數(shù)字化在制造領(lǐng)(lǐng)域發(fā)(fā)揮了越來(lái)越重要的作用，依托數(shù)字化制造中產(chǎn)(chǎn)生的大量數(shù)據(jù)的土壤，人工智能（AI）將賦予制造更強的生命力，從設(shè)備的實(shí)時(shí)維護到創(chuàng )(chuàng)新性的產(chǎn)(chǎn)品設(shè)計，到智能供應(yīng)鏈和創(chuàng )(chuàng)建新的商業(yè)(yè)模式，都是能夠被人工智能所賦能的領(lǐng)(lǐng)域。

增材制造-3D打印作為典型的數(shù)字化制造技術(shù)(shù)，從設(shè)計到生產(chǎn)(chǎn)再到質(zhì)(zhì)量保證（QA）的整個(gè)工作流程中都運轉(zhuǎn)著(zhù)海量的數(shù)據(jù)。增材制造設(shè)計的復(fù)雜性與材料、生產(chǎn)(chǎn)參數(shù)、質(zhì)(zhì)量要求等眾多因素相互依存，面對巨大的復(fù)雜性，人類(lèi)的經(jīng)(jīng)驗很難激發(fā)(fā)增材制造技術(shù)(shù)的潛能，使之成為一種用于生產(chǎn)(chǎn)的制造技術(shù)(shù)。這些特點(diǎn)恰好為人工智能提供了應(yīng)用土壤。

本期，魔猴網(wǎng)(wǎng)就與大家一起通過(guò)增材制造中的人工智能應(yīng)用領(lǐng)(lǐng)略人工智能如何賦能增材制造。

 推動(dòng)增材制造的生產(chǎn)(chǎn)級應(yīng)用

盡管增材制造技術(shù)(shù)在實(shí)現(xiàn)批量定制化生產(chǎn)(chǎn)以及實(shí)現(xiàn)復(fù)雜設(shè)計方面獨具魅力，但該技術(shù)(shù)在制造業(yè)(yè)中的應(yīng)用仍受到諸多阻力，不利因素包括：速度和最終零件的質(zhì)(zhì)量或需要進(jìn)一步的投資才能匹配該技術(shù)(shù)，企業(yè)(yè)出于財務(wù)(wù)方面的考慮等。但人工智能技術(shù)(shù)在增材制造設(shè)計、工藝開(kāi)發(fā)(fā)、質(zhì)(zhì)量控制、材料開(kāi)發(fā)(fā)等關(guān)(guān)鍵領(lǐng)(lǐng)域激發(fā)(fā)增材制造技術(shù)(shù)的潛能，推動(dòng)該技術(shù)(shù)在生產(chǎn)(chǎn)中的應(yīng)用。

l 設(shè)計復(fù)雜性對AI 的需求

增材制造設(shè)計的復(fù)雜性與眾多因素相互依存，如材料質(zhì)(zhì)量將影響零件性能，從而影響設(shè)計決策；生產(chǎn)(chǎn)參數(shù)將影響質(zhì)(zhì)量保證，而質(zhì)(zhì)量保證要求將反映在那些設(shè)計決策中……等等。

面對如此巨大的設(shè)計復(fù)雜性，我們更加應(yīng)當(dāng)思考的問(wèn)題不是如何在增材制造中利用AI，而是如果沒(méi)有AI 驅(qū)動(dòng)的設(shè)計、生產(chǎn)(chǎn)、質(zhì)(zhì)量保證流程，僅憑人類(lèi)設(shè)計師和工程師的力量，我們還能不能利用好增材制造技術(shù)(shù)在提高產(chǎn)(chǎn)品性能、加速創(chuàng )(chuàng)新等方面的優(yōu)(yōu)勢。

 MEDIA來(lái)源：Additive Flow / 3D ADEPT MEDIA

例如，Additive Flow 公司在面向增材制造的設(shè)計軟件中引入了幾何自由概念與在不同區(qū)域?qū)崿F(xiàn)定制化材料屬性的“多屬性”概念，這使得增材制造設(shè)計的復(fù)雜性更高。增材制造提供了在整個(gè)打印過(guò)程中調(diào)整參數(shù)或?qū)⒉煌膮?shù)應(yīng)用于零件的不同區(qū)域的機會(huì )。從這一點(diǎn)上來(lái)看，與傳統(tǒng)制造工藝相比，增材制造技術(shù)(shù)具有釋放生產(chǎn)(chǎn)率、成本和性能改進(jìn)的巨大潛力。然而，依靠設(shè)計師的經(jīng)(jīng)驗來(lái)手動(dòng)決定哪些區(qū)域應(yīng)具有哪些屬性集，是一個(gè)非常復(fù)雜又無(wú)法保證成功率的過(guò)程。FormFlow 中的多屬性人工智能優(yōu)(yōu)化算法恰好能夠克服這一挑戰(zhàn)。該軟件建立在A(yíng)dditive Flow的多材料領(lǐng)(lǐng)導(dǎo)地位的穩(wěn)固基礎(chǔ)之上，能夠處理優(yōu)(yōu)化中的不同參數(shù)集，同時(shí)使熟練的工程師能夠在分離的網(wǎng)(wǎng)格上無(wú)縫地應(yīng)用其參數(shù)知識。

Hyperganic_rocket由AI 驅(qū)動(dòng)的設(shè)計軟件生成的3D打印火箭發(fā)(fā)動(dòng)機原型。

設(shè)計師需要與算法進(jìn)行對話(huà)，“告訴”算法需要發(fā)(fā)動(dòng)機實(shí)現(xiàn)的功能，然后算法就是根據(jù)所考慮的性能和規(guī)格生成設(shè)計對象。

算法生成的火箭發(fā)(fā)動(dòng)機設(shè)計不是一張設(shè)計藍(lán)圖，而是一個(gè)具有火箭發(fā)(fā)動(dòng)機“基因”的設(shè)計對象。

來(lái)源：Hyperganic/de zeen

同樣在面向增材制造的設(shè)計領(lǐng)(lǐng)域，作為增材制造的天生“好伙伴”的創(chuàng )(chuàng)成式設(shè)計，也是人工智能一個(gè)人工智能驅(qū)動(dòng)的流程。魔猴網(wǎng)(wǎng)在《人工智能給制造業(yè)(yè)帶來(lái)的三大關(guān)(guān)鍵革命》一文中談到，設(shè)計師或工程師將設(shè)計目標(biāo)以及材料，制造方法和成本限制的參數(shù)輸入到創(chuàng )(chuàng)成式設(shè)計軟件中。然后，該軟件探索解決方案的所有可能的排列，并快速“生成”設(shè)計備選方案。最后，它利用機器學(xué)(xué)習(xí)來(lái)測試和學(xué)(xué)習(xí)每次迭代哪些有效，哪些無(wú)效。創(chuàng )(chuàng)成式設(shè)計軟件可以幫助人類(lèi)完成難以實(shí)現(xiàn)的復(fù)雜建模過(guò)程，如果你正在嘗試優(yōu)(yōu)化飛機的機翼設(shè)計，或新電動(dòng)車(chē)的擾流板或電池設(shè)計甚至只是用于手機外殼的塑料模具 ，通過(guò)創(chuàng )(chuàng)成式設(shè)計軟件，可以在一天內(nèi)完成相當(dāng)于50,000天的工程設(shè)計。

l 3D打印設(shè)備的“眼睛”與“大腦”

根據(jù)面向未來(lái)工廠(chǎng)開(kāi)發(fā)(fā)增材制造軟件和硬件的Ai Build 公司，任何不使用AI的軟件驅(qū)動(dòng)技術(shù)(shù)遲早會(huì )被替代。軟件開(kāi)發(fā)(fā)人員和設(shè)備制造商肩負(fù)著(zhù)共同開(kāi)發(fā)(fā)產(chǎn)(chǎn)品，重新定義增材制造邊界的巨大責(zé)任。如果一臺增材制造設(shè)備能夠通過(guò)AI 為其客戶(hù)帶來(lái)實(shí)用或商業(yè)(yè)價(jià)值，則其他沒(méi)有應(yīng)用AI 技術(shù)(shù)的競爭產(chǎn)(chǎn)品極有可能在未來(lái)5-10年內(nèi)難以在市場(chǎng)上生存。

Ai Build 在2016年開(kāi)始在3D打印機中使用機器視覺(jué)技術(shù)(shù)，以進(jìn)行自主刀具路徑規(guī)劃，并進(jìn)行自動(dòng)故障檢測。當(dāng)時(shí)，嵌入攝像機的工業(yè)(yè)3D打印設(shè)備并不常見(jiàn)，而如今大多數(shù)工業(yè)(yè)3D打印設(shè)備都附帶內(nèi)置相機。Ai Build 現(xiàn)在能夠為不同打印平臺的合作伙伴和應(yīng)用開(kāi)發(fā)(fā)計算機視覺(jué)解決方案。Ai Build 認(rèn)為預(yù)計在未來(lái)5年，沒(méi)有基本計算機視覺(jué)功能的工業(yè)(yè)3D打印設(shè)備將不會(huì )存在。

Ai Build 開(kāi)發(fā)(fā)的AiSync軟件中避免使用gcode文件來(lái)描述刀具路。這是非常違反直覺(jué)的方式，因為市場(chǎng)上的所有3D打印機和CNC機器都使用gcode或品牌特定的gcode類(lèi)語(yǔ)言來(lái)驅(qū)動(dòng)機器運動(dòng)。gcode在完美的確定性世界中可以很好地工作，可以高精度地預(yù)測整個(gè)過(guò)程。然而，在現(xiàn)實(shí)中，增材制造過(guò)程還遠(yuǎn)達(dá)不到完美，因此3D打印零件的物理形式是難以被精確預(yù)測的。這是由于即使在生產(chǎn)(chǎn)過(guò)程中最小的構(gòu)建體積變化也可能導(dǎo)致增材制造過(guò)程中的致命性偏差。即使增材制造環(huán)(huán)境能夠被完全控制，并且如果有一個(gè)功能強大的仿真引擎可以準(zhǔn)確預(yù)測一層中99.9％的時(shí)間的材料行為，則在具有數(shù)千個(gè)相互支持的層的典型零件上進(jìn)行整體預(yù)測的成功率會(huì )出于統(tǒng)計原因，仍低于30％。

這是Ai Build 放棄gcode，而開(kāi)發(fā)(fā)從頭開(kāi)發(fā)(fā)更具彈性的全新機器控制過(guò)程的關(guān)(guān)鍵原因。AiSync軟件結(jié)合使用離線(xiàn)和在線(xiàn)優(yōu)(yōu)化方法來(lái)控制3D打印機的動(dòng)作。AiSync無(wú)需切片設(shè)計并將靜態(tài)(tài)gcode文件上傳到計算機，而是使用云上功能強大的計算機來(lái)分析設(shè)計，并以抽象格式將優(yōu)(yōu)化的指令發(fā)(fā)送到計算機。然后，這些指令將被位于邊緣的另一臺計算機實(shí)時(shí)地逐位解釋并轉(zhuǎn)換為機器級指令，該計算機可以實(shí)時(shí)訪(fǎng)問(wèn)來(lái)自3D打印設(shè)備的傳感器數(shù)據(jù)。這種雙重優(yōu)(yōu)化基礎(chǔ)架構(gòu)能夠?qū)⒃瞥売嬎愕膬?yōu)勢與路徑規(guī)劃和邊緣計算等高級任務(wù)(wù)結(jié)合在一起，用于故障檢測和質(zhì)(zhì)量保證等時(shí)間緊迫的任務(wù)(wù)，從而充分利用AI算法的優(yōu)(yōu)勢。

AI人工智能對層進(jìn)行分析。來(lái)源：卡內(nèi)基梅隆大學(xué)(xué)工程學(xué)(xué)院

機器視覺(jué)和機器學(xué)(xué)習(xí)算法是與增材制造硬件設(shè)備密切相關(guān)(guān)的人工智能技術(shù)(shù)。機器視覺(jué)和機器學(xué)(xué)習(xí)算法就像3D打印設(shè)備的眼睛與大腦一樣，賦予3D打印設(shè)備監(jiān)測和控制打印質(zhì)(zhì)量的智能化屬性，降低發(fā)(fā)生打印錯誤的風(fēng)(fēng)險。

卡內(nèi)基梅隆大學(xué)(xué)的研究人員創(chuàng )(chuàng)建的一種機器學(xué)(xué)習(xí)算法可以幫助我們更好的理解這些技術(shù)(shù)對于增材制造技術(shù)(shù)的意義。該算法能夠?qū)す夥勰┐踩廴詡夾g(shù)進(jìn)行過(guò)程監(jiān)控糾錯?？▋?nèi)基梅隆大學(xué)(xué)研究人員通過(guò)計算機視覺(jué)算法拍攝粉末床的圖像并提取特征，研究人員將這些特征進(jìn)行分組并在不同層次的分析中進(jìn)行比較，直到創(chuàng )(chuàng)建圖像的指紋。人工智能已經(jīng)(jīng)學(xué)(xué)會(huì )了如何識別不同的缺陷，這是因為研究人員提供了數(shù)百個(gè)預(yù)標(biāo)記的訓(xùn)練圖像?，F(xiàn)在，它可以比較它接收到的新圖像的指紋和它已知的指紋以隔離各種異常。這種原位監(jiān)測和分析粉末床圖像的方法，可能成為粉末床金屬熔融實(shí)時(shí)控制系統(tǒng)的一個(gè)組成部分。這項工作將使金屬3D打印成為工業(yè)(yè)生產(chǎn)(chǎn)中具有高可靠性工藝的發(fā)(fā)展道路上向前邁出一大步。

l 分析工藝參數(shù)與材料性能

人工設(shè)置3D打印參數(shù)難以避免導(dǎo)致大量報廢零件的產(chǎn)(chǎn)生，但是人工智能驅(qū)動(dòng)的參數(shù)設(shè)置軟件是擺脫對于人工經(jīng)(jīng)驗依賴(lài)，降低報廢率的有效方式。

視頻：OPTOMET自動(dòng)化工藝參數(shù)開(kāi)發(fā)(fā)

根據(jù)3D科學(xué)(xué)谷的市場(chǎng)觀(guān)察，OPTOMET軟件將人工智能應(yīng)用到選區(qū)激光熔化SLM系列加工準(zhǔn)備中，將參數(shù)準(zhǔn)備時(shí)間從數(shù)周減少到幾天，這個(gè)軟件的智能化程度很高，只需要輸入粉末的參數(shù)和加工要求，系統(tǒng)會(huì )自動(dòng)優(yōu)(yōu)化加工參數(shù)，這量級的節(jié)約了人工設(shè)置參數(shù)時(shí)間，并且避免了人工設(shè)置參數(shù)導(dǎo)致的大量報廢零件產(chǎn)(chǎn)生。OPTOMET軟件還通過(guò)人工智能預(yù)測零件的機械性能，為新材料的開(kāi)發(fā)(fā)打開(kāi)了一扇智能化的大門(mén)。

另一家從事增材制造數(shù)據(jù)與軟件的公司Senvol 開(kāi)發(fā)(fā)了一種數(shù)據(jù)驅(qū)動(dòng)的機器學(xué)(xué)習(xí)軟件Senvol ML，用于分析增材制造工藝參與材料性能之間的關(guān)(guān)系。

Senvol ML 可用于分析來(lái)自任何增材制造工藝、設(shè)備和任何增材制造材料的數(shù)據(jù)。該軟件能夠幫助企業(yè)(yè)快速表征和鑒定增材制造材料和工藝。Senvol ML 有助于開(kāi)發(fā)(fā)經(jīng)(jīng)統(tǒng)計證實(shí)的材料特性，減少開(kāi)發(fā)(fā)設(shè)計允許量所需的常規(guī)材料表征和測試。還允許用戶(hù)在給定機械性能的情況下，在特定的增材制造機器上選擇適當(dāng)?shù)墓に噮?shù)，這意味著(zhù)可以減少所需的人工反復(fù)試驗，從而節(jié)省大量時(shí)間和金錢(qián)。

l 創(chuàng )(chuàng)建具有新特性的新材料

人工智能將在創(chuàng )(chuàng)建更堅固，更輕，更靈活且生產(chǎn)(chǎn)成本更低的材料中發(fā)(fā)揮超乎想象的作用。

在這種特定情況下，機器學(xué)(xué)習(xí)通?？梢雜脕?lái)開(kāi)發(fā)(fā)新材料。材料科學(xué)(xué)家只需要將所需的特性輸入程序，機器學(xué)(xué)習(xí)算法便可以預(yù)測哪些化學(xué)(xué)結(jié)構(gòu)單元可以在微觀(guān)水平上結(jié)合在一起，從而創(chuàng )(chuàng)建具有所需功能和特性的結(jié)構(gòu)。

根據(jù)3D科學(xué)(xué)谷的市場(chǎng)觀(guān)察，由英國劍橋的一家人工智能公司Intellegens開(kāi)發(fā)(fā)的一種新的機器學(xué)(xué)習(xí)算法已被用于設(shè)計一種新的金屬增材制造鎳基合金。根據(jù)Intellegens的說(shuō)法，該算法為團隊節(jié)省了大約15年的材料研究時(shí)間和大約1000萬(wàn)美元的研發(fā)(fā)成本。Intellegens的Alchemite?深度學(xué)(xué)習(xí)算法設(shè)計的新合金是通過(guò)定向能量沉積（DED）金屬3D打印工藝進(jìn)行制造的，該合金可滿(mǎn)足增材制造所需的性能目標(biāo)，用于制造噴氣發(fā)(fā)動(dòng)機零部件。

l 數(shù)據(jù)、數(shù)據(jù)還是數(shù)據(jù)！

毫無(wú)疑問(wèn)，人工智能需要與增材制造協(xié)(xié)同工作。但阻礙人工智能技術(shù)(shù)與增材制造相集成的挑戰(zhàn)之一是數(shù)據(jù)。3D打印的高度復(fù)雜性催生了對于人工智能技術(shù)(shù)的需求，但這需要大量的數(shù)據(jù)來(lái)保證機器學(xué)(xué)習(xí)算法能夠進(jìn)行正確的“學(xué)(xué)習(xí)”，最佳的優(yōu)(yōu)化需要最佳的數(shù)據(jù)集，然而增材制造領(lǐng)(lǐng)域中的數(shù)據(jù)獲取、管理仍存在挑戰(zhàn)。

根據(jù)3D科學(xué)(xué)谷的市場(chǎng)觀(guān)察，ASTM國際標(biāo)委會(huì )與Americas Makes 已經(jīng)(jīng)有所行動(dòng)，他們合作推出增材制造數(shù)據(jù)戰(zhàn)略指南，該指南指出了增材制造（AM）數(shù)據(jù)的差距、挑戰(zhàn)、解決方案和行動(dòng)計劃。ASTM在增材制造數(shù)據(jù)戰(zhàn)略指南中提出了創(chuàng )(chuàng)建一個(gè)健全有力的增材制造數(shù)據(jù)生態(tài)(tài)系統(tǒng)，以此推動(dòng)3D打印進(jìn)入指數(shù)級增長(cháng)態(tài)(tài)勢。

盡管人工智能和增材制造之間有著(zhù)完美集成與匹配的天然基礎(chǔ)，但距離實(shí)現(xiàn)這一目標(biāo)還有很長(cháng)的路要走。能夠激發(fā)(fā)人工智能潛能的要素是數(shù)據(jù)，然而獲取增材制造過(guò)程中的海量數(shù)據(jù)，將人工智能正確集成到增材制造過(guò)程中，這一領(lǐng)(lǐng)域中的相關(guān)(guān)利益者之間的標(biāo)準(zhǔn)化和協(xié)(xié)作都是必要的。

來(lái)源：3D科學(xué)(xué)谷