3D-printen wordt vaak aangeprezen als de toekomst van productie. Het stelt ons in staat om direct objecten te bouwen van door de computer gegenereerde ontwerpen, wat betekent dat de industrie in-house producten op maat kan produceren, zonder onderdelen uit te besteden. Maar 3D-printen heeft een hoge foutmarge, zoals vormvervorming. Elke printer is anders, en het gedrukte materiaal kan op onverwachte manieren krimpen en uitzetten. Fabrikanten moeten vaak veel herhalingen van een afdruk proberen voordat ze het goed doen.

Wat gebeurt er met de onbruikbare printopdrachten? Ze moeten worden weggegooid, met aanzienlijke milieu- en financiële kosten voor de industrie.

Een team van onderzoekers van de USC Viterbi School of Engineering pakt dit probleem aan, met een nieuwe set machine learning-algoritmen en een softwaretool genaamd PrintFixer, om de nauwkeurigheid van 3D-afdrukken met 50 procent of meer te verbeteren, waardoor het proces veel zuiniger en duurzamer wordt.

Het werk, onlangs gepubliceerd in IEEE-transacties over automatiseringswetenschap en -techniek , beschrijft een proces dat 'convolutiemodellering van 3D-printen' wordt genoemd. Het maakt deel uit van een reeks van 15 tijdschriftartikelen van het onderzoeksteam over machine learning voor 3D-printen.

Het team, geleid door Qiang Huang, universitair hoofddocent industriële en systeemtechniek, chemische technologie en materiaalkunde, samen met Ph.D. studenten Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin en Christopher Henson hebben tot nu toe $ 1,4 miljoen aan financiering ontvangen, inclusief een recente $ 350, 000 NSF-subsidie. Hun doel is om een ​​AI-model te ontwikkelen dat vormafwijkingen voor alle soorten 3D-printen nauwkeurig voorspelt en 3D-printen slimmer maakt.

"Wat we tot nu toe hebben aangetoond, is dat in gedrukte voorbeelden de nauwkeurigheid met ongeveer 50 procent of meer kan verbeteren, Huang zei. "In gevallen waarin we een 3D-object produceren dat lijkt op de trainingscases, algehele verbetering van de nauwkeurigheid kan oplopen tot 90 procent."

"Er kunnen acht iteratieve builds in de industrie nodig zijn om één onderdeel correct te krijgen, om verschillende redenen, "Huang zei, "en dit is voor metaal, dus het is erg duur."

Elk 3D-geprint object resulteert in een kleine afwijking van het ontwerp, of dit te wijten is aan het uitzetten of krimpen van gedrukt materiaal tijdens het afdrukken, of vanwege de manier waarop de printer zich gedraagt.

PrintFixer gebruikt gegevens die zijn verzameld uit eerdere 3D-printtaken om zijn AI te trainen om te voorspellen waar de vormvervorming zal plaatsvinden, om afdrukfouten op te lossen voordat ze optreden.

Huang zei dat het onderzoeksteam had gestreefd naar een model dat nauwkeurige resultaten produceerde met behulp van de minimale hoeveelheid brongegevens voor 3D-printen.

"Van slechts vijf tot acht geselecteerde objecten, we kunnen veel nuttige informatie leren, Huang zei. "We kunnen kleine hoeveelheden gegevens gebruiken om voorspellingen te doen voor een breed scala aan objecten."

Het team heeft het model getraind om met dezelfde nauwkeurigheid te werken in een verscheidenheid aan toepassingen en materialen - van metalen voor de lucht- en ruimtevaartindustrie, tot thermische kunststoffen voor commercieel gebruik. Ook werken de onderzoekers samen met een tandheelkundige kliniek in Australië aan het 3D-printen van tandheelkundige modellen.

"Dus net als wanneer een mens honkbal leert spelen, je leert softbal of een andere gerelateerde sport veel sneller, " zei Decker, die de ontwikkeling van softwareontwikkeling leidt in de groep van Huang. "Op diezelfde manier onze AI kan veel sneller leren als hij het een paar keer heeft gezien."

"Dus je kunt ernaar kijken, " zei Decker, "en kijk waar er gebieden zijn die groter zijn dan je toleranties, en of u het wilt afdrukken."

Hij zei dat gebruikers ervoor kunnen kiezen om af te drukken met een ander, printer van hogere kwaliteit en gebruik de software om te voorspellen of dat een beter resultaat zou opleveren.

"Maar als u de printer niet wilt vervangen, we hebben ook functionaliteit in het softwarepakket opgenomen waardoor de gebruiker de fouten kan compenseren en de vorm van het object kan veranderen - om de te kleine onderdelen te nemen en hun grootte te vergroten, terwijl het verminderen van de delen die te groot zijn, "Zei Decker. "En toen, wanneer ze afdrukken, ze moeten de eerste keer met het juiste formaat afdrukken."

Het doel van het team is dat de softwaretool voor iedereen beschikbaar is, van grootschalige commerciële fabrikanten tot 3D-printhobbyisten. Gebruikers van over de hele wereld kunnen ook bijdragen aan het verbeteren van de software-AI door printuitvoergegevens te delen in een database.

"Stel dat ik werk met een MakerBot 3D-printer die PLA gebruikt (een bioplastic dat wordt gebruikt bij 3D-printen), Ik kan dat in de database zetten, en iemand die hetzelfde model en materiaal gebruikt, kan mijn gegevens gebruiken en ervan leren, ' zei Decker.

"Als we eenmaal veel mensen over de hele wereld dit gebruiken, plotseling, je hebt echt een ongelooflijke kans om veel gegevens te benutten, en dat zou een heel krachtig iets kunnen zijn, " hij zei.