Sztuczna inteligencja rozpoznaje „osobowości” drukarek 3D i ogranicza błędy

Nawet identyczne drukarki 3D mogą wytwarzać części o nieco innych parametrach. Naukowcy opracowali algorytm AI, który rozpoznaje indywidualny sposób pracy każdej maszyny i dobiera do niej właściwą strategię optymalizacji.

.Trzy drukarki 3D tej samej marki i tego samego modelu nie muszą pracować identycznie. Niewielkie różnice w ich działaniu mogą z czasem prowadzić do odmiennych wyników, a w produkcji masowej do wad, strat materiału i problemów z powtarzalnością.

Badacze z IMDEA Materials Institute i Lawrence Berkeley National Laboratory opracowali algorytm wykorzystujący sztuczną inteligencję do rozpoznawania takich ukrytych różnic. System tworzy osobny profil pracy każdej maszyny, a następnie ocenia, czy drukarki powinny być optymalizowane wspólnie, czy indywidualnie.

Każda drukarka może wymagać innych ustawień

.Jeżeli urządzenia zachowują się podobnie, algorytm stosuje jedną strategię dla całej grupy. Pozwala to zwiększyć szybkość i efektywność produkcji. Gdy różnice są większe, system dopasowuje parametry osobno do każdej maszyny, przedkładając dokładność nad prostotę zarządzania.

Metodę sprawdzono na trzech teoretycznie identycznych drukarkach 3D. Analiza wykazała, że każda pracowała w innym reżimie i wymagała własnej strategii optymalizacji. Indywidualne podejście pozwoliło szybciej osiągnąć właściwe ustawienia i ograniczyć błędy w masie wydrukowanych elementów.

Rozwiązanie wpisuje się w szerszy rozwój uczenia maszynowego wykorzystywanego w przemyśle. Zamiast stosować jeden model dla całej linii produkcyjnej, system uwzględnia rzeczywiste zachowanie konkretnych urządzeń.

Mniej nieudanych wydruków

.Różnice między maszynami nabierają szczególnego znaczenia w farmach drukarek 3D, gdzie wiele urządzeń równolegle wytwarza te same części. Nawet małe odchylenie może wtedy zostać powielone w setkach produktów.

Precyzyjne dostosowanie ustawień może wspierać rozwój technologii takich jak ultrawytrzymały druk 3D, w którym dokładność i powtarzalność wpływają bezpośrednio na właściwości końcowego materiału.

Metoda może znaleźć zastosowanie również poza drukiem 3D – w automatycznych laboratoriach, syntezie chemicznej, kalibracji czujników i badaniach nad nowymi materiałami. Jest to kolejny przykład tego, jak fizyczna AI wchodzi do przemysłu, analizując nie tylko dane, lecz także zachowanie konkretnych maszyn.

.Masowa produkcja zakłada, że identyczne urządzenia powinny działać identycznie. Nowy algorytm pokazuje, że większą dokładność można osiągnąć dopiero wtedy, gdy fabryka przestanie ignorować różnice między nimi.

Szymon Ślubowski