Sieci neuronowe poprawią jakość części drukowanych 3D

Naukowcy z Lawrence Livermore National Laboratory (LLNL) zajmują się od lata badaniem procesów związanych z metalowym drukowaniem trójwymiarowym. Ich celem jest zapewnienie wysokiej jakości części metalowych już za pierwszym razem. Obecnie ich uwaga skupia się na uczeniu maszynowym. Jest ono w stanie przetwarzać dane uzyskane podczas druku w czasie rzeczywistym, wykrywając, czy produkt będzie miał zadowalającą jakość.

W swoim ostatnim badaniu zespół z LLNL skoncentrował się na tworzeniu splotowych sieci neuronowych (CNN). Jest to algorytm używany głównie do przetwarzania obrazów i filmów. Zdaniem naukowców może także posłużyć do przewidywania, czy element został dobrze wydrukowany poprzez analizę zaledwie 10-milisekundowego wideo. Brian Giera, jeden z inżynierów, powiedział: "Jest to rewolucyjny sposób, aby spojrzeć na dane. Zaletą jest to, że można je zbierać podczas drukowania i jednocześnie wyciągać wnioski."

Sieci neuronowe mogą się okazać szczególnie przydatne w przypadku części, które wymagają drukowania od kilku dni do kilku tygodni. Zapewnią one bowiem lepsze zrozumienie procesu, szybszą weryfikację jakości części i korygowanie produktu w czasie rzeczywistym.

Giera dodał: "W tej chwili każdy rodzaj wykrywania jest uważany za ogromną wygraną. Biorąc pod uwagę ilość danych, które gromadzimy do analizy dla uczenia maszynowego, będzie ono odgrywać główną rolę w zapewnieniu odpowiedniej jakości części już za pierwszym razem".

(KB)