλότερες τιμές. Ως εκ τούτου, οι επιχειρήσεις μπορούν να ενσωματώσουν την προσθετική κατασκευή στα μοντέλα τους με λιγότερο κόστος, βελτιώνοντας την αποδοτικότητα και μειώνοντας τα απόβλητα.

Καινοτόμα Υλικά

Μια άλλη σημαντική καινοτομία είναι η δημιουργία νέων υλικών εκτύπωσης. Σύνθετα υλικά και μέταλλα μπορούν πλέον να χρησιμοποιηθούν για την κατασκευή πιο ανθεκτικών εξαρτημάτων. Ορισμένες μονάδες προσθετικής κατασκευής μπορούν να εκτυπώσουν σύνθετα σχέδια που αξιοποιούν πολλαπλά υλικά. Αυτά τα υλικά είναι πιο ελαφριά και πιο ανθεκτικά από ποτέ. Ως εκ τούτου, είναι βέβαιο ότι θα βρουν μεγαλύτερη χρηστικότητα σε διάφορους κλάδους.

Αναβαθμίσεις AI στις Διαδικασίες Προσθετικής Κατασκευής

Η AI είναι ένας από τους μεγαλύτερους λόγους για τους οποίους η προσθετική εκτύπωση θα μπορούσε να γίνει καθημερινή εργασία. Μοντέλα AI έχουν δημιουργηθεί για σχεδόν κάθε βήμα της διαδικασίας. Επιπλέον, τα chatbot AI θα μπορούσαν να κάνουν την εξήγηση των εννοιών της τρισδιάστατης εκτύπωσής σας τόσο εύκολη όσο η αποστολή ενός μηνύματος. Χρησιμοποιείται ήδη για τη βελτιστοποίηση της διαδικασίας δημιουργίας και τη μείωση των αποβλήτων.

Αυτή η πρόσφατη έρευνα ενσωματώνει την AI στο παρασκήνιο του ελέγχου ποιότητας. Αυτή η ενσωμάτωση ήταν το τελικό στοιχείο που απαιτήθηκε για τη δημιουργία ενός εντελώς αυτόνομου οικοσυστήματος τρισδιάστατης εκτύπωσης. Στο μέλλον, αυτές οι συσκευές θα δημιουργούν, εκτυπώνουν και δοκιμάζουν τα προϊόντα τους χωρίς ανθρώπινη παρέμβαση.

Βιοεκτυπωτές

Μία από τις μεγαλύτερες καινοτομίες στην τρισδιάστατη εκτύπωση είναι η δημιουργία βιοτρισδιάστατων εκτυπωτών. Αυτές οι συσκευές μπορούν να εκτυπώνουν βιοϋλικά όπως κύτταρα και μυϊκό ιστό. Αυτές οι μονάδες χρησιμοποιούνται ήδη για τη δημιουργία μικροσκοπικών μαλακών ρομπότ που μπορούν να πλοηγηθούν και να οργανωθούν σε σμήνη για να βοηθήσουν στην ολοκλήρωση δύσκολων εργασιών όπως η αποκατάσταση του νερού.

Τρισδιάστατοι Εκτυπωτές στο Διάστημα

Μια άλλη εντυπωσιακή καινοτομία που έχει φτάσει στον κλάδο της προσθετικής κατασκευής είναι οι εκτυπωτές που μπορούν να λειτουργούν σε περιβάλλον μικροβαρύτητας. Η συσκευή δημιουργήθηκε από τη ESA (European Space Agency) και δοκιμάστηκε την περασμένη εβδομάδα με επιτυχία. Σε αντίθεση με τις αντίστοιχες στη Γη, αυτή η μονάδα έπρεπε να είναι πλήρως κλεισμένη ώστε να αποτρέπεται η διαφυγή θερμότητας ή αερίων.

Στο μέλλον, οι διαστημικοί ταξιδιώτες θα χρειαστούν έναν τρόπο να εκτυπώνουν ό,τι χρειάζονται. Θα βρίσκονται πολύ μακριά από τη Γη για να βασίζονται σε προμήθειες με διαστημόπλοια, και σίγουρα θα υπάρξουν σενάρια όπου προσαρμοσμένα και ποτέ πριν μη χρησιμοποιημένα εργαλεία θα γίνουν απαραίτητα. Συνεπώς, υπάρχει μεγάλη επένδυση στην αγορά από τον κλάδο αεροδιαστημικής.

Κορυφαίες Εταιρείες Προσθετικής Κατασκευής

Υπάρχουν πολλές εταιρείες προσθετικής κατασκευής που λειτουργούν αυτή τη στιγμή. Αυτές οι εταιρείες πρωτοπορούν στο μέλλον της τρισδιάστατης εκτύπωσης και συμβάλλουν στη δημιουργία μιας βιώσιμης ύπαρξης με λιγότερα απόβλητα. Ακολουθούν ορισμένες επιχειρήσεις που θα μπορούσαν να ωφεληθούν από την έρευνα ελαττωμάτων που παρουσιάστηκε.

1. Stratasys

SSYS Διάγραμμα τιμής

Η Stratasys δραστηριοποιείται στη βιομηχανία τρισδιάστατης εκτύπωσης από το 2010. Λόγω των ποιοτικών λύσεων της, ο κατασκευαστής έχει επεκταθεί στους τομείς αεροδιαστημικής, ιατρικής, αυτοκινητοβιομηχανίας και καταναλωτικών προϊόντων με μεγάλη επιτυχία. Προς το παρόν, η εταιρεία διαθέτει μια δημοφιλή σουίτα λογισμικού που βελτιώνει την αποδοτικότητα του σχεδιασμού και της υλοποίησης.

Το μετοχικό κεφάλαιο της Stratasys έχει παρουσιάσει κάποιες διακυμάνσεις κατά τη διάρκεια των περισσότερων από 14 ετών διαπραγμάτευσής της. Ωστόσο, παρά τα πολλά γεγονότα που επηρέασαν την αγορά, όπως η COVID-19, η Stratasys έχει παραμείνει σταθερή. Παραμένει μια δημοφιλής επιλογή τρισδιάστατης κατασκευής και συνεχίζει να επεκτείνει τις δραστηριότητές της. Ως εκ τούτου, αποτελεί σοφή προσθήκη σε οποιοδήποτε χαρτοφυλάκιο.

2. Xometry

XMTR Διάγραμμα τιμής

Η Xometry είναι μια νέα είσοδος στην αγορά τρισδιάστατης εκτύπωσης. Η εταιρεία, η οποία παρέχει μια αγορά για πρωτότυπα τρισδιάστατης εκτύπωσης, κατασκευή και άλλα, συνεχίζει να επεκτείνει το οικοσύστημά της. Σήμερα, η Xometry διαθέτει πάνω από 5 χιλιάδες προμηθευτές και πάνω από 8 χιλιάδες αγοραστές.

Ο μοναδικός συνδυασμός της εταιρείας μεταξύ τρισδιάστατης εκτύπωσης κατόπιν ζήτησης και της αγοράς, που παρέχει σε δημιουργούς και προγραμματιστές ευκαιρίες απόδοσης επένδυσης, έχει πολλούς αναλυτές να προβλέπουν ένα λαμπρό μέλλον. Προς το παρόν, η μετοχή έχει υποαποδώσει, αλλά έχει καταφέρει να τοποθετηθεί ιδανικά για τη μελλοντική ενσωμάτωση του παραδοσιακού τομέα κατασκευής, που θα μπορούσε ενδεχομένως να φέρει δισεκατομμύρια έσοδα. Ως εκ τούτου, το XMTR αξίζει να το εξετάσετε.

Ερευνητές

Η μελέτη «Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography» πραγματοποιήθηκε στο University of Illinois Urbana-Champaign. Ηγεσία ανέλαβε ο Καθηγητής Μηχανικής Επιστήμης και Μηχανικής στο Illinois, Miles Bimrose, οι Sameh Tawfick και William King. Επιπλέον, συμμετείχαν οι Chenhui Shao από το University of Michigan, Davis McGregor από το University of Maryland, και οι Tianxiang Hu, Jiongxin Wang και Zuozhu Liu από το Zhejiang University.

Οι Διαδικασίες Προσθετικής Κατασκευής Συνεχίζουν να Βελτιώνονται

Συνεχείς καινοτομίες κάνουν την αγορά προσθετικής κατασκευής πιο ανταγωνιστική κάθε μέρα. Στο μέλλον, οι τρισδιάστατοι εκτυπωτές θα μπορούν να βρεθούν σε κάθε περίπτωση χρήσης. Χάρη στα δημιουργικά μυαλά πίσω από το μοντέλο Vision Transformer (ViT), αυτά τα προϊόντα θα είναι πιο ασφαλή από ποτέ.

Μάθετε για άλλες ενδιαφέρουσες Αναπτύξεις στην Προσθετική Κατασκευή.