Isang Bagong Binangong Pamamaraan ay Magtitiyak ng Mataas na Pamantayan ng Kalidad sa mga Proseso ng Additive Manufacturing

Additive manufacturing processes continue to improve thanks to innovative efforts and growing adoption. This week marks a major milestone for the industry as a group of researchers from the University of Illinois Urbana-Champaign published a paper in the Journal of Intelligent Manufacturing that demonstrates a new method of training deep machine learning models to detect defects more effectively. Here’s what you need to know.

Additive Manufacturing ay ang Hinaharap

Patuloy na umuunlad ang merkado ng 3D printing, ayon sa isang pag-aaral na inilabas ng BCG. Ang ulat ay nagtataya na maaabot ng additive manufacturing market ang +95B pagsapit ng 2030. Ang paglago ay pinapalakas ng mas mababang gastos, mas maraming availability, nabawasang teknikal na hadlang, at integrasyon ng AI.

Kapansin-pansin, ang mga kasalukuyang proseso at kagamitan ng 3D printing ay kayang lumikha ng mas komplikadong mga bahagi kaysa sa kanilang mga nauna. Ang mga kagamitang ito ay nagbibigay-daan sa mga inhinyero na mag-develop ng mga inobasyon na hindi pa nakikita noon. Siyempre, habang lumalalim at nagiging mas komplikado ang mga print, nagiging mas mahirap tuklasin ang mga depekto, lalo na kapag may mga internal na mekanismo.

Nabawasan ang Pagkabigo sa mga Proseso ng Additive Manufacturing

Isang bagay lang kapag nabigo ang isang 3D print sa isang consumer item. Maaaring magastos ito sa kumpanya at sa consumer sa oras at pera. Isa pang senaryo ay kapag ang 3D-printed na bahagi ay mahalagang komponent sa aerospace o medikal na aplikasyon. Dito, mas mataas ang pusta, at kailangang maging pambihira ang kontrol sa kalidad.

Mahalaga sa Kalidad

Kapag nagpi-print ng komplikadong tatlong-dimensional na hugis na may ilang internal na tampok, maaaring maging imposibleng magsagawa ng tamang quality check nang hindi nagdudulot ng matinding pagkaantala at paggamit ng X-ray computed tomography (CT) scans. Noon, ang isyung ito ay nagdulot ng limitasyon sa paggamit ng 3D-printed na mga bahagi sa ilang aplikasyon.

Pinagmulan – University of Illinois Urbana-Champaign

Mahalaga at matrabaho ang mga scan na ito. Dahil dito, may malaking pangangailangan para sa isang mas mapagkakatiwalaan at epektibong estratehiya upang matukoy kung may depekto ang isang 3D print. Natuklasan ng mga mananaliksik na maaari nilang gamitin ang napakalawak na koleksyon ng mga CT scan na makukuha mula sa mga database upang makatulong sa paglikha ng isang library ng mga posibleng katangian ng pagkabigo.

Isang Bagong Pag-aaral ang Nagpapakita ng Mas Mabuting Opsyon

Sa kanilang papel na “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography,” ipinaliwanag ng mga mananaliksik kung paano nila pinrograma ang isang napakaepektibong AI algorithm na maaaring tumpak na matukoy ang mga depekto sa mga print nang hindi kinakailangan ng X-ray. Ipinakita ng kanilang pag-aaral ang kahanga-hangang resulta, na nagbibigay pag-asa na sa hinaharap, ang 3D additive manufacturing ay maaaring maging pamantayan ng industriya.

Pagpi-print ng mga Pagsubok na Parte

Kailangan ng koponan na lumikha ng komplikadong mga print na kayang tiisin ang pressure at init. Dahil dito, napagpasyahan nilang ang isang nozzle na may 3D internals ang magiging pinakamahusay na paksa ng pagsubok. Nakakatuwang malaman na ang mga 3D-printed na nozzle ay napakapopular dahil maaari silang magkaroon ng mga tiyak na disenyo na tumutulong sa pag-navigate ng daloy at pagbabago ng pressure sa ilang sitwasyon.

Partikular, lumikha ang koponan ng 227 resin-based AM na nozzle para sa pag-aaral. Sa unang tingin, lahat ng yunit na ito ay mukhang perpekto. Gayunpaman, ang ilang nozzle ay may purpose-built na depekto na gagamitin upang matukoy kung maayos ang pag-andar ng algorithm. Ang mga depektong ito ay nilikha upang nakalublob sa loob ng nozzle, na tinitiyak na magiging mahirap para sa AI na malampasan ang pag-aaral.

Malalim na Machine Learning

Gumamit ang mga mananaliksik ng isang AI approach na tinatawag na deep machine learning. Ang estilo ng pagkatutong ito ay gumagamit ng mga computer simulation upang ulitin ang milyong-milyong senaryo. Ang bawat senaryo ay lumilikha ng natatanging datos na tumutulong sa AI na matutong kilalanin ang sitwasyon sa hinaharap at kung paano tumugon.

Sa pag-aaral na ito, sinimulan ng mga inhinyero ang pagpapakain sa AI algorithm ng prominenteng online defeat CT scan data. Pagkatapos ay sincan nila ang serye ng mga print upang lumikha ng 100,334 na cross-section image slices. Ang koleksyon ng mga larawang ito ang naging unang control group. Kapansin-pansin, siniguro ng grupong ito ang 13.6% na rate ng depekto sa mga print.

Vision Transformer (ViT) Model

Ang susunod na hakbang ay simulan ang mga simulation. Pinatakbo ng mga inhinyero ang algorithm na magsagawa ng 50K synthetic defect simulations batay sa datos na kanilang inilagay. Ang mga error ay kinabibilangan ng iba’t ibang hugis, sukat, lokasyon, at lalim. Ang datos na ito ay pagkatapos ay inilapat sa mga defect-free na bahagi upang lumikha ng comparison base.

Solusyong May Kakayahan

Sincan ng AI algorithm ang 227 3D na bahagi para sa mga depekto. Kapansin-pansin, wala sa mga depekto sa mga bahagi ang katulad ng nasa imahe na ginamit upang programahin ang algorithm. Dahil dito, kinailangan ng AI na gumawa ng mga hatol batay lamang sa mga natuklasan at datos nito. Natupad nito ang gawain nang epektibo, na nagmarka ng isang malaking pag-unlad sa sektor.

Mga Resulta

Ang mga resulta ng pag-aaral na ito ay nagpasigla sa marami sa industriya. Natukoy ng AI algorithm na may 90% na katumpakan kung aling mga bahagi ang may depekto at kung alin ang tama ang pagkaka-print. Kahanga-hanga, natuklasan pa ng AI ang mga depekto na hindi napansin ng iba pang AI model na kasalukuyang ginagamit sa industriyal na sektor.

Mga Benepisyo na Dinadala ng Deep Learning AI sa mga Proseso ng Additive Manufacturing

Maraming dahilan kung bakit maaaring baguhin ng pananaliksik na ito ang sektor. Ang mga deep learning protocol ay nakatulong na maghatid ng kahusayan at inobasyon sa ibang mga sektor. Ngayon, ang advanced na teknolohiyang ito ay maaaring magamit upang pabilisin ang data modeling, mapabuti ang kaligtasan habang tumutulong sa paglikha ng mas advanced na deep-learning models na kayang sabayan ang komplikadong mga proseso ng pagpi-print na ginagamit ngayon.

Katumpakan

Isa sa pinakamalaking bentahe ng pananaliksik na ito ay ang 90% na rate ng katumpakan. Para sa mga tagagawa, ang pagkakaroon ng AI na matukoy ang 90% ng mga depekto sa iyong linya ng produksyon ay isang malaking pag-upgrade. Aalisin ng algorithm na ito ang pangangailangan para sa CT scans sa tanging mga kritikal na komponent. Dahil dito, itutulak ng pamamaraan na ito ang inobasyon habang mas komplikadong disenyo ay maaaring likhain at subukan sa pamamagitan ng mga simulation.

Mas Mababang Gastos

Ang deep learning AI model na ito ay magbababa ng gastos at oras na kailangan upang sanayin ang mga advanced na AI model na matukoy ang mga error sa 3D printing. Patuloy na mag-iimprove ang mga modelong ito habang dumarami ang datos na magagamit. Dahil dito, ang 90% na tagumpay ay isang magandang panimulang punto para sa mga mananaliksik. Ang mga susunod na inobasyon ay maaaring itaas ang rate na ito patungo sa 99%, na magbababa ng gastos para sa mga tagagawa sa buong industriya.

Ganap na Awtomatikong Sistema

Pinagsasama ang mga deep learning model sa mga proseso ng additive manufacturing upang payagan ang ganap na awtomasyon ng proseso ng paggawa. Mayroon nang mga industrial metal 3D printer na lumilikha ng mga produkto para sa advanced na operasyon. Ang mga kagamitang ito ay hindi naging mahusay sa pagsusuri ng kanilang mga likha noon, na karaniwang nangangailangan ng tao.

Ang AI algorithm na nilikha ng koponang ito ay maaaring maging solusyon sa problemang ito dahil magpapahintulot ito sa mga sistema na lumikha at kontrolin ang kalidad ng kanilang mga pagsisikap nang internal. Maaari rin itong iugnay sa isang proseso ng pag-recycle. Isipin ang AI na awtomatikong nire-recycle ang mga depektibong piraso kapag natuklasan. Ang mga intelligent manufacturing system tulad nito ay isang araw ay magiging nasa unahan ng ika‑4 na rebolusyong industriyal.

Hinaharap ng Additive Manufacturing

Ang hinaharap ng additive manufacturing ay mukhang maliwanag. Ang mga kagamitang ito ay natagpuan nang ginagamit sa maraming industriya, kabilang ang aerospace, biotech, at medikal. Narito ang ilan sa mga pangunahing dahilan kung bakit naging napakapopular ang industrial 3D printing sa nakaraang tatlong taon.

Mas Mababang Gastos na Yunit

Isa sa mga pangunahing dahilan kung bakit nagiging mas karaniwan ang mga kagamitang ito ay dahil mas mura na silang pag-aari at patakbuhin. Mas maraming kompetisyon ang mga tagagawa, na nagreresulta sa mas maraming inobasyon at mas mababang presyo. Dahil dito, maaaring isama ng mga negosyo ang additive manufacturing sa kanilang mga modelo nang mas mura, na nagpapabuti ng kahusayan at nagbabawas ng basura.

Makabagong Materyales

Isa pang malaking inobasyon ay ang paglikha ng mga bagong materyales sa pagpi-print. Maaaring ngayon gamitin ang composite at metal upang lumikha ng mas matibay na mga komponent. Ang ilang additive manufacturing na yunit ay maaaring mag-print ng komplikadong disenyo na gumagamit ng maraming materyales. Ang mga materyales na ito ay mas magaan at mas matibay kaysa dati. Dahil dito, tiyak na mas marami pang magagamit ang mga ito sa iba’t ibang industriya.

AI na Pag-upgrade sa mga Proseso ng Additive Manufacturing

Ang AI ay isa sa mga pinakamalaking dahilan kung bakit maaaring maging pang-araw-araw na gawain ang additive printing. Halos bawat hakbang ng proseso ay may AI model na nilikha. Bukod pa rito, maaaring gawing kasing-dali ng pagpapadala ng text ang pagpapaliwanag ng iyong mga konsepto sa 3D print gamit ang AI chatbots. Ginagamit na ito upang mapabilis ang proseso ng paglikha at mabawasan ang basura.

Ang pinakabagong pananaliksik na ito ay nag-iintegrate ng AI sa quality control back end. Ang integrasyong ito ay ang huling komponent na kailangan upang lumikha ng isang ganap na self-sufficient na ekosistema ng 3D printing. Sa hinaharap, ang mga kagamitang ito ay lilikha, magpi-print, at susubok ng kanilang mga produkto nang walang interbensyon ng tao.

Bioprinters

Isa sa mga pinakamalaking inobasyon sa 3D printing ay ang paglikha ng bio 3D printers. Ang mga kagamitang ito ay maaaring mag-print ng biomaterials tulad ng mga selula at muscle tissue. Ang mga yunit na ito ay ginagamit na sa paglikha ng maliliit na soft robot na maaaring mag-navigate at mag-organisa sa mga cluster upang makatulong sa pagsasagawa ng mahihirap na gawain tulad ng paglilinis ng tubig.

Mga 3D Printer sa Kalawakan

Isa pang kahanga-hangang inobasyon na tumama sa sektor ng additive manufacturing ay ang mga printer na kayang mag-operate sa microgravity environment. Ang device ay nilikha ng ESA (European Space Agency) at sinubukan noong nakaraang linggo nang matagumpay. Hindi tulad ng mga katapat nito sa lupa, ang yunit na ito ay kailangang ganap na nakapaloob upang maiwasan ang paglabas ng init o usok.

Sa hinaharap, kakailanganin ng mga manlalakbay sa kalawakan ng paraan upang i-print ang kanilang pangangailangan. Sila ay magiging napakalayo mula sa Earth upang umasa sa mga paghahatid ng rocket ship, at tiyak na magkakaroon ng mga sitwasyon kung kailan ang mga customized at hindi pa nagamit na kasangkapan ay magiging pangangailangan. Bilang resulta, maraming pamumuhunan ang nanggagaling sa aerospace sector.

Mga Nangungunang Kumpanya sa Additive Manufacturing

Maraming additive manufacturers ang kasalukuyang operasyon. Ang mga kumpanyang ito ay nangunguna sa hinaharap ng 3D printing at tumutulong sa paglikha ng isang sustainable na pag-iral na may mas kaunting basura. Narito ang ilang mga negosyo na maaaring makinabang mula sa pananaliksik sa depekto na inilahad.

1. Stratasys

(SSYS )

Ang Stratasys ay nasa industriya ng 3D printing mula pa noong 2010. Dahil sa mga solusyong may kalidad, ang tagagawa ay pumasok sa aerospace, medikal, automotive, at consumer sectors nang may malaking tagumpay. Sa kasalukuyan, ang kumpanya ay may popular na software suite na nagpapabuti ng kahusayan sa disenyo at deployment.

Ang stock ng Stratasys ay nakaranas ng ilang pagtaas at pagbaba sa higit 14 na taon ng kalakalan. Gayunpaman, sa kabila ng maraming pangyayaring nagpasigla sa merkado tulad ng COVID-19, nanatili ang Stratasys. Mananatili itong popular na opsyon sa 3D manufacturing at patuloy na nagpapalawak ng operasyon. Dahil dito, ito ay isang matalinong karagdagan sa anumang portfolio.

2. Xometry

(XMTR )

Ang Xometry ay isang bagong pasok sa merkado ng 3D printing. Ang kumpanya, na nagbibigay ng marketplace para sa mga prototype, manufacturing, at iba pa, ay patuloy na nagpapalawak ng ekosistema nito. Ngayon, ang Xometry ay nagtataglay ng +5k suppliers at +8K buyers.

Ang natatanging kombinasyon ng on-demand 3D printing at marketplace, na nagbibigay sa mga creative at programmer ng mga oportunidad sa ROI, ay nagdudulot ng maraming analyst na nagtataya ng maliwanag na kinabukasan. Sa ngayon, ang stock ay hindi pa nag-perform nang maayos ngunit nagawang ilagay ang sarili nito nang perpekto para sa hinaharap na pagpasok ng tradisyunal na sektor ng manufacturing, na maaaring magdala ng bilyong kita. Dahil dito, sulit tingnan ang XMTR.

Mga Mananaliksik

Ang pag-aaral na “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” ay isinagawa sa University of Illinois Urbana-Champaign. Pinamunuan ito ng Professor of Mechanical Science and Engineering sa Illinois na sina Miles Bimrose, Sameh Tawfick, at William King. Bukod pa rito, sina Chenhui Shao mula sa University of Michigan, Davis McGregor mula sa University of Maryland, at sina Tianxiang Hu, Jiongxin Wang, at Zuozhu Liu mula sa Zhejiang University ay lumahok.

Patuloy na Pinagbubuti ang mga Proseso ng Additive Manufacturing

Patuloy na ginagawa ng mga inobasyon ang merkado ng additive manufacturing na mas kompetitibo araw-araw. Sa hinaharap, maaaring matagpuan ang mga 3D printer sa lahat ng dako. Salamat sa mga mapanlikhang isip sa likod ng Vision Transformer (ViT) model, ang mga produktong ito ay magiging mas ligtas kaysa dati.

Alamin ang iba pang kahanga-hangang Pag-unlad sa Additive Manufacturing.