Машинное обучение способно корректировать 3D-печать в режиме реального времени

Учёные работали с моделированием наплавления, методом 3D-печати, при котором образцы печатаются слой за слоем, нанося расплавленный материал в виде нитей заданным образом. При этом качество напечатанного объекта зависит от скорости потока материала, выходящего из специальной насадки. Однако оптимальная скорость может быть разной на этапах процесса печати, и неправильный выбор скорости может привести к вышеупомянутым проблемам. Чтобы автоматически контролировать и регулировать расход материала при печати отдельных компонентов — в данном исследовании это была пластиковая собачья кость — исследователи обратились к машинному обучению. Их подход использует анализ данных для управления производственным процессом, чтобы учиться на входных данных выявлять закономерности и делать прогнозы.

Алгоритм машинного обучения, обученный определять, экструдируется ли нужное количество материала в данный момент по внешнему виду детали, смог скорректировать процесс в режиме реального времени, если скорость потока пластика была сочтена неоптимальной. ВО время испытаний команда инженеров напечатала образцы с различной скоростью потока и обнаружила, что при начальной скорости экструзии 60 %, 80 %, 100 % и 120 % от оптимальной скорость потока материала приближалась к более эффективной к концу процесса печати.

Что касается параметров напечатанного образца, то результаты оказались действительно впечатляющими: по сравнению с печатью без использования алгоритма управления новый подход привёл к повышению прочности образца до 200 %, что может иметь решающее значение во многих механизмах, и экономии до 40 % от количества материала.

Учёные считают, что их метод можно использовать не только в моделировании методом наплавления, но и с другими методами 3D-печати, сообщает издание Advanced Science News.