Maggiore potenziale per l’intelligenza artificiale nella produzione additiva
I ricercatori cinesi continuano nella ricerca di potenziare continuamente le capacità di stampa 3D, aggiungendo strati complessi con altre tecnologie all’ovile, come dettagliato nella recente pubblicazione ” Produzione additiva intelligente: attuali metodi abilitati all’intelligenza artificiale e prospettive future “.
Gli autori sono piuttosto schietti – e precisi – nel loro astratto, per quanto riguarda le esigenze nella produzione additiva, affermando che “a causa della sua rapida crescita, l’efficienza e la solidità dei processi di sviluppo dei prodotti basati su AM dovrebbero essere migliorate”.
Questo punto di vista è condiviso da ricercatori di tutto il mondo che non solo vogliono estendere i limiti della tecnologia come la stampa 3D, ma anche ambiziosamente raggiungere i vantaggi di potenziali e apparentemente infinite innovazioni. Tali progressi stanno rivoluzionando campi come la medicina e l’ architettura , nonché rafforzando la produzione in applicazioni come quelle automobilistiche e aerospaziali .
I maggiori vantaggi della stampa 3D sono innegabilmente percepiti all’interno della produzione, poiché gli utenti industriali realizzano tempi di produzione più rapidi, migliore convenienza e la capacità di realizzare prodotti che sarebbero stati impossibili con i metodi convenzionali. Come spiegano i ricercatori, tuttavia, il successo si basa sulla competenza degli utenti mentre si impegnano nello sviluppo del prodotto, per includere:
Design
Pianificazione del processo
Piano di produzione
Monitoraggio del processo
Accentuati da altre tecnologie come l’intelligenza artificiale, i processi di produzione possono essere ulteriormente semplificati con agenti intelligenti in grado di cercare risposte, apprendere e agire. In questo studio, gli autori hanno cercato di identificare quali lacune e limitazioni potrebbero esistere nell’utilizzo dell’IA, oltre a considerare il potenziale futuro di AM più intelligente, definito come: “un sistema di produzione additiva collaborativa completamente integrato che risponde in tempo reale per supportare onnipresenti e progettazione, produzione e servizi intelligenti di prodotti stampati in 3D. ”
Separati in tre tipi, gli agenti intelligenti sono considerati agenti riflessi, agenti basati sugli obiettivi e agenti basati sull’utilità. Possono essere coinvolti in processi software o hardware, responsabili dell’input e dell’output di comandi e file, oppure possono fungere da sensori per immagini, direzione o suono.
“Il livello tra ingressi e uscite contiene le funzioni principali che formano problemi e generano soluzioni. Queste funzioni possono essere basate su varie informazioni e conoscenze strutturate e non strutturate ”, hanno spiegato i ricercatori.
Ogni tipo di agente AI consente agli utenti di ottimizzare i processi; ad esempio, gli agenti basati sulla conoscenza sono in grado di compilare dati per gli utenti che potrebbero non avere esperienza in merito alla produzione specifica, mentre gli agenti basati sugli obiettivi possono essere utilizzati nell’ottimizzazione per spazi di progettazione più ampi. Le attuali carenze di conoscenza esistono in termini di:
Mancanza di integrazione completa delle conoscenze nelle applicazioni
Necessità di migliorare l’accuratezza e la generalità attuali dei modelli, specialmente quando viene soddisfatta una comprensione più profonda dei processi AM
Database standard per la raccolta di dati
Mancanza di integrazione per una varietà di modelli
Applicazione di modelli di apprendimento
Un tema di fondo in questo studio è la continua necessità di conoscenze di alta qualità e ad alto volume nei processi basati su AM.
“Gli agenti con algoritmi di ricerca e pianificazione di solito richiedono un grande potere computazionale. Inoltre, alcune attività richiedono una risposta rapida. Il controllo e il monitoraggio in tempo reale basati sull’apprendimento sono richiesti rispettivamente per le fasi di addestramento ed esecuzione ”, hanno affermato i ricercatori. “Sebbene siano stati sviluppati software di progettazione e simulazione basati su cloud, non è possibile eseguire attività in tempo reale. Pertanto, un nuovo quadro computazionale efficiente dovrebbe essere studiato per soddisfare entrambi i requisiti. “
“A causa dello sviluppo del deep learning, l’uso dell’IA è aumentato in molti campi. Le capacità uniche dell’IA hanno anche aumentato l’attenzione data al miglioramento dello sviluppo di prodotti basati su AM ”, hanno concluso i ricercatori.
