Warum maschinelles Lernen den 3D-Druck präziser machen könnte

Anbieter zum Thema

Althen GmbH Mess- und Sensortechnik

aPriori Deutschland

UberCloud

Fertigungsunternehmen, Hersteller von Medizinprodukten und die Öffentlichkeit könnten bald Zugang zu leistungsstarker KI-gesteuerter 3D-Drucksoftware haben.

• 3D-Druck gewinnt in Fertigungsunternehmen weiter an Bedeutung.

• Die Fehlerquote entsprechender Verfahren ist jedoch immer noch zu hoch.

• Die Entsorgung von Fehldrucken schadet der Umwelt und verursacht unnötige Kosten.

Fertigungsunternehmen, Hersteller von Medizinprodukten und die Öffentlichkeit könnten bald Zugang zu leistungsstarker 3D-Drucksoftware haben, die maschinelles Lernen nutzt.

Der 3D-Druck gilt vielfach als die Zukunft der Fertigung. Mit ihm können wir Objekte direkt aus computergenerierten Entwürfen bauen, und das heißt auch, dass die Industrie kundenspezifische Produkte im eigenen Haus herstellen kann. Aber der 3D-Druck birgt ein hohes Fehlerrisiko in sich, was zum Beispiel den Formverzug betrifft. Jeder Drucker ist anders, und das gedruckte Material kann unerwartet schrumpfen oder sich ausdehnen. Die Hersteller müssen oft mehrere Druckversuche starten, bevor sie zum gewünschten Ergebnis gelangen. Was geschieht mit den unbrauchbaren Druckresultaten? Sie müssen entsorgt werden, was ökologisch und finanziell bedenklich sein kann.

Ein Forscherteam der Viterbi School of Engineering der University of Southern California geht dieses Problem mit einer Reihe von Algorithmen für maschinelles Lernen und dem Software-Tool PrintFixer an. Damit soll sich die Genauigkeit des 3D-Drucks um mindestens 50 Prozent verbessern, und der Prozess soll sich deutlich wirtschaftlicher und nachhaltiger zu gestalten.

Die Arbeit, kürzlich in IEEE Transactions on Automation Science and Engineering erschienen, beschreibt einen Prozess, der als "Faltenmodellierung des 3D-Drucks" bezeichnet wird. Insgesamt haben die Forscher 15 Beiträge publiziert, die sich mit maschinellem Lernen für den 3D-Druck befassen.

Maschinelles Lernen macht Formverzug besser vorhersagbar

Das Team unter der Leitung von Qiang Huang, Professor für Industrie- und Systemtechnik, Chemieingenieurwesen und Materialwissenschaften, sowie den Doktoranden Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin und Christopher Henson hat bisher 1,4 Millionen Dollar Fördermittel erhalten, darunter kürzlich einen NSF-Zuschuss in Höhe von 350'000 US-Dollar. Ihr Ziel ist ein KI-Modell, das Formabweichungen für alle Arten des 3D-Drucks genau vorhersagt und das den 3D-Druck intelligenter macht.

"Was wir bisher gezeigt haben, ist, dass sich die Genauigkeit bei gedruckten Mustern um 50 Prozent oder mehr verbessern lässt", sagt Huang. "In Fällen, in denen wir ein 3D-Objekt ähnlich wie in den Trainingsfällen produzieren, kann die Gesamtgenauigkeit um bis zu 90 Prozent verbessert werden. Es kann tatsächlich acht Iterationen erfordern, um ein Teil korrekt auszugeben, und zwar aus verschiedenen Gründen", führt Huang weiter aus, "und das bezieht sich auf Metall, ist also sehr teuer."

Jedes 3D-Druckobjekt differiert etwas vom Design, ob durch das Ausdehnen oder Zusammenziehen des Druckmaterials beim Drucken oder durch das Verhalten des Druckers. Die Software PrintFixer verwendet Daten aus früheren 3D-Druckjobs, um ihre Intelligenz zu trainieren. Maschinelles Lernen hilft so vorhersagen, wo der Verzug auftreten wird, um Druckfehler zu beheben, bevor sie auftreten.

Trainiertes Modell funktioniert in vielen Anwendungen

Das Forschungsteam, so Huang, habe ein Modell entwickeln wollen, das mit einem Minimum an 3D-Druck-Quelldaten genaue Ergebnisse liefere. "Aus nur fünf bis acht ausgewählten Objekten können wir eine Menge nützlicher Informationen gewinnen", erklärt Huang. "Wir können kleine Datenmengen nutzen, um Vorhersagen für eine Vielzahl von Objekten zu treffen", so Huang.

Das Team hat das Modell so trainiert, dass es bei einer vielen Anwendungen und Materialien -- von Metallen für die Luft- und Raumfahrt bis hin zu thermischen Kunststoffen für den kommerziellen Einsatz -- im selben Tempo arbeitet. Die Forscher kooperieren auch mit einer Zahnklinik in Australien, was den 3D-Druck von Dentalmodellen betrifft.

Ergebnisse vorhersagen, Formen verändern, Fehler ausgleichen

"Wenn ein Mensch Baseball spielen lernt, so lernt er auch Softball oder eine andere verwandte Sportart viel schneller", gibt Nathan Decker zu bedenken, der in Huangs Gruppe die Softwareentwicklung leitet. "Genauso kann unsere KI viel schneller lernen, wenn sie es ein paar Mal gesehen hat."

"So können Sie sich die Visualisierung anschauen", sagt Decker, "und sehen, wo es Bereiche geben wird, die Ihre Toleranzen überschreiten, und dann entscheiden, ob Sie es drucken wollen." Anwender können dann etwa auf einen anderen, höherwertigen Drucker wechseln und mit der Software vorhersagen, ob diesmal ein besseres Ergebnis herauskommen würde. Wolle das der Anwender nicht, so habe man auch Funktionen in die Software integriert, die es erlauben, Fehler auszugleichen und die Form des Objekts zu verändern, die zu kleinen Teile zu vergrößern und die zu großen kleiner zu machen. Dann sollte der Druck auf Anhieb mit der richtigen Größe gelingen.

Bild oben: Printfix soll den 3D-Druck um 50 Prozent genauer machen. Bild: PXHERE

Weitere Informationen: https://viterbischool.usc.edu/

Erfahren Sie hier mehr über 8 wegweisende Trends in der digitalen Fertigung und im 3D-Druck.

Lesen Sie auch: "Supermagnete: Nachhaltigere Werkstoffe aus dem 3D-Drucker".