Moog i University at Buffalo Opracowują sztuczną inteligencję do rozpoznawania obrazów w metalowym druku 3D

Metalowe drukowanie 3D jest niezaprzeczalnie w dzisiejszych czasach i często jest jednym z głównych tematów podczas wydarzeń branżowych. Zaawansowana technologia wytwarzania umożliwia tworzenie części metalowych o złożonej geometrii w szybszym tempie, ale nie jest to niezawodne, dlatego wciąż słyszymy o trwających pracach badawczo-rozwojowych skoncentrowanych na rozwijaniu i ulepszaniu technologii. < p> Opracowywanie i kontrola procesu są ważnymi komponentami procesu drukowania krytycznych części metalowych w 3D, a nawet gdy stosuje się przemysłowe techniki statystyczne, takie jak Design doświadczeń (DoE), ilość pracy eksperymentalnej, którą należy wykonać, jest ogromna, wymagające wiele czasu w laboratorium kontrolującym próbki pod mikroskopem lub za pomocą rentgenowskiego tomografu komputerowego. A jak wiemy, ludzka wizja nie zawsze jest w 100% dokładna.

Podczas gdy Moog spędzał czas na ulepszaniu procesów, aby zredukować to męczące eksperymentalne obciążenie pracą, profesor Rahul Rai wraz z Uniwersytetem w Buffalo's Department of Inżynieria mechaniczna i lotnicza wykorzystywała sztuczną inteligencję do rozpoznawania obrazów w metalowym druku 3D.

Zespół współpracy profesora Rai i inżynierów z Moog otrzymał dofinansowanie z Centrum Doskonałości Informatyki Materiałowej UB w Nowym Jorku ( CMI) do swojej pracy eksperymentalnej i z powodzeniem zastosował splotowe sieci neuronowe do części drukowanych 3D z metalu. Doprowadziło to do wyszkolonego algorytmu komputerowego, który jest w stanie nie tylko rozpoznać metalowe części drukowane 3D o wysokiej jakości, ale także odrzucić te z niższą jakością; możesz to zobaczyć na diagramie poniżej.

Schemat ten został zrekonstruowany z blisko 150 obrazów podrzędnych, które zostały indywidualnie ocenione i zabarwione nowym algorytmem. Z 144 podobrazów, 136 zostało skontrolowanych i uznanych za "niedopieczone" przez algorytm sztucznej inteligencji, podczas gdy sześć zostało sklasyfikowanych jako "overmelt".

Te terminy - undermelt i overmelt - są nieoptymalnymi warunkami, które nie są często stosowane w produkcji części produkcyjnych. Oczekiwano jednak, że w tych przypadkach niedostateczne, ponieważ parametry procesu, które zostały użyte do stworzenia 136 obrazów, nie dały wystarczającej energii.

W wyniku ich współpracy UB i Moog mają teraz skomputeryzowane narzędzie do inspekcji, które zostało przeszkolone w zakresie rozpoznawania wysokiej jakości metalowych części drukowanych 3D. Wykorzystanie tego narzędzia pozwoli Moogowi na dalsze zwiększanie jakości drukowanego metalu 3D poprzez uruchamianie kolejnycheksperymenty i dokładna kontrola wyników.

Inżynierowie w firmie Moog dokładają obecnie starań, aby korzystać z technologii, która może mieć duży wpływ na robotykę, w innych obszarach, takich jak szkolenie systemu nawigacji autonomicznego Pojazd rozpoznaje drzewa jako przeszkody ze zdjęć cyfrowych, a następnie zatrudnia to rozpoznanie, aby zaplanować płynny kurs wokół nich.