Una captura de pantalla de printfixer muestra las variaciones previstas en una forma impresa, con áreas expandidas resaltadas en rojo y áreas más pequeñas marcadas en azul. Crédito:Nathan Decker
La impresión 3D se suele promocionar como el futuro de la fabricación. Nos permite construir objetos directamente a partir de diseños generados por computadora, lo que significa que la industria puede fabricar productos personalizados internamente, sin subcontratar piezas. Pero la impresión 3D tiene un alto grado de error, como la distorsión de la forma. Cada impresora es diferente, y el material impreso puede encogerse y expandirse de formas inesperadas. Los fabricantes a menudo necesitan probar muchas iteraciones de una impresión antes de hacerlo bien.
¿Qué sucede con los trabajos de impresión inutilizables? Deben ser descartados, presentando un costo ambiental y financiero significativo para la industria.
Un equipo de investigadores de la Escuela de Ingeniería de USC Viterbi está abordando este problema, con un nuevo conjunto de algoritmos de aprendizaje automático y una herramienta de software llamada PrintFixer, para mejorar la precisión de la impresión 3D en un 50 por ciento o más, haciendo que el proceso sea mucho más económico y sostenible.
La obra, publicado recientemente en Transacciones IEEE sobre ciencia e ingeniería de automatización , describe un proceso llamado "modelado por convolución de la impresión 3D". Se encuentra entre una serie de 15 artículos de revistas del equipo de investigación que cubren el aprendizaje automático para la impresión 3D.
El equipo, dirigido por Qiang Huang, profesor asociado de ingeniería industrial y de sistemas, ingeniería química y ciencia de los materiales, junto con Ph.D. estudiantes Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin y Christopher Henson han recibido hasta ahora $ 1.4 millones de apoyo financiero, incluyendo $ 350 recientes, 000 subvención NSF. Su objetivo es desarrollar un modelo de IA que prediga con precisión las desviaciones de forma para todos los tipos de impresión 3D y haga que la impresión 3D sea más inteligente.
"Lo que hemos demostrado hasta ahora es que en los ejemplos impresos la precisión puede mejorar alrededor del 50 por ciento o más, "Dijo Huang." En los casos en los que estamos produciendo un objeto 3-D similar a los casos de entrenamiento, la mejora general de la precisión puede llegar al 90 por ciento ".
"De hecho, la industria puede necesitar ocho compilaciones iterativas para corregir una parte, por varias razones, "Huang dijo, "y esto es para metal, por lo que es muy caro ".
Cada objeto impreso en 3-D da como resultado una ligera desviación del diseño, si esto se debe a que el material impreso se expande o contrae cuando se imprime, o por el comportamiento de la impresora.
PrintFixer utiliza datos recopilados de trabajos de impresión 3D anteriores para entrenar su IA para predecir dónde ocurrirá la distorsión de la forma. para corregir errores de impresión antes de que ocurran.
Doctor. El trabajo de la estudiante Weizhi Lin es garantizar que los modelos impresos en 3D de los dientes de los pacientes dentales se adapten con precisión a sus diseños. Los puntos rojos del modelo son puntos de referencia seleccionados automáticamente para garantizar que la forma compleja se pueda imprimir con precisión. Crédito:Universidad del Sur de California
Huang dijo que el equipo de investigación tenía como objetivo crear un modelo que produjera resultados precisos utilizando la cantidad mínima de datos de fuente de impresión 3D.
"De solo cinco a ocho objetos seleccionados, podemos aprender mucha información útil, ", Dijo Huang." Podemos aprovechar pequeñas cantidades de datos para hacer predicciones para una amplia gama de objetos ".
El equipo ha entrenado el modelo para que funcione con la misma precisión en una variedad de aplicaciones y materiales, desde metales para fabricación aeroespacial, a los plásticos térmicos para uso comercial. Los investigadores también están trabajando con una clínica dental en Australia en la impresión 3D de modelos dentales.
"Así como cuando un humano aprende a jugar béisbol, aprenderás sóftbol o algún otro deporte relacionado mucho más rápido, "dijo Decker, quien lidera el desarrollo del esfuerzo de desarrollo de software en el grupo de Huang. "De esa misma manera, nuestra IA puede aprender mucho más rápido cuando la ha visto varias veces ".
"Para que puedas mirarlo, "dijo Decker, "y ver dónde va a haber áreas que son mayores que sus tolerancias, y si desea imprimirlo ".
Dijo que los usuarios pueden optar por imprimir con una impresora de mayor calidad y utilice el software para predecir si eso proporcionaría un mejor resultado.
"Pero si no desea cambiar la impresora, también hemos incorporado funcionalidad en el paquete de software que permite al usuario compensar los errores y cambiar la forma del objeto, para tomar las partes que son demasiado pequeñas y aumentar su tamaño, mientras se reducen las partes que son demasiado grandes, "Dijo Decker." Y luego, cuando imprimen, deben imprimir con el tamaño correcto la primera vez ".
El objetivo del equipo es que la herramienta de software esté disponible para todos, desde fabricantes comerciales a gran escala hasta aficionados a la impresión 3D. Los usuarios de todo el mundo también podrán contribuir a mejorar la IA del software mediante el intercambio de datos de salida impresos en una base de datos.
"Supongamos que estoy trabajando con una impresora 3D MakerBot que utiliza PLA (un bioplástico utilizado en la impresión 3D), Puedo poner eso en la base de datos y alguien que use el mismo modelo y material podría tomar mis datos y aprender de ellos, "Dijo Decker.
"Una vez que muchas personas de todo el mundo lo utilicen, de repente, tiene una oportunidad realmente increíble de aprovechar una gran cantidad de datos, y eso podría ser algo realmente poderoso, " él dijo.
