南極熊導讀:增材制造一直在發展壯大，是汽車工業、航空航天工業、可持續建筑等諸多主要領域的支柱。大多數工業部門選擇使用人工智能來增加收入和減少工作時間，增材制造業也不例外。人工智能(AI)在3D打印中的應用一直是世界各國研究人員關注的焦點。
人工智能在3D打印中的工業應用
人工智能和3D打印的結合，可以預測主要的制造業。公司公司的管理和運營模式將會發生很大的變化。從產品研發到配藥，人工智能技術可以推動整個供應鏈。印刷過程的自動化也將減少人為錯誤的可能性，大大提高生產效率。人工智能在3D打印方面的潛力不僅限于制造業和建筑業。健康、設計、建筑和航空航天等其他行業也可以從人工智能和3D打印的結合中受益。
使用機器學習的3D打印的核心優勢
增材制造領域正在快速拓展，新材料、新技術、新解決方案不斷涌現。機器學習(ML)正在發揮其獨特的優勢，從確定某項工作的最佳材料到通過消除人為錯誤來提高產品質量。
在3D打印物體實際應用之前，必須對其進行修復，以消除孔洞和其他缺陷，這往往需要大量的人力和物力，但現在這些困難都可以通過ML自動識別和解決，節省了時間和金錢，因為它不需要重新打印整個產品或花費數小時手動修復每個組件。通過根據經驗進行微小的改變，機器學習可以用于優化設計和最大化高質量的輸出。使用ML算法的預測性維護可以在零件完全失效之前預測何時需要更換或維修，這有助于組織計劃，避免昂貴的維護或等待更換部件時的停機造成的損失。使用機器學習，公司消費者數據可以用來創造滿足他們需求的商品。簡而言之，AI和ML與3D打印結合使用有很多優勢。
●人工智能故障遠程檢測
在3D打印過程中，有必要檢測故障。Processes雜志介紹了一種新的基于AI的計算機視覺方法，用于評估fuse manufacturing (FFF)的3D打印項目在打印過程中的質量。
通過分析過程中捕獲的視頻，構建神經網絡，發現整個打印過程中的3D打印問題。在打印過程中，3D打印物品很可能會出現缺陷，比如拉絲。這些缺陷通常與印刷參數之一或物體的幾何形狀有關。在這種情況下，AI框架(深度卷積神經網絡)被開發并在實時環境中實現，以執行實時相機流的檢測和預測。
原始鏈接:
●支持AI的3D打印如何塑造正畸的未來？
與其他行業類似，創新的數字技術已經改變了醫療保健行業和正畸實踐。人工智能(AI)和3D打印技術的最新突破，對于加強正畸診療規劃、構建算法和制造個性化正畸產品具有重要意義。
人工智能在診斷牙頜面異常和設計矯形手術方面有很大的前景。卷積神經網絡方法表明，正頜手術顯著改善了大多數患者的外觀和審美情趣。AI技術提高了正頜手術的臨床精度，利用3D模型(手術矯形器的3D制造)進行治療計劃、治療隨訪和圖片疊加。
●基于人工智能的印刷適性檢查
理論上，3D打印過程可以創建任何3D對象。然而，與傳統生產工藝相比，由于其拓撲特性和特殊的材料要求，3D打印的開發和利用仍然受到限制。《基礎應用科學與管理系統雜志》的最新文章向讀者介紹了可印刷性檢查器(PC)程序，該程序可以確定一個對象是否適合3D打印或其他生產方法。
它由特征提取器、打印機管理器和驗證器引擎組成。PC根據標準復雜度值的結果進行判斷。計算復雜度取決于多個指標的選擇，比如測試的運行時間。具體來說，有限元的目標是檢索給定3D對象的科學可測試特征。PM負責管理具有適用限制的打印機，然后將打印機配置文件發送給VE。同時VE可以匹配FE和PM的特點和局限性，根據最終的復雜度結果驗證3D物體的可印刷性。
●人工智能如何影響航空航天零件的3D金屬打印？
《物理學雜志:會議系列》載有一篇文章介紹，工業智能在3D金屬打印中的集成已被視為一種潛在的發展，因此它已成為航空航天技術進步的基礎。3D打印和人工智能的結合，使航空制造商能夠以更低的成本和更少的浪費生產出更準確、更精密的航空部件，提高設計的自由度。傳感器和攝像頭安裝在3D打印機中，通常靠近噴嘴，粉末原料和激光束在這里結合形成固體層，以提供過程控制和監控。然后將數據發送到專門的軟件，實時評估和解釋各種現象，識別問題并使用人工智能的力量來解決它們。
原文鏈接:10.1088/1742-6596/1892/1/012015
●麻省理工學院:基于人工智能的新材料3D打印
麻省理工學院的研究人員創造了一種機器學習算法，可以實時分析和改變3D打印過程，以修復故障。科學家和技術人員一直在發明具有獨特品質的新材料，可用于3D打印。然而，了解如何制造這些物質可能是一個困難和昂貴的挑戰。利用人工智能，麻省理工學院的研究人員現在已經簡化了這項技術。開發了一個機器學習系統，利用計算機視覺實時監控生產過程，修復物料搬運故障。通過模擬，研究人員教會了神經網絡如何修改打印設置以減少錯誤，然后將控制器應用到真正的3D打印機上。這項技術比以前的任何3D打印控制器都能產生更精確的打印效果。
人工智能在3D打印中的挑戰
使用ML方法，我們可以知道數據驅動的數值模擬比基于物理的數值模擬在計算上更有效。原位分析和閉環調節高度依賴于計算工作。由于數據集較大，用高速攝像機檢查池需要更多的處理資源。這個使用大數據收集的應用需要改進機器學習算法。計算成本是AI在增材制造中實施的一大障礙。
數據交換對于大型數據庫的開發非常重要，是ML算法運行的必要條件。隨著越來越多的研究小組關注新材料和工藝的創造，數據收集和預處理的標準將確保數據共享并促進AM社區內的合作。許多ML框架互不兼容。為了在研究界推廣ML模型，建立一個一致的框架是非常重要的。缺乏標準是一個主要問題，需要立即采取措施解決這個主要問題。
機器學習(ML)算法的性能與輸入數據的質量一樣好。涉及熔化過程的3D打印程序中使用的傳感設備必須具有快速的刷新率和出色的分辨率，以便從熔池中收集信息。雖然使用的傳感器種類很多，但每種現場監測方法都有其局限性，阻礙了其在實際生產線中的應用。
市場分析
《財富商業洞察》對全球3D打印市場和人工智能自動化3D打印行業進行了全面分析。2021年，全球3D打印市場預計為151億美元。預計2022-2029年復合年增長率為24.3%，從2022年的183.3億美元增長到2029年的839億美元。
2021年，自動化3D打印的市場價值為7.0669億美元，預計到2027年將達到58.7856億美元，2022-2027年復合年增長率為41.76%。2027年制造業人工智能市場規模有望達到163億美元。根據Research and Markets最新發布的報告，2022-2027年的年復合增長率為47.9%！
未來前景
人工智能正在為增材制造業提供優勢，未來的研究應側重于:
●結合基于AI的適印性測試、切片和路徑規劃，加速并行切片，優化3D打印路徑。
●使用面向服務的架構(SOA)，通過基于云的設計和生產系統，提高3D打印的適應性、集成性和個性化。
●通過改進指數技術、并行化和切片算法，提高基于ML的計算預制化(工藝規劃)，進一步打開全球快速工業化之路。
簡而言之，人工智能和3D打印的交集已經成為全世界成功的秘訣。機構正在投資這個特殊的領域。