發現3D列印之旅ACAM論壇開放報名中，請掃描上圖中二維碼預定您的現場傾聽
根據3D科學谷的市場觀察，如今，我們已經習慣於看到 AI 接管越來越多的任務——不僅在我們的日常生活中，而且在醫療應用或工業生產中。人工智慧的發展取得了很大進展。現在可以通過人工智慧預測生產中的組件故障或從圖像中提取信息以在幾分之一秒內執行干涉任務。
增材製造-3D列印作為典型的數字化製造技術，從設計到生產再到質量保證（QA）的整個工作流程中都運轉著海量的數據。增材製造設計的複雜性與材料、生產參數、質量要求等眾多因素相互依存，面對巨大的複雜性，人類的經驗很難激發增材製造技術的潛能，使之成為一種用於生產的製造技術。這些特點恰好為人工智慧提供了應用土壤。
本期，結合3D列印領域內弗勞恩霍夫激光技術研究所Fraunhofer ILT在激光加工中應用人工智慧的進展，洞悉複雜的人工智慧開發的深度數字孿生如何推動3D列印進入生產，3D科學谷與谷友一起來領略正在進行時的人工智慧賦能增材製造新氣象。
機器學習允許理解來自不同感測器的複雜數據並將其用於過程式控制制
© 亞琛Fraunhofer ILT
AI賦能過程自適應
弗勞恩霍夫激光技術研究所 ILT 是世界範圍內激光製造技術的「心臟與大腦」。弗勞恩霍夫激光技術研究所 ILT將在 2021 年 9 月 28 日至 29 日舉行的第二屆「激光技術人工智慧大會」上，與會者將討論人工智慧目前如何應用於激光材料加工。研究人員和工廠工程師、軟體開發人員和機器製造商將在這裡會面交流想法。除了技術演示之外，弗勞恩霍夫激光技術研究所 ILT 的實驗室也將開放進行虛擬參觀。
兩年前的第一屆「AI for Laser Technology」大會上，討論的問題仍然是人工智慧（AI）可以在製造中的哪些地方使用。與此同時，人工智慧的發展十分迅速，許多想法已經到達了工廠車間。
各種趨勢匯聚在一起：例如，製造商需要 100% 的質量控制。如果過去只能通過隨機樣本檢查汽車生產中的焊縫，現在人工智慧可以高精度地現場監控每個單獨零件的質量並快速識別可能的生產故障，這需要近年來開發的在線過程診斷。實時處理由此產生的大量數據是人工智慧的領域，這也只有通過現代計算技術才能成為可能。
捕獲複雜數據並將其用於過程式控制制
在製造業中使用 AI 的方法有多種，通常從分析圖像或其他數據開始。有了人類「老師」給予的人工智慧的演算法，人工智慧甚至可以識別複雜數據中的結構。因此，它可以在早期檢測到與預定義最佳值的偏差，從而可以對過程進行調節。當數據的記錄和處理與過程式控制制相結合形成一個自主過程時，就達到了最高水平：智能化調整加工策略。
在3D列印方面，根據3D科學谷的了解，弗勞恩霍夫激光技術研究所Fraunhofer ILT目前能夠通過 AI 顯著改善金屬 3D 列印的結果。在激光粉末床選區金屬熔化 (LPBF) 工藝系統中，使用高解析度 HDR 相機對每一層中的組件表面進行拍照。圖像數據可以捕捉到兩種影響：一方面，可以測量過程中組件可能發生的翹曲；另一方面，可以仔細檢查表面的粗糙度。因此，可以在生產過程中對缺陷進行分類。
人工智慧可以實時控制激光焊接等製造過程
© 亞琛Fraunhofer ILT
而在人工智慧的幫助下，激光參數也可以在過程中進行特定的更改，以便對過程狀態的變化做出動態反應。這提高了零件的質量，並在缺陷發生之前加以預防。
相應地，今年弗勞恩霍夫激光技術研究所Fraunhofer ILT舉辦的「AI for Laser Technology Conference」-激光技術人工智慧大會的演講將重點關注激光焊接等生產過程數據的獲取和處理。這裡的一個關鍵目標是端到端的流程和質量控制。
第二個重點是基於人工智慧的控制過程。此外，會議還將討論人工智慧軟體在各種應用中的開發。在這裡，人工智慧不僅使用戶能夠優化生產流程，實現零缺陷生產。在具有大量複雜數據的過程中，例如現代光學的發展，人工智慧也降低了複雜性。開發過程變得更加清晰、更加確定並且更少依賴於個別專家的直覺。
解鎖3D列印潛能
根據3D科學谷在《3D列印與工業製造》一書中的判斷，人工智慧將解鎖3D列印產業化潛能。
通常製造典型的增材製造加工過程由數千個層組成，每個層都會生成幾 MB 的光柵化或時間序列監控和感測器數據，從而為常見的生產場景產生技術數據包。在節省時間、可重複性和數據效率方面，通過數據來指導加工作業好處將是巨大的。
到目前為止，使用圖像和信號處理技術的經典數據分析也可以工作，事實上它們被廣泛用於這項任務。但是，由於 AM 增材製造設備中不同的零件幾何形狀和工藝條件會導致如此多的工藝相互依賴，因此事實證明，找到傳統分析演算法的正確參數化以對設備提供「正確」指示幾乎是不可能的。
在《增材製造設計（DfAM)指南》這本書中，援引了AM零件質量影響因素的石川圖，在石川圖中詳細的舉出了影響加工質量的160多種因素，僅僅是激光掃描過程，就包括了掃描線長度，掃描線種類，外輪廓，內輪廓，掃描方式，掃描速度，光束矯正，收縮補償，掃描線順序，填充間距，填充方向，激光功率，（離）聚焦，表面填充參數，偏移等等。可見要通過人的經驗來駕馭和平衡160多種影響加工質量的變數是非常難的。
根據3D科學谷的市場了解，離線 CT 測試不僅會增加總體成本，而且還會限制幾何形狀，因為零件必須具有適當的形狀才能進行掃描和測試。如果通過智能過程中監控和測試來取代離線監測，這開闢了新的空間，並可能降低總體成本。
根據3D科學谷的市場了解，在商業化方面，具有集成 AI 的過程監控系統將支持這種轉變，並實現從全細節測試演變為智能測試的直接方法。根據3D科學谷的市場觀察，國際上通過AI來進行增材製造加工質量控制的商業化公司目前包括以色列的printsyst，美國的addiguru，德國的nebumind，以及瑞士的Nnaisense 。
而在科研端，位於德國亞琛的ACAM亞琛增材製造中心通過其研發聯合體的緊密合作，ACAM亞琛增材製造中心將研究維度放在了推動3D列印進行量產的目標上，研究重點包括功能集成，多材料列印，下一代設備與材料開發，自動化，可持續性發展，批量化執行，增材製造中的人工智慧，5G賦能自適應自進化製造，協作生產，增材製造過程的數字化管理等等。
解鎖3D列印潛能，領略ACAM在世界範圍內的最前沿的增材製造研發技術與應用案例帶到中國市場，共同推動增材製造行業的發展。歡迎蒞臨2021年9月9日至11日在深圳新落成的深圳國際會展中心舉辦的formnext + PM South China 深圳國際增材製造、粉末冶金及先進陶瓷展覽會上ACAM與主辦方共同舉辦的以「discover 3D printing」為主題的專業研討會。為方便中國聽眾理解和現場感知discover3Dprinting-3D列印發現之旅論壇所分享的精華內容，本次大會由ACAM中國董事王曉燕女士（Kitty Wang)全程主持，總結介紹，歡迎掃描報名二維碼預定您的參加。
網站投稿請發送至[email protected]
