Fraunhofer通过人工智能用于激光熔覆过程，实现更高效的修复
3D打印-增材制造工艺正在超越传统生产技术，因为增材制造工艺不仅更灵活，而且在某些应用中更经济、更实用。不过在很多情况下，增材制造的加工效率仍然落后于传统工艺。Fraunhofer正在用人工智能 (AI) 解决这个问题：多亏了用于过程控制的新软件，特别是激光材料沉积将自动优化并变得更加高效。
对于复杂的几何形状，例如在这个刀片齿上，或磨损不均匀的地方，基于 AI 的流程优化将显着提高效率。
© Apollo
人工智能照进3D打印的现实
基于增材思维的先进设计与智能制造, 与新一代人工智能技术深度融合，形成高吞吐量、高产品质量控制能力、高产品复杂性的新一代智能制造技术，进而成为第四次工业革命的核心技术引擎。作为德国与加拿大的 3+2 资助计划的一部分，AI-SLAM 项目由德国联邦教育和研究部资助，加拿大方面由 NRC 资助。重点是利用人工智能为工业生产开发新技术。各个项目来自各行各业的真实需求。覆盖的应用范围广泛；包括来自采矿和能源部门的需求，到汽车工业和电信，再到建筑和基础设施管理领域的需求，该资助将持续到 2024 年 3 月。
像这种外径约为 140 毫米的碎石机齿这样的磨损部件通过 LMD 工艺进行修复。由于人工智能，修复不规则表面的过程将得到优化。
© Apollo Machine and Welding Ltd，加拿大。
人工智能优化工艺参数
来自加拿大的机器制造商Apollo为采矿和石油行业提供开采设备，其中采矿业使用的碎石机齿需要定期检修。通过使用激光材料沉积 (LMD)-金属3D打印工艺，可以在磨损部件上沉积金属层，直到重建原始几何形状。
此修复过程中的问题是零件的不均匀磨损，这意味着必须应用不同厚度的层。操作员必须在每个涂层步骤之后或至少在每十层之后测量它并重新调整过程。
在“用于人工智能增强自适应激光增材制造 AI-SLAM ”的项目中，德国和加拿大的合作伙伴正在共同为开采设备制造商开发可用于自动运行 LMD 过程的软件。为此，系统会在涂层过程中自动记录几何形状，检测与指定轮廓的偏差并重新调整工艺参数，例如进给速率。
在人工智能的帮助下计算出优化的控制参数，该软件分析更大的数据集，并独立学习如何迭代改进流程。这个为期三年的项目的最新里程碑是在弗劳恩霍夫激光研究所-Fraunhofer ILT 为扫描组件和自动路径规划调试软件功能。在德国方面，位于德国亚琛的弗劳恩霍夫激光技术研究所 ILT 和软件开发商 BCT 参与了 AI SLAM项目。在加拿大，该项目由加拿大国家研究委员会 NRC 协调。该项目的重点非常复杂：基本上，必须系统地收集和处理尽可能多的过程数据。然后，从这些数据中，通过人工智能自动学习如何优化过程控制，以便最终以更少的努力生产更多产品。
得益于定期的视频会议和共同准备的在线文件，德国和加拿大的合作项目工作顺利进行。在虚拟实验室参观中，合作伙伴已经熟悉了彼此的软件和硬件环境。为了交换过程数据和实施机器学习模型，mlOS机器学习操作系统已向所有项目合作伙伴开放。
在制造业中使用 AI 的方法有多种，通常从分析图像或其他数据开始。有了人类“老师”给予的人工智能的算法，人工智能甚至可以识别复杂数据中的结构。因此，它可以在早期检测到与预定义最佳值的偏差，从而可以对过程进行调节。当数据的记录和处理与过程控制相结合形成一个自主过程时，就达到了最高水平：智能化调整加工策略。
数据捕捉+算法
在制造业中使用 AI 的方法有多种，通常从分析图像或其他数据开始。有了人类“老师”给予的人工智能的算法，人工智能甚至可以识别复杂数据中的结构。因此，它可以在早期检测到与预定义最佳值的偏差，从而可以对过程进行调节。当数据的记录和处理与过程控制相结合形成一个自主过程时，就达到了最高水平：智能化调整加工策略。
在3D打印方面，弗劳恩霍夫激光技术研究所Fraunhofer ILT目前能够通过 AI 显著改善金属 3D 打印的结果。在激光粉末床选区金属熔化 (LPBF) 工艺系统中，使用高分辨率 HDR 相机对每一层中的组件表面进行拍照。图像数据可以捕捉到两种影响：一方面，可以测量过程中组件可能发生的翘曲；另一方面，可以仔细检查表面的粗糙度。因此，可以在生产过程中对缺陷进行分类。当然，Fraunhofer的研究步伐不会仅仅停留在单台设备的自适应上，根据3D科学谷的了解，2020年初，Fraunhofer IPT弗劳恩霍夫生产技术研究所IPT和瑞典移动网络供应商爱立信共同开发了“欧洲5G工业园区”的概念，监视和控制高度复杂制造过程的5G传感器，移动机器人，物流和多站点生产链，分布式制造控制，区块链，人工智能与边缘云计算等等正在以未来已来的方式呈现在我们面前。
《暗知识》表示，可以感知，在不久的未来，下一步的人工智能将跨越单台3D打印设备，实现设备与设备之间的协调与工艺优化。如果说算法是引擎的设计，那么算力是引擎的马力，而数据是引擎的燃料。在人工智能的帮助下，激光参数也可以在过程中进行特定的更改，以便对过程状态的变化做出动态反应。这提高了零件的质量，并在缺陷发生之前加以预防。工智能不仅使用户能够优化生产流程，实现零缺陷生产。在具有大量复杂数据的过程中，例如现代光学的发展，人工智能也降低了复杂性。开发过程变得更加清晰、更加确定并且更少依赖于个别专家的直觉。
在商业化方面，具有集成 AI 的过程监控系统将支持这种转变，并实现从全细节测试演变为智能测试的直接方法。根据3D科学谷的市场观察，国际上通过AI来进行增材制造加工质量控制的商业化软件公司目前包括以色列的printsyst，美国的addiguru，德国的nebumind，以及瑞士的Nnaisense 。回过头来看增材制造，其发展趋势就像电视，从原来黑白相间，连人影都看得默默糊糊的小“盒子”，再到彩色电视，再到现在的超薄大屏幕的数字电视，其发展中脱胎换骨的感觉让人无法将这一技术定格在电视曾经的模样。这其中，软件发挥了重要的作用…年轻的3D打印产业正期待着一个完全自动化的工厂，进行生产的不只是一个产品，而是几百个，甚至上千个的数字串行制造模式。
© 3D科学谷白皮书
软件让3D打印更快、更聪明、更高效…
基于算法的软件正在赋能整个世界，很快3D打印行业会发现，一家3D打印企业最好团队中有一些人精通算法，或者可以编写代码或者善于使用软件，否则这样的企业将变得寸步难行。
(责任编辑：admin)
中南大学:增材制备可生物
2024年二季度，中国3D打印
《Bioactive Materials》
增材制造中机器学习研究综
高性能水凝胶的3D生物打印
研究人员开创使用X射线和
选区激光熔化增材
大型聚合物3D打印
6K Additive最新
如何打造增材制造
从实验室走向生产
3D打印在口腔修复
