付加製造における人工知能の重要性

この投稿は warrior bear によって 2021-12-27 23:16 に最後に編集されました。

はじめに: 多くの企業にとって、デジタル化と自動化は積層造形のさらなる発展の鍵となります。その結果、ますます多くのメーカーがクラウドベースのソリューションに依存し、さまざまなアルゴリズムを 3D プリントソリューションに組み込んで、テクノロジーの可能性を最大限に活用するようになりました。

3D プリンティングはデジタルプロセスそのものとして、インダストリー 4.0 の一部であり、機械学習などの人工知能がバリューチェーンの最適化にますます使用される時代において不可欠な要素です。人工知能（AI）は、非常に短時間で大量の複雑なデータを処理できるため、意思決定者としての重要性が高まっています。この記事では、機械学習とは何か、そしてなぜこの形態の人工知能が積層造形の未来を形作るのに役立つのかを説明します。
機械学習は人工知能のサブカテゴリであり、アルゴリズムを使用してデータを調べ、パターンを識別したり解決策を決定したりするシステムまたはソフトウェアとして定義されます。機械学習は新しい現象だという一般的な考えに反して、そのルーツはおそらく、最初の研究者が回路を使用して脳のニューロンを再現し始めた 1940 年代にまで遡ることができます。 1957 年、Mark I パーセプトロンがこの分野で最初の大きな成功を収めました。このマシンは入力データを独自に分類できるようになりました。そうすることで、デバイスは以前の試行での間違いから学習し、時間の経過とともに分類を改善します。それ以来、基礎が築かれ、研究者たちはこの技術の可能性と潜在力に魅了されてきました。同時に、私たちは生活のあらゆる分野で毎日 AI に遭遇しています。音声認識からインテリジェントなチャットボット、パーソナライズされた治療計画まで、機械学習はさまざまなアプリケーションで使用されています。
△ Mark I のパーセプトロンは、その後の機械学習の基礎を築きました。
教師ありおよび教師なし機械学習<br /> 機械学習の範囲では、さまざまな方法とモデルを区別することが重要です。すべての機械学習が同じように作られているわけではありません。たとえば、教師あり機械学習と教師なし機械学習を区別する必要があります。教師あり機械学習には、カテゴリデータ (入力データ) とターゲット変数 (出力データ) が必要です。これらからモデルが導出され、新しい未分類のデータが検査され、これらのデータ自体のターゲット変数が決定されます。この形式の機械学習は、メンテナンス間隔の予測などの予測に使用されます。
教師なし機械学習では、出発点として、その逆が当てはまります。ソフトウェアにはターゲット変数 (出力データ) はありませんが、入力データに基づいてパターンを識別したり、解決策を提案したりする必要があります。このタイプの機械学習は、とりわけマーケティングにおいて、顧客のグループ、いわゆる「クラスター」を識別するために使用されます。しかし、他にも違いはあります。例えば、大量の生データの中から少量の定義済みデータのみを使用してモデルをトレーニングする半教師あり学習や、システムが定義済みのルールに基づいて自ら学習する強化学習もあります。したがって、ユーザーは元のデータとターゲット変数に基づいて適切な方法を選択する必要があります。
機械学習は積層造形にどのように応用されるのでしょうか?
デジタル生産プロセスとして、積層造形は機械学習の機能の恩恵を受けます。 AM バリューチェーンに沿って無数のリアルタイムデータが収集および処理されるため、それらを使用して実際の状態を分析し、その後、目標状態を再定義できます。そうするには、企業はまずどのデータが関連しているかを判断する必要があります。この決定は、それぞれのケースで使用されるプロセスによって異なります。次のステップは、データの収集と処理のための適切なモデルまたはアルゴリズムを定義する前に、値を取得するための適切な測定ツールを見つけて統合することです。この文脈では、付加的なバリューチェーンに沿ったすべてのステップが相互に影響し合うことを理解することも重要です。そのため、ほとんどの場合、孤立した見方は適切ではありません。たとえば、設計は後続のコンポーネントの品質に影響を与えますが、必要なコンポーネントの品質は設計に影響を与えます。このため、積層造形プロセスで AI の利点を最適に活用できる包括的なソフトウェアソリューションを提供しようとする企業が増えています。
インテリジェントデザイン<br /> すべての 3D プリント部品の始まりはファイルであり、ほとんどの場合は CAD ファイルです。企業が AI の恩恵を受けることができるのはすでにこの段階です。たとえば、現在市場に出回っているほとんどのソフトウェアソリューションでは、AI を使用して、事前に決定された変数に基づいてユーザーにスマートなデザインのバリエーションを提案しています。このプロセスは、ジェネレーティブデザインなどと呼ばれます。機械学習はトポロジー最適化にも使用されています。多くのソフトウェアソリューションでは、製造方法、材料、設置スペースの最適な使用に関する推奨事項も提供されます。これによりコストを節約し、部品をより効率的に、より持続的に生産できるようになります。
△nTopソフトウェアのシミュレーションツールは、格子構造のいくつかのバリエーションを提案し、重量と機械的特性に応じてランク付けしました（画像提供：nTopology）
品質保証<br /> 3D 印刷ファイルが最適化されている場合は、使用される 3D 印刷プロセス、材料の品質、部品の品質に重点が置かれる可能性があります。現在、多くのメーカーが、印刷を追跡し、必要に応じてアラームを鳴らしたり印刷を停止したりするカメラやセンサーをマシンに統合しています。このステップでは、必要な測定値を定義できるように、印刷プロセス中に部品の品質を定義する方法を知ることが重要です。どのしきい値でマシンがどのアクションを実行するかを定義することも重要です。現在、一部のアルゴリズムでは、これらのパラメータを独自に定義し、すでに収集されたデータに基づいてモデルをさらに開発することができます。これは実際の例で説明するのが一番です。
EOS はスイスのソフトウェアプロバイダー NNAISENSE と協力して、DMLS プロセス用のデジタルツインを開発しました。印刷プロセス中に、光トモグラフィー (OT) を使用して各印刷層から熱画像が取得され、AI によって予測された画像と比較されます。これにより、異常を即座に検出し、必要に応じて印刷プロセスを停止できるため、材料とコストを節約できます。 NNAISENSE によって開発されたモデルは、自己教師型のディープラーニング戦略です。シーメンスは、人工知能と機械学習を使用した付加製造（AM）品質保証により、試作品から完成部品までの時間を短縮し、大量生産の効率を高めることができると強調しています。同社は、印刷された部品上の粉末の不足 (左) や再コーティング中の粉末の落下 (右) をリアルタイムで識別できるため、印刷された個々の層を監視するための EOS 統合カメラを高く評価しています。 △写真左：粉不足による異常事態、写真右。再塗装時のミス（画像提供：シーメンス）
各コーティングの品質は数値として記録され、自動的に評価されます。このいわゆる重大度スコアが特定のしきい値に達すると、コーティングに重大な問題があることを示している可能性があります (上記の例のように)。同社によれば、これにより重要な層のみを専門家が評価すればよいため、光学検査が簡素化されるという。
さらなる応用
Post Process の後処理ソフトウェア AUTOMAT3D は、主要なプロセス要素をリアルタイムで監視し、自律的に反応して 3D プリント部品の最高の仕上がりを実現します。これを実現するために、同社は数十万個のベンチマーク部品のデータを活用しています。さらに、ワークフローの自動化と最適化に AI がますます使用されるようになっています。スマートセンサーは主要コンポーネントにインストールされ、インテリジェントな予防保守、つまり「予知保全」のための測定ツールとして機能します。今後数年間、製造業者の生産プロセスにおける機械学習の応用は増加し続けると予想されます。人工知能と高度な機械学習の世界市場は、2028年までに4,713.9億米ドルに達し、CAGR 35.2%で成長すると予想されています。

付加製造における人工知能の重要性

研究者はSLS技術を使用して生分解性PBATベースの複合材料を作成

EBSM 電子ビーム 3D プリントで 2,000 個のチタン合金シムを製造し、水中翼サーフボードが風や波に乗れるようにする

西華病院が世界初の3Dプリント膝蓋骨人工インプラントを完成

安徽省蕪湖市、メーカー教育の大きな動き - 「100校に3Dプリント」プロジェクト開始

ORNLの研究者が新しいリグニンナイロン複合3Dプリント材料を開発

強力な組み合わせ！医療用3Dプリント技術企業2社が合併を正式に発表

家庭教育と学校教育における3Dプリンターの応用展望

Caracol AM、Formnext 2024で初の金属3Dプリンターを発表

ワイヤアーク積層造形法（WAAM）構造用鋼の微細構造と腐食挙動：従来の圧延との比較！

歴史的遺物分野における3Dプリントの新たな用途の発見

推薦する

デジタルトランスフォーメーションが3Dプリントサービス市場にもたらす機会と課題

HPとデロイトが3Dプリンティングとデジタル製造の提携を結成

3Dプリントインプラントが10代の少女の歩行能力回復を助ける

ScanTech、大型ワークや複数ワークの同時スキャンに対応したrackScan-Sharpトラッキング3Dスキャンシステムをリリース

広州雷佳金属3Dプリンターが[2022年国内重点3Dプリント製品]に選出

農業における3Dプリントの最新動向

こんにちは、私の名前はC919です。明日出発します！ 3Dプリントは大きく貢献した

東京国際産業展で我が国の3Dプリンターが国際舞台で魅力を披露

【テクニカルヒント】ポリマー 3D プリント測定の科学的ロードマップ

市販の「3Dプリントハウス」技術は、文化や観光の町のプロジェクトに初めて力を与えるかもしれない。

レースと自動車分野における3D計測と3Dプリント技術の応用に関する詳細な分析

鄭州大学第三付属病院は3Dプリント技術を使用して3歳児の頭蓋骨癒合症を治療する

付加製造における人工知能の変革における5つの重要な問題

2023 年最初の科学論文: ほぼ 100% の予測率で 3D プリントの欠陥をリアルタイムで検出

2025年のAMUG（積層造形ユーザーグループ）会議がまもなく始まります。自動車と積層造形の完璧な組み合わせ