增材制造一直在发展壮大，是许多主要领域的支柱，例如汽车行业、航空航天工业、可持续建筑等。大多数工业部门都选择使用人工智提高收入并减少工作时间，增材制造行业也不例外。人工智能(AI) 在3D打印中的应用一直是世界各地研究者们研究的重点。
人工智能在3D打印中的工业应用 随着AI 与3D 打印的结合，可以预测各大制造公司的管理运营方式将发生巨大转变。从产品开发到配药，人工智能技术可以推动整个供应链。打印过程自动化也将减少人为错误的可能性，大大提高生产效率。人工智能在3D 打印中的潜力不仅仅局限于制造和建筑行业，像健康、设计、建筑和航空航天等其他行业也可以从AI 与3D 打印的结合中获益。 利用机器学习进行3D打印的核心优势 增材制造领域正在迅速扩大，新的材料、技术和解决方案不断被涌现。从确定某项工作的最佳材料到通过消除人为错误来提高产品的构造质量，机器学习(ML) 正在发挥其独特的优势。 在将3D打印的物体真正应用前，必须对其进行修复以消除孔洞和其他缺陷，这往往需要大量的人力物力，但现在这些困难都可以由ML 自动识别和解决，节约了时间和金钱，因为它无需重新打印整个产品或花费数小时手动修复每个组件。通过根据经验进行微小的改动，可以使用机器学习来优化设计，最大化高质量的输出。预测性维护使用ML 算法能够预测零件何时需要更换或维修才能完全失效，有助于组织计划并避免在等待更换组件时因昂贵的维修或停机而造成的损失。使用机器学习，公司可以利用消费者数据来创造满足他们需求的商品。简而言之，AI 和ML 在与3D 打印结合使用时具有多种优势。 在3D 打印过程中检测故障是必要的。Processes期刊介绍了一种基于AI 的新型计算机视觉方法， 用于在打印过程中评估熔丝制造(FFF) 3D 打印项目的质量。
通过分析过程捕获的视频，构建神经网络以发现整个打印过程中的3D 打印问题。在打印过程中，3D 打印的物品很可能会出现缺陷，比如拉丝。这些缺陷通常与打印参数之一或对象的几何形状相关联。在这种情况下，AI 框架（深度卷积神经网络）在实时环境中开发和实施，以对实时摄像机流执行检测过程和预测。
与其他行业类似，创新的数字技术已经改变了医疗保健行业和正畸实践。人工智能(AI) 和3D 打印技术的最新突破对于增强正畸诊断和治疗计划，以及构建算法和制造个性化正畸产品具有重要意义。
人工智能在诊断牙颌面异常和设计矫形外科手术方面具有巨大的前景。卷积神经网络方法表明，正颌手术显著改善了大多数患者的外形和审美情趣。AI 技术提高了正颌手术的临床准确性、使用3D 模型（手术矫形器的3D 制造）进行治疗规划以及治疗随访和图片叠加。
理论上，3D 打印过程能够创建任何3D 对象。然而，与传统生产工艺相比，3D打印由于其拓扑特性和特殊的材料需求，其开发利用仍然受到限制。Journal of Basis Applied Science and Management System上的最新文章向读者介绍了可打印性检查器(PC) 程序，该程序可确定对像是否适合3D 打印或其他生产方法。
它由特征提取器(FE)、打印机管理器(PM) 和验证器引擎(VE) 组成。PC 根据标准的复杂性值的结果进行判断。计算复杂性取决于多个指标的选择，例如测试的运行时间。具体而言，有限元的目标是检索给定3D 对象的科学可测试特征。PM 负责使用适用的限制来管理打印机，然后将打印机配置文件发送给VE。同时，VE可以匹配FE和PM的特性和局限性，根据最终的复杂度结果验证3D物体的可打印性。
Journal of Physics: Conference Series收录了一篇文章，介绍了工智能在3D 金属打印中的集成已被视为一种潜在的发展，因此成为航空航天技术进步的基础。3D 打印与人工智能相结合，使航空航天制造商能够以更低的成本和更少的浪费生产更准确、更精确的航空部件，并提高设计自由度。传感器和摄像头安装在3D 打印机内，通常靠近粉末原料和激光束合并形成固体层的喷嘴附近，以提供过程控制和监视。然后将数据发送到专门的软件，实时评估和解释各种现象，认识到问题并利用人工智能的力量来解决它们。
麻省理工学院的研究人员创建了一种机器学习算法实时分析和更改3D打印过程以修复故障。科学家和技术人员一直在发明可用于3D 打印的具有独特品质的新材料。然而，了解如何制造这些物质可能是一项困难且昂贵的挑战。使用人工智能，麻省理工学院的研究人员现在已经简化了这项技术。开发一个机器学习系统，使用计算机视觉来监控生产过程并实时修复材料处理故障。通过模拟，研究人员教会神经网络如何修改打印设置以减少错误，然后将该控制器应用于真正的3D 打印机。该技术比以前的任何3D 打印控制器产生更精确的打印件。
人工智能在3D打印中应用的挑战 使用ML 方法可知数据驱动的数值模拟比基于物理的数值模拟在计算上更有效。原位分析和闭环调节高度依赖于计算工作。由于数据集更大，使用高速摄像机检查水池需要更多的处理资源。这种使用大数据收集的应用程序需要改进机器学习算法。计算成本是在增材制造中实施AI 的重大障碍。 数据交换对于大型数据库的开发至关重要，而大型数据库是ML 算法运行所必需的。随着越来越多的研究小组专注于新型材料和工艺的创造，数据收集和预处理的标准将确保数据共享并促进AM 社区内的协作。许多ML 框架彼此不兼容。为了在研究社区中传播ML 模型，建立一致的框架至关重要。缺乏标准是一个重大问题，需要立即采取措施解决这一重大问题。 机器学习(ML) 算法的性能与输入数据的质量一样出色。涉及熔融过程的3D 打印程序中使用的传感设备必须具有快速刷新率和出色的分辨率，以便从熔池中收集信息。尽管使用的传感器种类繁多，但每种现场监测方法都有局限性，阻碍了其在实际生产线上的应用。 市场分析 Fortune Business Insights对全球3D 打印市场以及AI 自动化3D 打印行业进行了全面分析。2021 年，全球3D 打印市场估计为151 亿美元。预计从2022 年到2029 年，复合年增长率为24.3%，从2022 年的183.3 亿美元增长到2029 年的839 亿美元。 2021 年自动化3D 打印市场价值7.0669 亿美元，预计到2027 年将达到58.7856 亿美元，2022 年至2027 年的复合年增长率为41.76%。制造业人工智能的市场规模预计将达到163 亿美元2027 年，根据Research and Markets发布的最新报告，2022 年至2027 年的复合年增长率为47.9% ！ 未来展望 人工智能正在为增材制造行业提供优势，未来的研究应集中于： - 结合基于AI的可打印性测试、切片和路线规划，以加速并行切片并优化3D 打印路径。
- 使用面向服务的架构(SOA) 通过基于云的设计和生产系统来提高3D 打印的适应性、集成性和个性化。
- 通过指数技术、并行化和切片算法的改进来改进基于ML 的计算预制（过程规划），进一步为快速的全球工业化开辟道路。
简而言之，人工智能和3D 打印的交叉已经成为成功的秘诀，世界各地的机构都在投资这一特定领域。
|
列印 | 
关闭视窗