Fraunhofer通過人工智能用于激光熔覆過程，實現更高效的修復

根據3D科學谷的市場觀察，3D打印-增材制造工藝正在超越傳統生產技術，因為增材制造工藝不僅更靈活，而且在某些應用中更經濟、更實用。不過在很多情況下，增材制造的加工效率仍然落后于傳統工藝。

Fraunhofer正在用人工智能 (AI) 解決這個問題：多虧了用于過程控制的新軟件，特別是激光材料沉積將自動優化并變得更加高效。

人工智能照進3D打印的現實

根據3D科學谷，基于增材思維的先進設計與智能制造, 與新一代人工智能技術深度融合，形成高吞吐量、高產品質量控制能力、高產品復雜性的新一代智能制造技術，進而成為第四次工業革命的核心技術引擎。像這種外徑約為 140 毫米的碎石機齒這樣的磨損部件通過 LMD 工藝進行修復。由于人工智能，修復不規則表面的過程將得到優化。

作為德國與加拿大的 3+2 資助計劃的一部分，AI-SLAM 項目由德國聯邦教育和研究部資助，加拿大方面由 NRC 資助。重點是利用人工智能為工業生產開發新技術。各個項目來自各行各業的真實需求。覆蓋的應用范圍廣泛；包括來自采礦和能源部門的需求，到汽車工業和電信，再到建筑和基礎設施管理領域的需求，該資助將持續到 2024 年 3 月。

© Apollo Machine and Welding Ltd，加拿大。

/ 人工智能優化工藝參數/ 數據捕捉+算法

來自加拿大的機器制造商Apollo為采礦和石油行業提供開采設備，其中采礦業使用的碎石機齒需要定期檢修。通過使用激光材料沉積 (LMD)-金屬3D打印工藝，可以在磨損部件上沉積金屬層，直到重建原始幾何形狀。

此修復過程中的問題是零件的不均勻磨損，這意味著必須應用不同厚度的層。操作員必須在每個涂層步驟之后或至少在每十層之后測量它并重新調整過程。

在“用于人工智能增強自適應激光增材制造 AI-SLAM ”的項目中，德國和加拿大的合作伙伴正在共同為開采設備制造商開發可用于自動運行 LMD 過程的軟件。為此，系統會在涂層過程中自動記錄幾何形狀，檢測與指定輪廓的偏差并重新調整工藝參數，例如進給速率。

在人工智能的幫助下計算出優化的控制參數，該軟件分析更大的數據集，并獨立學習如何迭代改進流程。這個為期三年的項目的最新里程碑是在弗勞恩霍夫激光研究所-Fraunhofer ILT 為掃描組件和自動路徑規劃調試軟件功能。

在德國方面，位于德國亞琛的弗勞恩霍夫激光技術研究所 ILT 和軟件開發商 BCT 參與了 AI SLAM項目。在加拿大，該項目由加拿大國家研究委員會 NRC 協調。該項目的重點非常復雜：基本上，必須系統地收集和處理盡可能多的過程數據。然后，從這些數據中，通過人工智能自動學習如何優化過程控制，以便最終以更少的努力生產更多產品。

得益于定期的視頻會議和共同準備的在線文件，德國和加拿大的合作項目工作順利進行。在虛擬實驗室參觀中，合作伙伴已經熟悉了彼此的軟件和硬件環境。為了交換過程數據和實施機器學習模型，mlOS機器學習操作系統已向所有項目合作伙伴開放。

在制造業中使用 AI 的方法有多種，通常從分析圖像或其他數據開始。有了人類“老師”給予的人工智能的算法，人工智能甚至可以識別復雜數據中的結構。因此，它可以在早期檢測到與預定義最佳值的偏差，從而可以對過程進行調節。當數據的記錄和處理與過程控制相結合形成一個自主過程時，就達到了最高水平：智能化調整加工策略。

在制造業中使用 AI 的方法有多種，通常從分析圖像或其他數據開始。有了人類“老師”給予的人工智能的算法，人工智能甚至可以識別復雜數據中的結構。因此，它可以在早期檢測到與預定義最佳值的偏差，從而可以對過程進行調節。當數據的記錄和處理與過程控制相結合形成一個自主過程時，就達到了最高水平：智能化調整加工策略。

在3D打印方面，根據3D科學谷的了解，弗勞恩霍夫激光技術研究所Fraunhofer ILT目前能夠通過 AI 顯著改善金屬 3D 打印的結果。在激光粉末床選區金屬熔化 (LPBF) 工藝系統中，使用高分辨率 HDR 相機對每一層中的組件表面進行拍照。圖像數據可以捕捉到兩種影響：一方面，可以測量過程中組件可能發生的翹曲；另一方面，可以仔細檢查表面的粗糙度。因此，可以在生產過程中對缺陷進行分類。

當然，Fraunhofer的研究步伐不會僅僅停留在單臺設備的自適應上，根據3D科學谷的了解，2020年初，Fraunhofer IPT弗勞恩霍夫生產技術研究所IPT和瑞典移動網絡供應商愛立信共同開發了“歐洲5G工業園區”的概念，監視和控制高度復雜制造過程的5G傳感器，移動機器人，物流和多站點生產鏈，分布式制造控制，區塊鏈，人工智能與邊緣云計算等等正在以未來已來的方式呈現在我們面前。

《暗知識》表示，可以感知，在不久的未來，下一步的人工智能將跨越單臺3D打印設備，實現設備與設備之間的協調與工藝優化。如果說算法是引擎的設計，那么算力是引擎的馬力，而數據是引擎的燃料。© 3D科學谷白皮書

在人工智能的幫助下，激光參數也可以在過程中進行特定的更改，以便對過程狀態的變化做出動態反應。這提高了零件的質量，并在缺陷發生之前加以預防。工智能不僅使用戶能夠優化生產流程，實現零缺陷生產。在具有大量復雜數據的過程中，例如現代光學的發展，人工智能也降低了復雜性。開發過程變得更加清晰、更加確定并且更少依賴于個別專家的直覺。

根據3D科學谷的市場了解，在商業化方面，具有集成 AI 的過程監控系統將支持這種轉變，并實現從全細節測試演變為智能測試的直接方法。根據3D科學谷的市場觀察，國際上通過AI來進行增材制造加工質量控制的商業化軟件公司目前包括以色列的printsyst，美國的addiguru，德國的nebumind，以及瑞士的Nnaisense 。

回過頭來看增材制造，其發展趨勢就像電視，從原來黑白相間，連人影都看得默默糊糊的小“盒子”，再到彩色電視，再到現在的超薄大屏幕的數字電視，其發展中脫胎換骨的感覺讓人無法將這一技術定格在電視曾經的模樣。

這其中，軟件發揮了重要的作用…年輕的3D打印產業正期待著一個完全自動化的工廠，進行生產的不只是一個產品，而是幾百個，甚至上千個的數字串行制造模式。

軟件讓3D打印更快、更聰明、更高效…

基于算法的軟件正在賦能整個世界，3D科學谷認為很快3D打印行業會發現，一家3D打印企業最好團隊中有一些人精通算法，或者可以編寫代碼或者善于使用軟件，否則這樣的企業將變得寸步難行。