通过实时缺陷检测开始问题，本文是一系列研究人工智能（AI）和3D打印系列中的第一篇，因为该技术继续在更苛刻的应用中进行现场测试，以提高零件的质量，自动化制造过程，甚至自动操作机器。
在3D印刷行业最近的3D打印的未来：前沿技术专家观看调查在所有接受采访的人中，有四分之一提到了AI和机器学习（ML），这使他们成为最受关注的技术。一些受访者称赞他们为“定义边境”，而另一些受访者则将其视为“自我指导机器人”的基础，但是在其他地方，像printpal现在和现在使用它们。
PrintPal的首席执行官Peter Lebiedzinski说：“我们有一个在后台运行的异常检测系统，当打印机发生了很小的变化或存在异常时，该系统就会'感知'。”
他补充说：“这相当于让实习生在整个印刷品的整个过程中不断盯着印刷品，而不必实际支付每小时15美元的费用。”“这具有非常明显的好处：节省时间和物质，并通过防止损害或火灾使用户安心。”
当然，任何曾经回来寻找建筑故障的人都会知道随之而来的挫败感，但不仅仅是打印错误限制了3D打印的工业采用更广泛，这也是一致性的一部分。根据最近的研究通过制造服务提供商贾比尔，有37％的用户将质量短缺视为防止可伸缩性的问题，而39％的质量限制了技术限制。
为了帮助用户提高零件的一致性并克服令人沮丧的失败，许多公司以及其他研究人员和研究所等公司现在正在研究能够实时提醒用户错误的算法。为了找出这些AI驱动的软件包如何工作，以及将来可以应用它们的地方，3D打印行业已与整个行业的专家进行了交谈。
AI大规模解锁3D打印
当涉及通过激光粉末融合（LPBF）等技术在工业规模的制造方面，了解过程中的每一步如何影响生产的零件质量。特别是，金属成分的孔隙率可能是一个问题。
要坚定地掌握导致这种孔隙率的原因，Argonne国家研究实验室诺亚·鲍尔森（Noah Paulson）和他的团队提出了使用ML预测缺陷的方法。实际上，在将这些数据馈送到能够预测未来构建中地下孔隙率的机会之前，该团队已设法使用热成像来识别不同印刷零件的温度历史。
Paulson说：“原位ML孔隙度预测可以预测每个组件打印过程中缺陷形成的可能性。”“这提供了何时可能被损害的迹象，因此应保留以进行进一步的破坏性或无损性评估。由于这些技术更耗时且昂贵，因此可以在ML的帮助下最小化它们的使用。”
“一旦受过训练，ML可以预测新的时间温度历史测量值的地下孔隙率的可能性。”
在其他地方，在美国另一家领先的研究机构，橡树岭国家实验室（ORNL），科学家还正在开发一个数字框架，用于打印零件的认证和资格。为了实现这一目标，团队创建了“花素，’旨在通过数字成像自动检测每个对象层纹理特征中的异常情况的算法。
由于其强大的神经网络体系结构，该软件能够可靠地检测并确定多种不同类别的缺陷的原因。具体而言，Peregrine在使用此数据创建一个可以部署以告知未来印刷品之前的模型之前，发现某些形态学纹理特征与异常相对应。
“By repeating the process over the entire height of the printed volume, it’s possible to create a 3D model of the component that can then be compared to the original design to produce a 3D map of all the pores,” explains Vincent Paquit, ORNL’s group leader for energy systems analytics. “Traditionally, this assessment is done using X-Ray CT imaging, a process requiring completing the manufacturing process.”
他补充说：“平差的原位数据分析提供了相同的反馈，但是实时的反馈，因此，在早期发现灾难性故障的情况下，用户可以停止该过程。”“尽管不应将原位监视视为X射线CT成像的替代，但它确实为统计抽样提供了补充解决方案。”
意识到AI的3D打印潜力
尽管AI 3D打印算法通常仍然处于相对较早的开发阶段，但研究人员已经开始尝试早期应用。例如，去年年底，来自宾夕法尼亚州立大学和美国空军研究实验室（AFRL）利用ML生成独特的模型这确定了构建过程中的缺陷，并将其部署到3D打印天线零件。
“我们的方法是在线模拟的变体，但是ML代孕预测非常快，” AFRL的研究机械工程师Philip Buskohl博士说。“这需要预先支付模拟成本才能创建培训集，但为实时预测和随后的缺陷维修打开了大门。”
两年前西部大学Aliaksei Petsiuk还开始与已知的3D印刷创新者Joshua Pearce合作开发开源错误检测算法。皮尔斯（Pearce）在与3D印刷行业的讲话中透露，他继续与同事开发这项技术，因为他说意大利面条侦探倾向于发现大型失败，但“错过了更多微妙的问题”。
Pearce说：“最近，我们通过与搅拌机制作合成图像来获得出色的结果。”“我们通过比较固定相机的印刷层的图像以及基于G代码的理想过程的参考图像来检测3D打印异常。这种开源方法使该程序可以在发生的早期阶段注意到关键错误，并暂停制造。”
识别AI驱动的漏洞？
但是，尽管Buskohl和Pearce的项目反映了AI技术在推进开源3D打印和国防制造方面的潜力，但研究正在进行纽约大学发现了一些潜在的陷阱。
利用机器学习，大学的工程师报告了玻璃和碳纤维的反向工程3D打印组件。尽管该项目背后的团队最初提出了他们的软件来设计复杂的零件并估算其属性，但他们发现，通过“逆转信息流”，可以在未经设计师同意的情况下重建复制品。
根据纽约大学·坦登（Nyu Tandon）教授兼报纸背后的团队之一尼克希尔·古普塔（Nikhil Gupta）的说法，这并不一定意味着当前正在发生反向工程，但他希望其发现至少“警告设计社区”的可能性。
Gupta解释说：“目前似乎并未将ML方法用于逆向工程，因为复合材料的添加剂和用于复合材料设计的使用均处于新生阶段。”雷电竞充值“但是，随着时间的推移，这些技术的成熟将增加反向工程的风险。”
AI的实时监控未来
无论是调查在3D打印中部署AI的好处还是缺点，很明显，正在大量研究中，探索其全部潜力。尽管这些算法驱动的方法中的许多正在开发，但距离最终述说仍然是数年的Sigma Labs已经设法将它们的市场推向市场。
目前，该公司的收入仍然相对较低，但它继续与政府承包商建立密切联系。实际上，西格玛实验室的printrite3d实时监控软件甚至是由洛克希德·马丁（Lockheed Martin）选择去年3月支持其太空部门。但是，尽管该平台目前由硬件和软件模块组成，但Sigma Labs现已揭幕计划启动仅软件产品，预测它可以被多达10％的金属3D打印机用户采用。
那么，这对3D印刷行业的AI意味着什么？根据Lebiedzinski的说法，该技术的最新进展表明，Printrite3D和他公司的PrintWatch等软件包将在该行业中解锁更大的自动化。PrintPal的首席执行官说，这可能对3D打印服务局特别有益，因为它使他们能够进行先发制的维护，以最大程度地减少机器停机时间，并确定基于提供最佳零件运输的订单。
Lebiedzinski总结道：“ AI软件的最终目标是在没有任何人类互动的情况下连续运行。”“该软件将自动选择打印作业，打印它们，将它们从床上扫入储层并重复该过程。机器学习将是使该系统正确有效地工作的关键。”
要了解最新的3D印刷新闻，请不要忘记订阅3D打印行业通讯或跟随我们推特或喜欢我们的页面Facebook。
为了深入研究添加剂制造，您现在可以订阅我们的雷电竞充值YouTube频道，包括讨论，汇报和3D打印进程的镜头。
您是否正在寻找添加剂制造业的工作？雷电竞充值访问3D打印作业在行业中选择一系列角色。
特色图像显示了一个图表，描绘了PrintPal的PrintWatch软件的AI模型所看到的。通过PrintPal图像。
