Metode Baru yang Dikembangkan Akan Menjamin Standar Berkualitas Tinggi dalam Proses Manufaktur Aditif

Proses manufaktur aditif terus meningkat berkat upaya inovatif dan adopsi yang semakin meluas. Minggu ini menandai tonggak penting bagi industri ketika sekelompok peneliti dari University of Illinois Urbana-Champaign menerbitkan makalah di Journal of Intelligent Manufacturing yang menunjukkan metode baru dalam melatih model pembelajaran mesin mendalam untuk mendeteksi cacat secara lebih efektif. Inilah yang perlu Anda ketahui.

Manufaktur Aditif adalah Masa Depan

Pasar pencetakan 3D akan terus berkembang, menurut sebuah studi yang dikeluarkan oleh BCG. Laporan tersebut memperkirakan pasar manufaktur aditif akan mencapai lebih dari $95 miliar pada tahun 2030. Pertumbuhan ini didorong oleh biaya yang lebih rendah, ketersediaan yang lebih tinggi, hambatan teknis yang berkurang, dan integrasi AI.
Secara khusus, proses dan perangkat pencetakan 3D saat ini dapat menghasilkan komponen yang lebih kompleks dibandingkan pendahulunya. Perangkat ini memungkinkan insinyur mengembangkan inovasi yang belum pernah ada sebelumnya. Tentu saja, semakin kompleks cetakan, semakin sulit mendeteksi cacat, terutama pada cetakan dengan mekanisme internal.

Mengurangi Kegagalan dalam Proses Manufaktur Aditif

Satu hal ketika cetakan 3D gagal pada barang konsumen. Hal ini dapat menghabiskan dana dan waktu perusahaan serta konsumen. Namun, skenario lain muncul ketika komponen yang dicetak 3D merupakan bagian penting dalam aplikasi dirgantara atau medis. Di sini, taruhannya jauh lebih tinggi, dan kontrol kualitas harus luar biasa.

Penting untuk Kualitas

Saat mencetak bentuk tiga dimensi yang kompleks dengan fitur internal tertentu, menjadi hampir tidak mungkin melakukan pemeriksaan kualitas yang tepat tanpa menimbulkan penundaan besar dan menggunakan pemindaian tomografi terkomputasi (CT) berbasis sinar‑X. Di masa lalu, masalah ini menyebabkan komponen yang dicetak 3D terbatas pada aplikasi tertentu.

Pemindaian tersebut mahal dan memakan waktu. Oleh karena itu, terdapat permintaan besar akan strategi yang lebih andal dan efektif untuk menentukan apakah cetakan 3D memiliki cacat. Peneliti menemukan bahwa mereka dapat memanfaatkan kekayaan data CT scan yang tersedia melalui basis data untuk membantu membuat perpustakaan karakteristik kegagalan potensial.

Studi Baru Mengungkap Pilihan yang Lebih Baik

Dalam makalah mereka “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography,” peneliti menjelaskan bagaimana mereka memprogram algoritma AI yang sangat efektif yang dapat secara akurat menemukan cacat dalam cetakan tanpa perlu menggunakan sinar‑X. Studi mereka menunjukkan hasil yang mengesankan, memberikan harapan bahwa di masa depan, manufaktur aditif 3D dapat menjadi standar industri.

Mencetak Bagian Uji

Tim harus membuat cetakan kompleks yang dapat bertahan di bawah tekanan dan panas. Oleh karena itu, mereka menentukan bahwa nozzle dengan interior 3D akan menjadi subjek uji terbaik. Menariknya, nozzle yang dicetak 3D sangat populer karena dapat memiliki sifat desain khusus yang membantu mengatur aliran dan mengubah tekanan dalam skenario tertentu.
Secara khusus, tim membuat 227 nozzle berbasis resin untuk studi ini. Dari mata yang dapat melihat, semua unit tampak sempurna. Namun, beberapa nozzle memiliki cacat yang dirancang khusus yang kemudian akan digunakan untuk menentukan apakah algoritma berfungsi dengan baik. Cacat tersebut dibuat berada jauh di dalam nozzle, memastikan bahwa studi ini menantang bagi AI.

Pembelajaran Mesin Mendalam

Para peneliti memanfaatkan pendekatan AI yang disebut pembelajaran mesin mendalam. Gaya pembelajaran ini menggunakan simulasi komputer untuk mereplikasi jutaan skenario. Setiap skenario menghasilkan data unik yang membantu AI belajar mengenali situasi di masa depan dan cara meresponsnya.
Dalam studi ini, insinyur memulai dengan memberi algoritma AI data CT scan kegagalan yang tersedia secara online. Mereka kemudian memindai serangkaian cetakan untuk membuat 100.334 irisan gambar penampang melintang. Koleksi gambar ini menjadi kelompok kontrol pertama. Secara khusus, kelompok tersebut memastikan tingkat cacat sebesar 13,6% pada cetakan.

Model Vision Transformer (ViT)

Langkah selanjutnya adalah memulai simulasi. Insinyur menjalankan algoritma untuk melakukan 50 ribu simulasi cacat sintetis berdasarkan data yang dimasukkan. Kesalahan mencakup beragam bentuk, ukuran, lokasi, dan kedalaman. Data ini kemudian ditumpangkan pada bagian tanpa cacat untuk membuat basis perbandingan.

Solusi yang Mampu

Algoritma AI kemudian memindai 227 bagian 3D untuk mencari cacat. Secara khusus, tidak ada cacat pada bagian tersebut yang sama dengan gambar yang digunakan untuk memprogram algoritma. Oleh karena itu, AI harus membuat keputusan berdasarkan temuan dan data saja. AI menyelesaikan tugas ini secara efisien, menandai kemajuan besar di sektor ini.

Hasil

Hasil studi ini telah menggembirakan banyak pihak di industri. Algoritma AI menentukan dengan akurasi 90% bagian mana yang memiliki cacat dan mana yang dicetak dengan benar. Secara mengesankan, AI bahkan menemukan cacat yang belum terdeteksi oleh model AI lain yang saat ini digunakan di sektor industri.

Manfaat yang Dibawa AI Pembelajaran Mendalam ke Proses Manufaktur Aditif

Ada banyak alasan mengapa penelitian ini dapat merevolusi sektor. Protokol pembelajaran mendalam telah membantu meningkatkan efisiensi dan inovasi di sektor lain. Sekarang, teknologi canggih ini dapat digunakan untuk mempercepat pemodelan data, meningkatkan keselamatan sekaligus membantu menciptakan model pembelajaran mendalam yang lebih maju yang dapat mengikuti proses pencetakan kompleks yang digunakan saat ini.

Akurasi

Salah satu keuntungan terbesar dari penelitian ini adalah tingkat akurasi 90%. Bagi produsen, memiliki AI yang menentukan 90% cacat pada lini produksi Anda merupakan peningkatan signifikan. Algoritma ini akan menghilangkan kebutuhan akan pemindaian CT hanya pada komponen yang paling kritis. Dengan demikian, pendekatan ini akan mendorong inovasi karena desain yang lebih kompleks dapat dibuat dan diuji melalui simulasi.

Biaya Lebih Rendah

Model AI pembelajaran mendalam ini akan menurunkan biaya dan waktu yang dibutuhkan untuk melatih model AI canggih dalam mendeteksi kesalahan pencetakan 3D. Model-model ini akan terus meningkat seiring bertambahnya data yang tersedia. Oleh karena itu, tingkat keberhasilan 90% merupakan titik awal yang baik bagi peneliti. Inovasi di masa depan dapat meningkatkan tingkat tersebut hingga mendekati 99%, menurunkan biaya bagi produsen secara keseluruhan.

Sistem Sepenuhnya Otomatis

Model pembelajaran mendalam yang digabungkan dengan proses manufaktur aditif memungkinkan otomatisasi penuh proses penciptaan. Saat ini, sudah ada printer 3D logam industri yang menghasilkan produk untuk operasi canggih. Perangkat ini belum terlalu baik dalam menguji hasilnya di masa lalu, yang biasanya memerlukan intervensi manusia.
Algoritma AI yang dibuat oleh tim ini dapat menjadi solusi untuk masalah tersebut karena memungkinkan sistem ini menciptakan dan mengontrol kualitas secara internal. Algoritma ini juga dapat dipadukan dengan proses daur ulang. Bayangkan AI mendaur ulang bagian yang cacat secara otomatis saat terdeteksi. Sistem manufaktur cerdas seperti ini suatu hari nanti akan berada di garis depan revolusi industri ke‑4.

Masa Depan Manufaktur Aditif

Masa depan manufaktur aditif tampak cerah. Perangkat ini ditemukan digunakan di berbagai industri, termasuk dirgantara, biotek, dan medis. Berikut beberapa alasan utama mengapa pencetakan 3D industri menjadi begitu populer selama tiga tahun terakhir.

Unit dengan Biaya Lebih Rendah

Salah satu alasan utama perangkat ini menjadi lebih umum adalah karena kini lebih murah untuk dimiliki dan dioperasikan. Produsen menghadapi lebih banyak kompetisi, yang menghasilkan lebih banyak inovasi dan harga yang lebih rendah. Dengan demikian, bisnis dapat mengintegrasikan manufaktur aditif ke dalam model mereka dengan biaya lebih sedikit, meningkatkan efisiensi dan mengurangi limbah.

Material Inovatif

Inovasi besar lainnya adalah penciptaan material cetak baru. Komposit dan logam kini dapat digunakan untuk membuat komponen yang lebih tahan lama. Beberapa unit manufaktur aditif dapat mencetak desain kompleks yang memanfaatkan beberapa material. Material ini lebih ringan dan lebih kuat daripada sebelumnya. Oleh karena itu, mereka pasti akan menemukan lebih banyak kegunaan di berbagai industri.

Peningkatan AI pada Proses Manufaktur Aditif

AI adalah salah satu alasan terbesar mengapa pencetakan aditif dapat menjadi tugas harian. Model AI telah dibuat untuk hampir setiap langkah proses. Selain itu, chatbot AI dapat membuat penjelasan konsep cetakan 3D Anda semudah mengirim pesan teks. AI sudah digunakan untuk membantu memperlancar proses penciptaan dan mengurangi limbah.
Penelitian terbaru ini mengintegrasikan AI ke dalam kontrol kualitas di belakang layar. Integrasi ini merupakan komponen terakhir yang diperlukan untuk menciptakan ekosistem pencetakan 3D yang sepenuhnya mandiri. Di masa depan, perangkat ini akan mencetak, menghasilkan, dan menguji produk mereka tanpa intervensi manusia.

Bioprinter

Salah satu inovasi terbesar dalam pencetakan 3D adalah penciptaan bioprinter. Perangkat ini dapat mencetak biomaterial seperti sel dan jaringan otot. Unit ini sudah digunakan untuk membuat robot lunak kecil yang dapat bergerak dan berorganisasi menjadi gugusan untuk membantu menyelesaikan tugas sulit seperti pemurnian air.

Printer 3D di Luar Angkasa

Inovasi menarik lain yang muncul di sektor manufaktur aditif adalah printer yang dapat beroperasi di lingkungan mikrogravitasi. Perangkat ini dibuat oleh ESA (European Space Agency) dan diuji minggu lalu dengan hasil sukses. Tidak seperti rekan-rekannya di bumi, unit ini harus sepenuhnya tertutup untuk mencegah panas atau asap keluar.
Di masa depan, pelancong luar angkasa akan membutuhkan cara untuk mencetak apa yang mereka butuhkan. Mereka akan terlalu jauh dari Bumi untuk mengandalkan pengiriman roket, dan pasti akan ada skenario di mana alat yang disesuaikan dan belum pernah digunakan sebelumnya menjadi kebutuhan. Akibatnya, terdapat banyak investasi di pasar dari sektor dirgantara.

Perusahaan Manufaktur Aditif Teratas

Ada banyak produsen aditif yang saat ini beroperasi. Perusahaan-perusahaan ini mempelopori masa depan pencetakan 3D dan membantu menciptakan keberadaan berkelanjutan dengan limbah yang lebih sedikit. Berikut beberapa bisnis yang dapat mengambil manfaat dari penelitian cacat yang dipresentasikan.

1. Stratasys

SSYS Grafik Harga

Stratasys telah berada di industri pencetakan 3D sejak 2010. Karena solusi berkualitasnya, produsen ini telah merambah ke sektor dirgantara, medis, otomotif, dan konsumen dengan keberhasilan besar. Saat ini, perusahaan memiliki rangkaian perangkat lunak populer yang meningkatkan efisiensi desain dan penerapan.
Saham Stratasys telah mengalami naik turun selama lebih dari 14 tahun diperdagangkan. Namun, meskipun banyak peristiwa pasar seperti COVID‑19, Stratasys tetap bertahan. Ia tetap menjadi pilihan manufaktur 3D yang populer dan terus memperluas operasinya. Oleh karena itu, ini merupakan tambahan yang bijaksana untuk portofolio mana pun.

2. Xometry

XMTR Grafik Harga

Xometry adalah pendatang baru di pasar pencetakan 3D. Perusahaan yang menyediakan pasar untuk prototipe pencetakan 3D, manufaktur, dan lainnya terus memperluas ekosistemnya. Saat ini, Xometry memiliki lebih dari 5.000 pemasok dan lebih dari 8.000 pembeli.
Kombinasi unik Xometry antara pencetakan 3D on‑demand dan pasar, yang menyediakan peluang ROI bagi kreatif dan programmer, membuat banyak analis memprediksi masa depan yang cerah. Untuk saat ini, sahamnya belum berperforma baik namun telah menyiapkan diri secara sempurna untuk onboarding masa depan sektor manufaktur tradisional, yang berpotensi menghasilkan miliaran pendapatan. Oleh karena itu, XMTR layak untuk diperhatikan.

Peneliti

Studi “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” dilakukan di University of Illinois Urbana-Champaign. Penelitian ini dipimpin oleh Profesor Mechanical Science and Engineering di Illinois Miles Bimrose, Sameh Tawfick, dan William King. Selain itu, Chenhui Shao dari University of Michigan, Davis McGregor dari University of Maryland, serta Tianxiang Hu, Jiongxin Wang, dan Zuozhu Liu dari Zhejiang University turut berpartisipasi.

Proses Manufaktur Aditif Terus Meningkat

Inovasi terus-menerus membuat pasar manufaktur aditif semakin kompetitif setiap hari. Di masa depan, printer 3D dapat menemukan kasus penggunaan di mana saja. Berkat pemikiran inovatif di balik model Vision Transformer (ViT), produk‑produk ini akan menjadi lebih aman daripada sebelumnya.

Pelajari tentang Pengembangan Manufaktur Aditif menarik lainnya.