Использование искусственного интеллекта для управления цифровым производством

Изображения для загрузки на веб-сайте офиса новостей MIT предоставляются некоммерческим организациям, прессе и широкой публике в соответствии с некоммерческой лицензией Creative Commons «С указанием авторства». Вы не можете изменять предоставленные изображения, кроме как обрезать их до нужного размера. При воспроизведении изображений необходимо использовать кредитную линию; если оно не указано ниже, укажите авторство изображений в «MIT».

Предыдущее изображение Следующее изображение

Ученые и инженеры постоянно разрабатывают новые материалы с уникальными свойствами, которые можно использовать для 3D-печати, но выяснение того, как печатать этими материалами, может оказаться сложной и дорогостоящей загадкой.

Часто опытному оператору приходится методом проб и ошибок вручную — возможно, делать тысячи отпечатков — чтобы определить идеальные параметры, которые последовательно и эффективно печатают новый материал. К этим параметрам относятся скорость печати и количество материала, подаваемого принтером.

Исследователи Массачусетского технологического института теперь использовали искусственный интеллект, чтобы упростить эту процедуру. Они разработали систему машинного обучения, которая использует компьютерное зрение для наблюдения за производственным процессом, а затем исправляет ошибки в обработке материала в режиме реального времени.

Они использовали моделирование, чтобы научить нейронную сеть настраивать параметры печати, чтобы минимизировать ошибку, а затем применили этот контроллер к реальному 3D-принтеру. Их система печатала объекты точнее, чем все остальные контроллеры 3D-печати, с которыми они ее сравнивали.

Работа позволяет избежать непомерно дорогого процесса печати тысяч или миллионов реальных объектов для обучения нейронной сети. И это может позволить инженерам легче включать в свои отпечатки новые материалы, что поможет им создавать объекты с особыми электрическими или химическими свойствами. Это также может помочь техническим специалистам оперативно вносить коррективы в процесс печати, если условия материала или окружающей среды неожиданно изменяются.

«Этот проект действительно является первой демонстрацией создания производственной системы, которая использует машинное обучение для изучения сложной политики управления», — говорит старший автор Войцех Матусик, профессор электротехники и информатики в Массачусетском технологическом институте, возглавляющий Группу вычислительного проектирования и изготовления (CDFG). ) в Лаборатории компьютерных наук и искусственного интеллекта (CSAIL). «Если у вас есть более интеллектуальные производственные машины, они могут адаптироваться к изменяющейся среде на рабочем месте в режиме реального времени, чтобы повысить производительность или точность системы. Вы можете выжать из машины больше».

Со-ведущими авторами исследования являются Майк Фоши, инженер-механик и руководитель проекта в CDFG, и Михал Пиоварчи, постдок в Институте науки и технологий в Австрии. Среди соавторов MIT Цзе Сюй, аспирант в области электротехники и информатики, и Тимоти Эрпс, бывший технический сотрудник CDFG.

Выбор параметров

Определение идеальных параметров цифрового производственного процесса может быть одной из самых дорогостоящих частей процесса, поскольку требуется много проб и ошибок. И как только техник находит комбинацию, которая хорошо работает, эти параметры идеальны только для одной конкретной ситуации. У нее мало данных о том, как материал будет вести себя в других средах, на другом оборудовании или будет ли новая партия проявлять другие свойства.

Использование системы машинного обучения также сопряжено с проблемами. Во-первых, исследователям необходимо было измерить, что происходит на принтере, в режиме реального времени.

Для этого они разработали систему машинного зрения, использующую две камеры, направленные на сопло 3D-принтера. Система освещает материал во время его нанесения и на основе количества света, проходящего через него, рассчитывает толщину материала.

«Вы можете думать о системе машинного зрения как о системе глаз, наблюдающих за процессом в режиме реального времени», — говорит Фоши.