在增材制造成為生產(chǎn)級(jí)技術(shù)的道路上人工智能怎樣四兩撥千斤？

魔猴君  行業(yè)資訊   1636天前

數(shù)字化在制造領(lǐng)域發(fā)揮了越來(lái)越重要的作用，依托數(shù)字化制造中產(chǎn)生的大量數(shù)據(jù)的土壤，人工智能（AI）將賦予制造更強(qiáng)的生命力，從設(shè)備的實(shí)時(shí)維護(hù)到創(chuàng)新性的產(chǎn)品設(shè)計(jì)，到智能供應(yīng)鏈和創(chuàng)建新的商業(yè)模式，都是能夠被人工智能所賦能的領(lǐng)域。

增材制造-3D打印作為典型的數(shù)字化制造技術(shù)，從設(shè)計(jì)到生產(chǎn)再到質(zhì)量保證（QA）的整個(gè)工作流程中都運(yùn)轉(zhuǎn)著海量的數(shù)據(jù)。增材制造設(shè)計(jì)的復(fù)雜性與材料、生產(chǎn)參數(shù)、質(zhì)量要求等眾多因素相互依存，面對(duì)巨大的復(fù)雜性，人類(lèi)的經(jīng)驗(yàn)很難激發(fā)增材制造技術(shù)的潛能，使之成為一種用于生產(chǎn)的制造技術(shù)。這些特點(diǎn)恰好為人工智能提供了應(yīng)用土壤。

本期，魔猴網(wǎng)就與大家一起通過(guò)增材制造中的人工智能應(yīng)用領(lǐng)略人工智能如何賦能增材制造。

 推動(dòng)增材制造的生產(chǎn)級(jí)應(yīng)用

盡管增材制造技術(shù)在實(shí)現(xiàn)批量定制化生產(chǎn)以及實(shí)現(xiàn)復(fù)雜設(shè)計(jì)方面獨(dú)具魅力，但該技術(shù)在制造業(yè)中的應(yīng)用仍受到諸多阻力，不利因素包括：速度和最終零件的質(zhì)量或需要進(jìn)一步的投資才能匹配該技術(shù)，企業(yè)出于財(cái)務(wù)方面的考慮等。但人工智能技術(shù)在增材制造設(shè)計(jì)、工藝開(kāi)發(fā)、質(zhì)量控制、材料開(kāi)發(fā)等關(guān)鍵領(lǐng)域激發(fā)增材制造技術(shù)的潛能，推動(dòng)該技術(shù)在生產(chǎn)中的應(yīng)用。

l 設(shè)計(jì)復(fù)雜性對(duì)AI 的需求

增材制造設(shè)計(jì)的復(fù)雜性與眾多因素相互依存，如材料質(zhì)量將影響零件性能，從而影響設(shè)計(jì)決策；生產(chǎn)參數(shù)將影響質(zhì)量保證，而質(zhì)量保證要求將反映在那些設(shè)計(jì)決策中……等等。

面對(duì)如此巨大的設(shè)計(jì)復(fù)雜性，我們更加應(yīng)當(dāng)思考的問(wèn)題不是如何在增材制造中利用AI，而是如果沒(méi)有AI 驅(qū)動(dòng)的設(shè)計(jì)、生產(chǎn)、質(zhì)量保證流程，僅憑人類(lèi)設(shè)計(jì)師和工程師的力量，我們還能不能利用好增材制造技術(shù)在提高產(chǎn)品性能、加速創(chuàng)新等方面的優(yōu)勢(shì)。

 MEDIA來(lái)源：Additive Flow / 3D ADEPT MEDIA

例如，Additive Flow 公司在面向增材制造的設(shè)計(jì)軟件中引入了幾何自由概念與在不同區(qū)域?qū)崿F(xiàn)定制化材料屬性的“多屬性”概念，這使得增材制造設(shè)計(jì)的復(fù)雜性更高。增材制造提供了在整個(gè)打印過(guò)程中調(diào)整參數(shù)或?qū)⒉煌膮?shù)應(yīng)用于零件的不同區(qū)域的機(jī)會(huì)。從這一點(diǎn)上來(lái)看，與傳統(tǒng)制造工藝相比，增材制造技術(shù)具有釋放生產(chǎn)率、成本和性能改進(jìn)的巨大潛力。然而，依靠設(shè)計(jì)師的經(jīng)驗(yàn)來(lái)手動(dòng)決定哪些區(qū)域應(yīng)具有哪些屬性集，是一個(gè)非常復(fù)雜又無(wú)法保證成功率的過(guò)程。FormFlow 中的多屬性人工智能優(yōu)化算法恰好能夠克服這一挑戰(zhàn)。該軟件建立在Additive Flow的多材料領(lǐng)導(dǎo)地位的穩(wěn)固基礎(chǔ)之上，能夠處理優(yōu)化中的不同參數(shù)集，同時(shí)使熟練的工程師能夠在分離的網(wǎng)格上無(wú)縫地應(yīng)用其參數(shù)知識(shí)。

Hyperganic_rocket由AI 驅(qū)動(dòng)的設(shè)計(jì)軟件生成的3D打印火箭發(fā)動(dòng)機(jī)原型。

設(shè)計(jì)師需要與算法進(jìn)行對(duì)話(huà)，“告訴”算法需要發(fā)動(dòng)機(jī)實(shí)現(xiàn)的功能，然后算法就是根據(jù)所考慮的性能和規(guī)格生成設(shè)計(jì)對(duì)象。

算法生成的火箭發(fā)動(dòng)機(jī)設(shè)計(jì)不是一張?jiān)O(shè)計(jì)藍(lán)圖，而是一個(gè)具有火箭發(fā)動(dòng)機(jī)“基因”的設(shè)計(jì)對(duì)象。

來(lái)源：Hyperganic/de zeen

同樣在面向增材制造的設(shè)計(jì)領(lǐng)域，作為增材制造的天生“好伙伴”的創(chuàng)成式設(shè)計(jì)，也是人工智能一個(gè)人工智能驅(qū)動(dòng)的流程。魔猴網(wǎng)在《人工智能給制造業(yè)帶來(lái)的三大關(guān)鍵革命》一文中談到，設(shè)計(jì)師或工程師將設(shè)計(jì)目標(biāo)以及材料，制造方法和成本限制的參數(shù)輸入到創(chuàng)成式設(shè)計(jì)軟件中。然后，該軟件探索解決方案的所有可能的排列，并快速“生成”設(shè)計(jì)備選方案。最后，它利用機(jī)器學(xué)習(xí)來(lái)測(cè)試和學(xué)習(xí)每次迭代哪些有效，哪些無(wú)效。創(chuàng)成式設(shè)計(jì)軟件可以幫助人類(lèi)完成難以實(shí)現(xiàn)的復(fù)雜建模過(guò)程，如果你正在嘗試優(yōu)化飛機(jī)的機(jī)翼設(shè)計(jì)，或新電動(dòng)車(chē)的擾流板或電池設(shè)計(jì)甚至只是用于手機(jī)外殼的塑料模具 ，通過(guò)創(chuàng)成式設(shè)計(jì)軟件，可以在一天內(nèi)完成相當(dāng)于50,000天的工程設(shè)計(jì)。

l 3D打印設(shè)備的“眼睛”與“大腦”

根據(jù)面向未來(lái)工廠(chǎng)開(kāi)發(fā)增材制造軟件和硬件的Ai Build 公司，任何不使用AI的軟件驅(qū)動(dòng)技術(shù)遲早會(huì)被替代。軟件開(kāi)發(fā)人員和設(shè)備制造商肩負(fù)著共同開(kāi)發(fā)產(chǎn)品，重新定義增材制造邊界的巨大責(zé)任。如果一臺(tái)增材制造設(shè)備能夠通過(guò)AI 為其客戶(hù)帶來(lái)實(shí)用或商業(yè)價(jià)值，則其他沒(méi)有應(yīng)用AI 技術(shù)的競(jìng)爭(zhēng)產(chǎn)品極有可能在未來(lái)5-10年內(nèi)難以在市場(chǎng)上生存。

Ai Build 在2016年開(kāi)始在3D打印機(jī)中使用機(jī)器視覺(jué)技術(shù)，以進(jìn)行自主刀具路徑規(guī)劃，并進(jìn)行自動(dòng)故障檢測(cè)。當(dāng)時(shí)，嵌入攝像機(jī)的工業(yè)3D打印設(shè)備并不常見(jiàn)，而如今大多數(shù)工業(yè)3D打印設(shè)備都附帶內(nèi)置相機(jī)。Ai Build 現(xiàn)在能夠?yàn)椴煌蛴∑脚_(tái)的合作伙伴和應(yīng)用開(kāi)發(fā)計(jì)算機(jī)視覺(jué)解決方案。Ai Build 認(rèn)為預(yù)計(jì)在未來(lái)5年，沒(méi)有基本計(jì)算機(jī)視覺(jué)功能的工業(yè)3D打印設(shè)備將不會(huì)存在。

Ai Build 開(kāi)發(fā)的AiSync軟件中避免使用gcode文件來(lái)描述刀具路。這是非常違反直覺(jué)的方式，因?yàn)槭袌?chǎng)上的所有3D打印機(jī)和CNC機(jī)器都使用gcode或品牌特定的gcode類(lèi)語(yǔ)言來(lái)驅(qū)動(dòng)機(jī)器運(yùn)動(dòng)。gcode在完美的確定性世界中可以很好地工作，可以高精度地預(yù)測(cè)整個(gè)過(guò)程。然而，在現(xiàn)實(shí)中，增材制造過(guò)程還遠(yuǎn)達(dá)不到完美，因此3D打印零件的物理形式是難以被精確預(yù)測(cè)的。這是由于即使在生產(chǎn)過(guò)程中最小的構(gòu)建體積變化也可能導(dǎo)致增材制造過(guò)程中的致命性偏差。即使增材制造環(huán)境能夠被完全控制，并且如果有一個(gè)功能強(qiáng)大的仿真引擎可以準(zhǔn)確預(yù)測(cè)一層中99.9％的時(shí)間的材料行為，則在具有數(shù)千個(gè)相互支持的層的典型零件上進(jìn)行整體預(yù)測(cè)的成功率會(huì)出于統(tǒng)計(jì)原因，仍低于30％。

這是Ai Build 放棄gcode，而開(kāi)發(fā)從頭開(kāi)發(fā)更具彈性的全新機(jī)器控制過(guò)程的關(guān)鍵原因。AiSync軟件結(jié)合使用離線(xiàn)和在線(xiàn)優(yōu)化方法來(lái)控制3D打印機(jī)的動(dòng)作。AiSync無(wú)需切片設(shè)計(jì)并將靜態(tài)gcode文件上傳到計(jì)算機(jī)，而是使用云上功能強(qiáng)大的計(jì)算機(jī)來(lái)分析設(shè)計(jì)，并以抽象格式將優(yōu)化的指令發(fā)送到計(jì)算機(jī)。然后，這些指令將被位于邊緣的另一臺(tái)計(jì)算機(jī)實(shí)時(shí)地逐位解釋并轉(zhuǎn)換為機(jī)器級(jí)指令，該計(jì)算機(jī)可以實(shí)時(shí)訪(fǎng)問(wèn)來(lái)自3D打印設(shè)備的傳感器數(shù)據(jù)。這種雙重優(yōu)化基礎(chǔ)架構(gòu)能夠?qū)⒃瞥?jí)計(jì)算的優(yōu)勢(shì)與路徑規(guī)劃和邊緣計(jì)算等高級(jí)任務(wù)結(jié)合在一起，用于故障檢測(cè)和質(zhì)量保證等時(shí)間緊迫的任務(wù)，從而充分利用AI算法的優(yōu)勢(shì)。

AI人工智能對(duì)層進(jìn)行分析。來(lái)源：卡內(nèi)基梅隆大學(xué)工程學(xué)院

機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)算法是與增材制造硬件設(shè)備密切相關(guān)的人工智能技術(shù)。機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)算法就像3D打印設(shè)備的眼睛與大腦一樣，賦予3D打印設(shè)備監(jiān)測(cè)和控制打印質(zhì)量的智能化屬性，降低發(fā)生打印錯(cuò)誤的風(fēng)險(xiǎn)。

卡內(nèi)基梅隆大學(xué)的研究人員創(chuàng)建的一種機(jī)器學(xué)習(xí)算法可以幫助我們更好的理解這些技術(shù)對(duì)于增材制造技術(shù)的意義。該算法能夠?qū)す夥勰┐踩廴诩夹g(shù)進(jìn)行過(guò)程監(jiān)控糾錯(cuò)?？▋?nèi)基梅隆大學(xué)研究人員通過(guò)計(jì)算機(jī)視覺(jué)算法拍攝粉末床的圖像并提取特征，研究人員將這些特征進(jìn)行分組并在不同層次的分析中進(jìn)行比較，直到創(chuàng)建圖像的指紋。人工智能已經(jīng)學(xué)會(huì)了如何識(shí)別不同的缺陷，這是因?yàn)檠芯咳藛T提供了數(shù)百個(gè)預(yù)標(biāo)記的訓(xùn)練圖像。現(xiàn)在，它可以比較它接收到的新圖像的指紋和它已知的指紋以隔離各種異常。這種原位監(jiān)測(cè)和分析粉末床圖像的方法，可能成為粉末床金屬熔融實(shí)時(shí)控制系統(tǒng)的一個(gè)組成部分。這項(xiàng)工作將使金屬3D打印成為工業(yè)生產(chǎn)中具有高可靠性工藝的發(fā)展道路上向前邁出一大步。

l 分析工藝參數(shù)與材料性能

人工設(shè)置3D打印參數(shù)難以避免導(dǎo)致大量報(bào)廢零件的產(chǎn)生，但是人工智能驅(qū)動(dòng)的參數(shù)設(shè)置軟件是擺脫對(duì)于人工經(jīng)驗(yàn)依賴(lài)，降低報(bào)廢率的有效方式。

視頻：OPTOMET自動(dòng)化工藝參數(shù)開(kāi)發(fā)

根據(jù)3D科學(xué)谷的市場(chǎng)觀(guān)察，OPTOMET軟件將人工智能應(yīng)用到選區(qū)激光熔化SLM系列加工準(zhǔn)備中，將參數(shù)準(zhǔn)備時(shí)間從數(shù)周減少到幾天，這個(gè)軟件的智能化程度很高，只需要輸入粉末的參數(shù)和加工要求，系統(tǒng)會(huì)自動(dòng)優(yōu)化加工參數(shù)，這量級(jí)的節(jié)約了人工設(shè)置參數(shù)時(shí)間，并且避免了人工設(shè)置參數(shù)導(dǎo)致的大量報(bào)廢零件產(chǎn)生。OPTOMET軟件還通過(guò)人工智能預(yù)測(cè)零件的機(jī)械性能，為新材料的開(kāi)發(fā)打開(kāi)了一扇智能化的大門(mén)。

另一家從事增材制造數(shù)據(jù)與軟件的公司Senvol 開(kāi)發(fā)了一種數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)軟件Senvol ML，用于分析增材制造工藝參與材料性能之間的關(guān)系。

Senvol ML 可用于分析來(lái)自任何增材制造工藝、設(shè)備和任何增材制造材料的數(shù)據(jù)。該軟件能夠幫助企業(yè)快速表征和鑒定增材制造材料和工藝。Senvol ML 有助于開(kāi)發(fā)經(jīng)統(tǒng)計(jì)證實(shí)的材料特性，減少開(kāi)發(fā)設(shè)計(jì)允許量所需的常規(guī)材料表征和測(cè)試。還允許用戶(hù)在給定機(jī)械性能的情況下，在特定的增材制造機(jī)器上選擇適當(dāng)?shù)墓に噮?shù)，這意味著可以減少所需的人工反復(fù)試驗(yàn)，從而節(jié)省大量時(shí)間和金錢(qián)。

l 創(chuàng)建具有新特性的新材料

人工智能將在創(chuàng)建更堅(jiān)固，更輕，更靈活且生產(chǎn)成本更低的材料中發(fā)揮超乎想象的作用。

在這種特定情況下，機(jī)器學(xué)習(xí)通?？梢杂脕?lái)開(kāi)發(fā)新材料。材料科學(xué)家只需要將所需的特性輸入程序，機(jī)器學(xué)習(xí)算法便可以預(yù)測(cè)哪些化學(xué)結(jié)構(gòu)單元可以在微觀(guān)水平上結(jié)合在一起，從而創(chuàng)建具有所需功能和特性的結(jié)構(gòu)。

根據(jù)3D科學(xué)谷的市場(chǎng)觀(guān)察，由英國(guó)劍橋的一家人工智能公司Intellegens開(kāi)發(fā)的一種新的機(jī)器學(xué)習(xí)算法已被用于設(shè)計(jì)一種新的金屬增材制造鎳基合金。根據(jù)Intellegens的說(shuō)法，該算法為團(tuán)隊(duì)節(jié)省了大約15年的材料研究時(shí)間和大約1000萬(wàn)美元的研發(fā)成本。Intellegens的Alchemite?深度學(xué)習(xí)算法設(shè)計(jì)的新合金是通過(guò)定向能量沉積（DED）金屬3D打印工藝進(jìn)行制造的，該合金可滿(mǎn)足增材制造所需的性能目標(biāo)，用于制造噴氣發(fā)動(dòng)機(jī)零部件。

l 數(shù)據(jù)、數(shù)據(jù)還是數(shù)據(jù)！

毫無(wú)疑問(wèn)，人工智能需要與增材制造協(xié)同工作。但阻礙人工智能技術(shù)與增材制造相集成的挑戰(zhàn)之一是數(shù)據(jù)。3D打印的高度復(fù)雜性催生了對(duì)于人工智能技術(shù)的需求，但這需要大量的數(shù)據(jù)來(lái)保證機(jī)器學(xué)習(xí)算法能夠進(jìn)行正確的“學(xué)習(xí)”，最佳的優(yōu)化需要最佳的數(shù)據(jù)集，然而增材制造領(lǐng)域中的數(shù)據(jù)獲取、管理仍存在挑戰(zhàn)。

根據(jù)3D科學(xué)谷的市場(chǎng)觀(guān)察，ASTM國(guó)際標(biāo)委會(huì)與Americas Makes 已經(jīng)有所行動(dòng)，他們合作推出增材制造數(shù)據(jù)戰(zhàn)略指南，該指南指出了增材制造（AM）數(shù)據(jù)的差距、挑戰(zhàn)、解決方案和行動(dòng)計(jì)劃。ASTM在增材制造數(shù)據(jù)戰(zhàn)略指南中提出了創(chuàng)建一個(gè)健全有力的增材制造數(shù)據(jù)生態(tài)系統(tǒng)，以此推動(dòng)3D打印進(jìn)入指數(shù)級(jí)增長(zhǎng)態(tài)勢(shì)。

盡管人工智能和增材制造之間有著完美集成與匹配的天然基礎(chǔ)，但距離實(shí)現(xiàn)這一目標(biāo)還有很長(zhǎng)的路要走。能夠激發(fā)人工智能潛能的要素是數(shù)據(jù)，然而獲取增材制造過(guò)程中的海量數(shù)據(jù)，將人工智能正確集成到增材制造過(guò)程中，這一領(lǐng)域中的相關(guān)利益者之間的標(biāo)準(zhǔn)化和協(xié)作都是必要的。

來(lái)源：3D科學(xué)谷