3D-utskrift utses ofta som framtiden för tillverkning. Det tillåter oss att direkt bygga objekt från datorgenererade konstruktioner, vilket innebär att industrin kan tillverka skräddarsydda produkter internt, utan att lägga ut delar på entreprenad. Men 3D-utskrift har en hög grad av fel, såsom formförvrängning. Varje skrivare är olika, och det tryckta materialet kan krympa och expandera på oväntade sätt. Tillverkare behöver ofta prova många upprepningar av en utskrift innan de får rätt.

Vad händer med de oanvändbara utskriftsjobben? De måste kasseras, innebär en betydande miljömässig och ekonomisk kostnad för industrin.

Ett team av forskare från USC Viterbi School of Engineering tar sig an detta problem, med en ny uppsättning maskininlärningsalgoritmer och ett mjukvaruverktyg som heter PrintFixer, förbättra 3D-utskriftsnoggrannheten med 50 procent eller mer, gör processen mycket mer ekonomisk och hållbar.

Arbetet, nyligen publicerad i IEEE Transactions on Automation Science and Engineering , beskriver en process som kallas "faltningsmodellering av 3-D-utskrift." Det är bland en serie av 15 tidskriftsartiklar från forskargruppen som täcker maskininlärning för 3-D-utskrift.

Laget, leds av Qiang Huang, docent i industri- och systemteknik, kemiteknik och materialvetenskap, tillsammans med Ph.D. studenter Yuanxiang Wang, Nathan Decker, Mingdong Lyu, Weizhi Lin och Christopher Henson har hittills fått 1,4 miljoner dollar finansieringsstöd, inklusive en nyligen $350, 000 NSF-bidrag. Deras mål är att utveckla en AI-modell som exakt förutsäger formavvikelser för alla typer av 3-D-utskrifter och göra 3-D-utskrift smartare.

"Vad vi har visat hittills är att i tryckta exempel kan noggrannheten förbättras med cirka 50 procent eller mer, ", sa Huang. "I fall där vi producerar ett 3D-objekt som liknar träningsfallen, Den totala noggrannhetsförbättringen kan vara så hög som 90 procent."

"Det kan faktiskt ta industrin åtta iterativa byggen för att få en del korrekt, av olika anledningar, " Huang sa, "och det här är för metall, så det är väldigt dyrt."

Varje 3D-utskrivet objekt resulterar i en liten avvikelse från designen, om detta beror på att tryckt material expanderar eller krymper vid tryck, eller på grund av hur skrivaren beter sig.

PrintFixer använder data från tidigare 3D-utskriftsjobb för att träna sin AI för att förutsäga var formförvrängningen kommer att inträffa, för att åtgärda utskriftsfel innan de uppstår.

Huang sa att forskargruppen hade som mål att skapa en modell som gav korrekta resultat med den minsta mängden 3D-utskriftskälla.

"Från bara fem till åtta utvalda objekt, vi kan lära oss mycket användbar information, Huang sa. "Vi kan utnyttja små mängder data för att göra förutsägelser för ett brett spektrum av objekt."

Teamet har tränat modellen för att arbeta med samma noggrannhet över en mängd olika applikationer och material – från metaller för flygtillverkning, till termisk plast för kommersiellt bruk. Forskarna arbetar också med en tandvårdsklinik i Australien med 3D-utskrift av dentala modeller.

"Så precis som när en människa lär sig spela baseboll, du kommer att lära dig softboll eller någon annan relaterad sport mycket snabbare, sa Decker, som leder utvecklingen av mjukvaruutvecklingen i Huangs grupp. "På samma sätt, vår AI kan lära sig mycket snabbare när den har sett den några gånger."

"Så du kan titta på det, sa Decker, "och se var det kommer att finnas områden som är större än dina toleranser, och om du vill skriva ut den."

Han sa att användare kunde välja att skriva ut med en annan, skrivare av högre kvalitet och använd programvaran för att förutsäga om det skulle ge ett bättre resultat.

"Men om du inte vill byta skrivare, vi har också inkorporerat funktionalitet i mjukvarupaketet som gör det möjligt för användaren att kompensera för felen och ändra objektets form – att ta de delar som är för små och öka deras storlek, samtidigt som man minskar de delar som är för stora, sade Decker. Och sedan, när de skriver ut, de ska skriva ut med rätt storlek första gången."

Teamets mål är att mjukvaruverktyget ska vara tillgängligt för alla, från storskaliga kommersiella tillverkare till 3-D-utskriftshobbyister. Användare från hela världen kommer också att kunna bidra till att förbättra programvaran AI genom att dela utskriftsdata i en databas.

"Säg att jag arbetar med en MakerBot 3-D-skrivare som använder PLA (en bioplast som används i 3-D-utskrift), Jag kan lägga in det i databasen, och någon som använder samma modell och material kan ta min data och lära sig av den, " sa Decker.

"När vi får många människor runt om i världen som använder detta, helt plötsligt, du har verkligen en otrolig möjlighet att utnyttja mycket data, och det kan vara en riktigt kraftfull sak, " han sa.