Исследователи из Инженерного колледжа FAMU-FSU совершенствуют технологию 3D-печати, обучая машины учиться друг у друга.
В новом исследовании, опубликованном в IEEE Transactions on Automation Science and Engineering , исследователи показали, как данные с одного принтера могут использоваться другими машинами для повышения эффективности и качества.
«Облачное производство, наряду с Интернетом вещей (IoT), является новой технологией», — сказал соавтор статьи Хуэй Ван, доцент инженерного колледжа FAMU-FSU. «Эта технология демонстрирует, что данные, генерируемые несколькими производственными машинами, могут быть своевременно переданы каждой из них, а производство может быть реализовано в виде онлайн-сервисов для удовлетворения разнообразных потребностей рынка».
Согласно отчету о тенденциях 3D-печати Hubs 2021, подготовленному производственной платформой по запросу, мировой рынок 3D-печати в 2020 году вырос на 21 процент, несмотря на последствия всемирной пандемии. Эта растущая отрасль ускоряется, чтобы печатать все, от металла до биологических материалов. Идет гонка за оптимизацию этих процессов для получения конкурентного преимущества.
Ван и его коллеги работают над разработкой новых алгоритмов обучения и способов управления процессом печати. Небольшие различия в движении сопла принтера могут вызвать отклонения в обработке и дефекты в готовой конструкции. Их метод использует данные, совместно используемые машинами, для уменьшения дефектов печати.
Исследователи подключили разные принтеры к облачной платформе, а затем заставили машины обмениваться данными о точной обработке, что сократило время, необходимое для их подготовки и калибровки.
Исследователи также разработали математическую модель , чтобы лучше понять процесс печати, сказал Ан-Цун Вей, докторант кафедры промышленного и машиностроения колледжа и соавтор статьи.
«Мы можем оценить качество геометрической печати и связанные с этим дефекты, которые могут возникнуть в модели», — сказала она. «Эта информация может быть использована для расчета корректировок, необходимых во входных параметрах печати, чтобы компенсировать эти ошибки».
Традиционное машинное обучение требует большого количества экспериментальных данных, которые может быть сложно собрать. Принтеры, используемые в производстве, должны быть быстро перенастроены для решения новых задач. Технология трансферного обучения позволяет различным процессам печати обмениваться опытом, что ускоряет этот процесс. Исследование демонстрирует возможность использования исторически общих данных от взаимосвязанных 3D-принтеров для сокращения времени тестирования и улучшения конечного продукта.
«Благодаря сокращенному тестированию мы можем быстрее улучшить контроль качества и, таким образом, быстро перекалибровать процессы печати для удовлетворения разнообразных требований рынка», — сказал Ван. «Это особенно подходит для массового производства персонализированных продуктов, производственной парадигмы, предусмотренной в будущем».
Ван называет это трансферное обучение способом достижения «группового интеллекта», с помощью которого несколько обучающихся агентов (учащихся) сотрудничают, чтобы превзойти одного учащегося. Технология может быть применена к различным продуктам с использованием различных материалов.
Теги: IoT
