Ai ricercatori del dipartimento di ingegneria industriale e dei sistemi Daniel J. Epstein , guidato da Qiang Huang, Ph.D., è stato recentemente concesso un sostegno finanziario di 1,4 milioni di dollari, tra cui una recente sovvenzione NSF di 350.000 dollari. Assist di Ph.D. gli studenti Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin e Christopher Henson, mentre il team continua a cercare modi migliori per semplificare la stampa 3D, rendendo la tecnologia più “intelligente” con l’apprendimento automatico, hanno pubblicato numerosi articoli sull’argomento.
Qiang Huang, Ph.D., Professore associato di Ingegneria industriale e dei sistemi, Ingegneria chimica e Scienza dei materiali
Mentre i vantaggi della stampa 3D stanno diventando evidenti a livello globale — e dagli utenti che vanno dai principianti ai seri industriali — le sfide sono ancora così numerose che i ricercatori sono impegnati a elaborare i nodi, nonché a portare la tecnologia a nuovi livelli grazie ai requisiti che sorgono in innumerevoli progetti innovativi.
Nell’ultimo lavoro pubblicato dell’équipe di ricerca sull’argomento ” Generatore di deviazioni di forma: un quadro di convoluzione per l’apprendimento e la previsione della precisione della forma di stampa 3D “, gli autori spiegano come l’apprendimento automatico per AM (ML4AM) è diventato realistico per l’uso nel miglioramento dei processi di stampa 3D :
“Gli approcci di modellazione e simulazione basati sulla fisica presentano una descrizione a livello di voxel di una formazione di oggetti da punti a linee, linee a superfici e superfici a forme 3D. Tuttavia, questo framework di modellazione intensivamente computazionale non fornisce una struttura chiara per l’apprendimento automatico dei dati AM ”, affermano i ricercatori nel loro abstract. “Sono stati compiuti progressi significativi nel modellare e prevedere l’accuratezza della forma degli oggetti planari nell’ambito di strutture analitiche di dati.”
L’obiettivo è ridurre gli errori; ad esempio, la distorsione della forma provoca il fallimento di molte stampe, con conseguenti scarti e, a seconda del materiale, può comportare molti sprechi. Con PrintFixer, un nuovo strumento software creato dai ricercatori, gli algoritmi di apprendimento automatico possono migliorare l’accuratezza della fabbricazione digitale fino al 50 percento o più.
PrintFixer è un nuovo pacchetto software basato sull’apprendimento automatico che renderà la stampa 3D più accurata del 50% (Immagine: PXHERE)
“Ciò che abbiamo dimostrato finora è che negli esempi stampati l’accuratezza può migliorare di circa il 50 percento o più”, ha detto Huang . “Nei casi in cui produciamo un oggetto 3D simile ai casi di addestramento, il miglioramento della precisione complessiva può arrivare fino al 90 percento.
“In realtà possono essere necessarie otto build iterative del settore per ottenere una parte corretta, per vari motivi”, ha detto Huang, “e questo è per il metallo, quindi è molto costoso.”
La chiave è deviare il meno possibile dal design originale, il che significa che deve essere mantenuto un controllo migliore su hardware e materiali. Con i processi di apprendimento automatico, software come PrintFixer utilizza i dati di lavori precedenti per “comprendere” e prevenire errori futuri prima che si verifichino.
“Da solo cinque a otto oggetti selezionati, possiamo imparare molte informazioni utili”, ha detto Huang. “Siamo in grado di sfruttare piccole quantità di dati per fare previsioni per una vasta gamma di oggetti”.
I ricercatori hanno testato con successo il loro software e lo hanno utilizzato in una vasta gamma di applicazioni, con vari materiali, per includere materiali termoplastici e metalli commerciali nei progetti aerospaziali.
Uno screenshot di PrintFixer mostra le variazioni previste in una forma stampata, con aree espanse evidenziate in rosso e aree più piccole contrassegnate in blu.
“Quindi, proprio come quando un essere umano impara a giocare a baseball, imparerai molto più velocemente il softball o altri sport collegati”, ha dichiarato Nathan Decker, fungendo da responsabile dello sviluppo del software. “Allo stesso modo, la nostra IA può imparare molto più velocemente quando l’ha vista alcune volte.”
Gli utenti possono anche utilizzare il software per prevedere se un’altra stampante 3D di loro scelta – e di migliore qualità – darebbe loro risultati migliori.
“Ma se non vuoi cambiare la stampante, abbiamo anche incorporato funzionalità nel pacchetto software che consente all’utente di compensare gli errori e cambiare la forma dell’oggetto – per prendere le parti troppo piccole e aumentarne le dimensioni, mentre diminuendo le parti troppo grandi “, ha detto Decker. “E poi, quando stampano, dovrebbero stampare con il formato corretto per la prima volta.”
Ora, il gruppo sta lavorando con una clinica dentale in Australia, ampliando la loro tecnologia per la stampa 3D di modelli dentali. Il loro obiettivo costante, tuttavia, è rendere il software accessibile a tutti, a tutti i livelli.
“Supponiamo che io stia lavorando con una stampante 3D MakerBot utilizzando PLA (una bioplastica utilizzata nella stampa 3D), posso metterlo nel database e qualcuno che utilizza lo stesso modello e materiale potrebbe prendere i miei dati e imparare da esso”, Decker ha detto.
“Una volta che abbiamo molte persone in tutto il mondo che usano questo, all’improvviso, hai un’incredibile opportunità di sfruttare molti dati e questa potrebbe essere una cosa davvero potente”, ha detto.
Ph.D. Il lavoro dello studente Weizhi Lin è garantire che i modelli stampati in 3D dei denti dei pazienti dentali siano accuratamente abbinati ai loro progetti. I punti rossi sul modello sono punti di riferimento selezionati automaticamente per garantire che la forma complessa possa essere stampata accuratamente.