La impresión en 3D a menudo se promociona como el futuro de la fabricación. Nos permite construir directamente objetos a partir de diseños generados por computadora, lo que significa que la industria puede fabricar productos personalizados internamente, sin externalizar piezas. Pero la impresión en 3D tiene un altogrado de error, como la distorsión de la forma. Cada impresora es diferente y el material impreso puede encogerse y expandirse de manera inesperada. Los fabricantes a menudo necesitan probar muchas iteraciones de una impresión antes de hacerlo correctamente.
¿Qué sucede con los trabajos de impresión inutilizables? Deben descartarse, lo que representa un costo ambiental y financiero significativo para la industria.
Un equipo de investigadores de la USC Viterbi School of Engineering está abordando este problema, con un nuevo conjunto de algoritmos de aprendizaje automático y una herramienta de software llamada PrintFixer, para mejorar la precisión de impresión 3D en un 50 por ciento o más, haciendo que el proceso sea mucho máseconómico y sostenible.
El trabajo, publicado recientemente en IEEE Transacciones en Automatización Ciencia e Ingeniería , describe un proceso llamado "modelado de convolución de la impresión en 3D". Se encuentra entre una serie de 15 artículos de revistas del equipo de investigación que cubre el aprendizaje automático para la impresión en 3D.
El equipo, dirigido por Qiang Huang, profesor asociado de ingeniería industrial y de sistemas, ingeniería química y ciencia de materiales, junto con los estudiantes de doctorado Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin y Christopher Henson ha recibido hasta ahora $ 1.4M apoyo financiero, incluida una reciente subvención de $ 350,000 NSF. Su objetivo es desarrollar un modelo de IA que prediga con precisión las desviaciones de forma para todos los tipos de impresión 3D y hacer que la impresión 3D sea más inteligente.
"Lo que hemos demostrado hasta ahora es que en los ejemplos impresos la precisión puede mejorar alrededor del 50 por ciento o más", dijo Huang. "En los casos en que producimos un objeto tridimensional similar a los casos de entrenamiento, la mejora general de la precisión puedeser tan alto como el 90 por ciento "
"En realidad, puede tomar ocho construcciones iterativas de la industria para obtener una parte correcta, por varias razones", dijo Huang, "y esto es para el metal, por lo que es muy costoso".
Cada objeto impreso en 3D produce una ligera desviación del diseño, ya sea debido a que el material impreso se expande o contrae cuando se imprime, o debido al comportamiento de la impresora.
PrintFixer utiliza datos recopilados de trabajos de impresión 3D anteriores para entrenar a su IA para predecir dónde ocurrirá la distorsión de la forma, a fin de corregir los errores de impresión antes de que ocurran.
Huang dijo que el equipo de investigación tenía como objetivo crear un modelo que produjera resultados precisos utilizando la cantidad mínima de datos de origen de impresión 3D.
"De solo cinco a ocho objetos seleccionados, podemos aprender mucha información útil", dijo Huang. "Podemos aprovechar pequeñas cantidades de datos para hacer predicciones para una amplia gama de objetos".
El equipo ha capacitado al modelo para trabajar con la misma precisión en una variedad de aplicaciones y materiales, desde metales para la fabricación aeroespacial hasta plásticos térmicos para uso comercial. Los investigadores también están trabajando con una clínica dental en Australia el 3-D impresión de modelos dentales.
"Así como cuando un humano aprende a jugar béisbol, aprenderá softball u otro deporte relacionado mucho más rápido", dijo Decker, quien dirige el desarrollo del esfuerzo de desarrollo de software en el grupo de Huang. "De la misma manera, nuestroLa IA puede aprender mucho más rápido cuando lo ha visto varias veces ".
"Para que pueda mirarlo", dijo Decker, "y ver dónde habrá áreas que sean mayores que sus tolerancias, y si desea imprimirlo".
Dijo que los usuarios podrían optar por imprimir con una impresora diferente y de mayor calidad y usar el software para predecir si eso proporcionaría un mejor resultado.
"Pero si no desea cambiar la impresora, también hemos incorporado funcionalidad en el paquete de software que permite al usuario compensar los errores y cambiar la forma del objeto, para tomar las partes que son demasiado pequeñas y aumentar su", dijo Decker." Y luego, cuando imprimen, deben imprimir con el tamaño correcto la primera vez ".
El objetivo del equipo es que la herramienta de software esté disponible para todos, desde fabricantes comerciales a gran escala hasta aficionados a la impresión 3D. Los usuarios de todo el mundo también podrán contribuir a mejorar la inteligencia artificial del software mediante el intercambio de datos de salida de impresiónen una base de datos
"Digamos que estoy trabajando con una impresora MakerBot 3-D usando PLA un bioplástico usado en la impresión 3-D, puedo poner eso en la base de datos, y alguien que use el mismo modelo y material podría tomar mis datos y aprenderde eso ", dijo Decker.
"Una vez que tenemos a muchas personas en todo el mundo usando esto, de repente, tienes una oportunidad realmente increíble de aprovechar una gran cantidad de datos, y eso podría ser algo realmente poderoso", dijo.
Fuente de la historia :
Materiales proporcionado por Universidad del Sur de California . Original escrito por Greta Harrison. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :