ENG: Scientists and engineers are constantly developing new materials with unique properties that can be used for 3D printing, but figuring out how to print with these materials can be a complex, costly conundrum. Often, an expert operator must use manual trial-and-error — possibly making thousands of prints — to determine ideal parameters that consistently print a new material effectively. These parameters include printing speed and how much material the printer deposits.

MIT researchers have now used artificial intelligence to streamline this procedure. They developed a machine-learning system that uses computer vision to watch the manufacturing process and then correct errors in how it handles the material in real-time. They used simulations to teach a neural network how to adjust printing parameters to minimize error, and then applied that controller to a real 3D printer. Their system printed objects more accurately than all the other 3D printing controllers they compared it to.

The work avoids the prohibitively expensive process of printing thousands or millions of real objects to train the neural network. And it could enable engineers to more easily incorporate novel materials into their prints, which could help them develop objects with special electrical or chemical properties. It could also help technicians make adjustments to the printing process on-the-fly if material or environmental conditions change unexpectedly.

RO: Oamenii de știință și inginerii dezvoltă în mod constant noi materiale cu proprietăți unice care pot fi utilizate pentru imprimarea 3D, dar descoperirea modului de imprimare cu acestea poate fi o enigmă complexă și costisitoare. Adesea, un operator expert trebuie să folosească metoda manuală de încercare și eroare – eventual făcând mii de imprimări – pentru a determina parametrii ideali care imprimă în mod constant și eficient un nou material. Acești parametri includ viteza de imprimare și cantitatea de material pe care imprimanta o depune.

Cercetătorii MIT au folosit inteligența artificială pentru a simplifica această procedură. Aceștia au dezvoltat un sistem de învățare automată care utilizează viziunea computerizată pentru a urmări procesul de producție și apoi pentru a corecta erorile în modul în care manipulează materialul în timp real. Aceștia au folosit simulări pentru a învăța o rețea neuronală cum să ajusteze parametrii de imprimare pentru a minimiza erorile, iar apoi au aplicat acest controler la o imprimantă 3D reală. Sistemul lor a imprimat obiecte mai precis decât toate celelalte controlere de imprimare 3D cu care l-au comparat.

Lucrarea evită procesul prohibitiv de costisitor de imprimare a mii sau milioane de obiecte reale pentru a antrena rețeaua neuronală. De asemenea, ar putea permite inginerilor să încorporeze mai ușor materiale noi în tipăriturile lor, ceea ce i-ar putea ajuta să dezvolte obiecte cu proprietăți electrice sau chimice speciale. De asemenea, ar putea ajuta tehnicienii să facă ajustări ale procesului de tipărire din mers, în cazul în care materialul sau condițiile de mediu se schimbă în mod neașteptat.

Source (MIT News, Adama Zewe, “Using artificial intelligence to control digital manufacturing”, 02.08.2022)

Paper: Piovarci, M., Foshey, M., Xu, J., Erps, T., Babaei, V., Didyk, P., … & Bickel, B. (2022). Closed-Loop Control of Direct Ink Writing via Reinforcement Learning. arXiv preprint arXiv:2201.11819.