編者按：本文來(lái)自微信公眾號(hào)“靖哥3D打印”（ID:gh_d599e1b42ab3）作者： 熊異博士，3D打印資源庫(kù)經(jīng)授權(quán)發(fā)布。

3D打印工藝中，應(yīng)用端的設(shè)計(jì)、新材料/工藝的開(kāi)發(fā)、過(guò)程的反饋，當(dāng)前依然強(qiáng)烈的依賴于行業(yè)從業(yè)者的經(jīng)驗(yàn)。而對(duì)于該工藝中所產(chǎn)生的海量數(shù)據(jù)，經(jīng)驗(yàn)及分析能力的上限并不是很高。借助于計(jì)算機(jī)強(qiáng)大的運(yùn)算能力，采用機(jī)器學(xué)習(xí)的方法，能夠高效的開(kāi)發(fā)更多的新材料，實(shí)現(xiàn)更精準(zhǔn)的設(shè)計(jì)，也能夠更有效的實(shí)現(xiàn)實(shí)時(shí)質(zhì)量控制。
靖哥有幸邀請(qǐng)到3D打印行業(yè)專家熊異教授，為我們解讀機(jī)器學(xué)習(xí)在3D打印中的應(yīng)用。

【作者簡(jiǎn)介】
熊異，南方科技大學(xué)系統(tǒng)設(shè)計(jì)與智能制造學(xué)院助理教授，博導(dǎo)。2016年畢業(yè)于芬蘭阿爾托大學(xué)工程設(shè)計(jì)與制造專業(yè)，獲博士學(xué)位。2016年至2017年，任比利時(shí)法蘭德斯制造研究所長(zhǎng)聘工程師，參與多項(xiàng)工業(yè)級(jí)增材制造軟硬件系統(tǒng)的開(kāi)發(fā)。2017-2020年，在新加坡科技與設(shè)計(jì)大學(xué)數(shù)字制造和設(shè)計(jì)中心擔(dān)任研究員（二級(jí)）。主要研究領(lǐng)域包括：設(shè)計(jì)制造一體化，面向增材制造的設(shè)計(jì)，自適應(yīng)工藝優(yōu)化，和智能增材制造系統(tǒng)開(kāi)發(fā)。

機(jī)器學(xué)習(xí)方法在3D打印中應(yīng)用淺析

在前幾期的文章里，唐云龍博士系統(tǒng)的介紹了以3D打印技術(shù)為基礎(chǔ)的數(shù)字化設(shè)計(jì)與制造流程及其軟件工具鏈淺談數(shù)字設(shè)計(jì)與制造軟件在3D打印領(lǐng)域的應(yīng)用（http://www.ryphqz.cn/thread-14988-1-1.html），淺談數(shù)字設(shè)計(jì)與制造軟件在3D打印領(lǐng)域的應(yīng)用(下）（http://www.ryphqz.cn/thread-14989-1-1.html）。在該數(shù)字化開(kāi)發(fā)過(guò)程中，數(shù)據(jù)流貫穿產(chǎn)品生命周期的各個(gè)環(huán)節(jié)。如圖1所示，從幾何建模、結(jié)構(gòu)優(yōu)化、到工藝規(guī)劃、在線監(jiān)控、后處理過(guò)程，直至最終性能測(cè)試環(huán)節(jié)，產(chǎn)品的幾何形狀、材料構(gòu)成、工藝參數(shù)、監(jiān)控和測(cè)試數(shù)據(jù)等信息依次匯入到數(shù)據(jù)流中。與此同時(shí)，各環(huán)節(jié)涉及大量決策過(guò)程并深刻影響成型件的性能及工藝可靠性。

然而，當(dāng)前的設(shè)計(jì)決策仍然極大程度上依靠成本昂貴的物理實(shí)驗(yàn)、可信度尚待提高的仿真模型、亦或是需要多年積累的專家經(jīng)驗(yàn)。如何提高3D打印過(guò)程中決策自動(dòng)化程度以快速、高效獲得最優(yōu)參數(shù)來(lái)提高成型件的性能及工藝可靠性成為亟需解決的問(wèn)題。由于3D打印完全建立在數(shù)據(jù)流上的先天優(yōu)勢(shì)，其同機(jī)器學(xué)習(xí)方法的結(jié)合為破解上述問(wèn)題提供了新的思路。接下來(lái)，我們順著數(shù)字化設(shè)計(jì)與制造流程，淺析幾個(gè)機(jī)器學(xué)習(xí)方法在3D打印中已經(jīng)應(yīng)用的案例，并展望其未來(lái)。

圖表 1 貫穿增材制造產(chǎn)品全生命周期的數(shù)據(jù)流及其對(duì)應(yīng)決策過(guò)程 [1]

1）設(shè)計(jì)中的應(yīng)用
眾所周知，增材制造技術(shù)的出現(xiàn)使得開(kāi)發(fā)具有復(fù)雜結(jié)構(gòu)的零件成為可能。拓?fù)鋬?yōu)化、輕質(zhì)結(jié)構(gòu)設(shè)計(jì)等方法也借此契機(jī)再次復(fù)興。然而在筆者看來(lái)，傳統(tǒng)的優(yōu)化設(shè)計(jì)方法過(guò)于注重尋求具有性能最優(yōu)（往往是剛度最大）的單點(diǎn)設(shè)計(jì)（Point-based Design），而忽視了實(shí)際工況同優(yōu)化初始條件的不同。另一方面，由于現(xiàn)有的拓?fù)鋬?yōu)化模型采用基于靈敏度的方法，其無(wú)法很好的同時(shí)考慮產(chǎn)品設(shè)計(jì)的其他需求，如創(chuàng)新性、制造成本等。針對(duì)該問(wèn)題，韓國(guó)學(xué)者在拓?fù)鋬?yōu)化方法的基礎(chǔ)上綜合生成對(duì)抗式網(wǎng)絡(luò)（generativeadversarial networks），以實(shí)現(xiàn)生成一組候選設(shè)計(jì)并同時(shí)考慮多個(gè)設(shè)計(jì)目標(biāo)[2]。

圖 1 拓?fù)鋬?yōu)化同生成式模型結(jié)合在輪轂設(shè)計(jì)上的應(yīng)用[2]

在商業(yè)運(yùn)用上，雖然早在2017年法國(guó)3D打印服務(wù)商Sculpteo就發(fā)布了一套針對(duì)金屬工藝的專用在線軟件Agile Metal Technology，并號(hào)稱是第一款能夠運(yùn)用人工智能技術(shù)以幫助用戶檢查CAD模型質(zhì)量，并推薦材料和相關(guān)工藝設(shè)置的軟件。然而目前來(lái)看，該軟件的后續(xù)應(yīng)用卻不盡人意。

2）工藝規(guī)劃上的應(yīng)用
每當(dāng)有新的3D打印設(shè)備或采用新材料時(shí)，尋找合適的工藝參數(shù)成為一項(xiàng)極為耗時(shí)費(fèi)力的工作。操作者往往需要通過(guò)實(shí)驗(yàn)設(shè)計(jì)（DoE）并開(kāi)展大量物理實(shí)驗(yàn)以確定合理的工藝參數(shù)窗口。而基于機(jī)器學(xué)習(xí)的方法僅需要少量實(shí)驗(yàn)即可通過(guò)訓(xùn)練回歸模型來(lái)擬合工藝參數(shù)與性能之間的復(fù)雜映射關(guān)系。如圖 1所示，美國(guó)海軍部研究人員通過(guò)相關(guān)模型確定了激光功率、停留時(shí)間、掃描距離與制成件密度之間的關(guān)聯(lián)。如此以來(lái)，當(dāng)給定某項(xiàng)性能目標(biāo)時(shí)，工藝工程師可以快速的找到對(duì)應(yīng)工藝參數(shù)設(shè)置。筆者自身也曾經(jīng)針對(duì)電弧填絲焊工藝，采用基于高斯過(guò)程的代理模型擬合工藝參數(shù)與單道幾何尺寸之間的關(guān)系，并通過(guò)該模型快速實(shí)現(xiàn)了變道寬路徑填充的工藝參數(shù)優(yōu)化。喜歡動(dòng)手的朋友不妨采用Python或Matlab中已有的相關(guān)代理模型算法結(jié)合身邊的打印機(jī)實(shí)際驗(yàn)證下。

圖 2（a）工藝參數(shù)同制成件密度映射關(guān)系；（b）模型預(yù)測(cè)密度與實(shí)測(cè)值比較[3]

3）在線監(jiān)控上的應(yīng)用
工藝過(guò)程的在線監(jiān)控對(duì)于推動(dòng)3D打印在工業(yè)大規(guī)模應(yīng)用有著極其重要的意義。一方面，通過(guò)監(jiān)測(cè)可能出現(xiàn)的缺陷信號(hào)以及時(shí)修正和控制相關(guān)工藝有助于提供工藝可靠性；另一方面，記錄的制造工藝參數(shù)信息也使得成型件質(zhì)量可追溯，有助于推動(dòng)3D打印在航空航天等高端應(yīng)用的落地。由于3D打印監(jiān)控過(guò)程往往產(chǎn)生海量的數(shù)據(jù)，傳統(tǒng)的基于統(tǒng)計(jì)的信號(hào)處理手段無(wú)法滿足實(shí)時(shí)性要求。因此，機(jī)器學(xué)習(xí)方法，尤其是分類方法已被廣泛應(yīng)用于缺陷的預(yù)警和識(shí)別。

數(shù)字化服務(wù)巨頭源訊（Atos）推出了預(yù)測(cè)控制系統(tǒng)（PredictiveMonitoring System）通過(guò)布置傳感器以采集相關(guān)數(shù)據(jù)，同時(shí)運(yùn)用機(jī)器學(xué)習(xí)方法處理相關(guān)數(shù)據(jù)以改變前序設(shè)計(jì)和記錄相關(guān)質(zhì)量信息。

圖 3 源訊（Atos）推出的預(yù)測(cè)控制系統(tǒng)

挑戰(zhàn)與展望

從以上的簡(jiǎn)要介紹中，我們不難發(fā)現(xiàn)機(jī)器學(xué)習(xí)方法在提高成型件的質(zhì)量及工藝可靠性的不同環(huán)節(jié)上已經(jīng)牛刀小試。然而，如何通過(guò)機(jī)器學(xué)習(xí)方法真正的使3D打印從數(shù)字化制造變?yōu)橹悄苤圃?，前路依然漫漫?？傮w來(lái)看，其挑戰(zhàn)可概括為以下幾個(gè)方面。

1）數(shù)據(jù)稀缺
雖然如前文所述3D打印是數(shù)字化設(shè)計(jì)與制造流程，但是實(shí)際上真正能運(yùn)用的數(shù)據(jù)卻極為稀缺。一方面，由于軟件和硬件提供商并不開(kāi)放底層權(quán)限，大量數(shù)據(jù)僅在封閉系統(tǒng)內(nèi)流動(dòng)，無(wú)法為我們所用。另一方面，缺乏全面、系統(tǒng)、開(kāi)放、權(quán)威的數(shù)據(jù)庫(kù)能夠提供涵蓋從材料制備到性能測(cè)試的全流程信息，研究者們不得不另起爐灶做很多重復(fù)性的工作。

為解決該問(wèn)題，已經(jīng)有人率先行動(dòng)起來(lái)。美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究所（NIST）推動(dòng)的增材制造材料數(shù)據(jù)庫(kù)（The AdditiveManufacturing Material Database, AMMD）提供了一個(gè)協(xié)作開(kāi)源平臺(tái)用于共享增材制造相關(guān)數(shù)據(jù)，其數(shù)據(jù)包含成型件對(duì)應(yīng)的材料、設(shè)備、和工藝等三個(gè)方面。另外，以Senvol為代表的公司通過(guò)提供增材制造數(shù)據(jù)以協(xié)助產(chǎn)品設(shè)計(jì)的商業(yè)模式。其數(shù)據(jù)庫(kù)已涵蓋1000多種增材制造機(jī)器及對(duì)應(yīng)的850多種材料。值得注意的是ANSYS去年剛納入麾下的久負(fù)盛名的材料信息軟件GRANTA已同SENVOL建立數(shù)據(jù)接口，提供增材制造材料和工藝方面的比較與選擇。

圖 4 GRANTA 軟件中增材制造成型件材料性能的比較

2）數(shù)據(jù)復(fù)雜
眾所周知，大數(shù)據(jù)具有5V的特征。而針對(duì)3D打印工藝，其產(chǎn)品相關(guān)數(shù)據(jù)的特點(diǎn)可以概括為3V，即Volume，Velocity，和Variety。首先，其數(shù)據(jù)量大（Volume），在激光選區(qū)熔融工藝中，制造1x1x1cm零件所涉及的掃描矢量可達(dá)百萬(wàn)級(jí)；同時(shí)，無(wú)論是在線監(jiān)測(cè)傳感器數(shù)據(jù)還是測(cè)試過(guò)程中的CT掃描數(shù)據(jù)，僅單一零件就在TB級(jí)別。其次，是數(shù)據(jù)產(chǎn)生速度快（Velocity），由于熔池狀況瞬息萬(wàn)變，采用視覺(jué)捕捉其實(shí)時(shí)信息需要高達(dá)75GB/S的速率。再者，數(shù)據(jù)呈現(xiàn)極度的異質(zhì)性（Variety），其中具體包括三維幾何模型，二維圖像或視頻、點(diǎn)云、聲音、以及各種模擬、數(shù)字信號(hào)。上述三個(gè)特點(diǎn)，每一個(gè)都需要研究對(duì)應(yīng)的處理策略，開(kāi)發(fā)合適算法，真正從數(shù)據(jù)富裕環(huán)境（Data-rich Environment）中挖掘出有意義的信息。

3）合適算法
文中所討論的大部分機(jī)器學(xué)習(xí)在3D打印中的應(yīng)用都采用的是十分成熟的基于圖像的算法，如深度神經(jīng)卷積網(wǎng)絡(luò)等。針對(duì)3D打印中普遍使用的三維幾何模型，雖然也可以通過(guò)體素化將其轉(zhuǎn)化為適用VoxNet等在內(nèi)的三維卷積神經(jīng)網(wǎng)絡(luò)。然而，該方法由于會(huì)造成精度折損，無(wú)法應(yīng)用于復(fù)雜的幾何模型。正如自動(dòng)駕駛領(lǐng)域圖像處理需求推動(dòng)了對(duì)應(yīng)機(jī)器學(xué)習(xí)算法的發(fā)展，增材制造領(lǐng)域?qū)τ谔幚韽?fù)雜、大規(guī)模、非結(jié)構(gòu)化的表面模型（如STL）的需求也必然會(huì)帶來(lái)相應(yīng)的算法研究。

結(jié)語(yǔ)

由于篇幅有限，本文僅對(duì)3D打印設(shè)計(jì)制造流程中三個(gè)代表性環(huán)節(jié)，簡(jiǎn)要的討論了機(jī)器學(xué)習(xí)方法在提高成型件的性能及工藝可靠性上的初步應(yīng)用。希望該短文能夠啟發(fā)更多的研究者、使用該思路解決3D打印中遇到的相關(guān)實(shí)際問(wèn)題。


參考文獻(xiàn)
[1] Razvi, Sayyeda Saadia, et al. "Areview of machine learning applications in additive manufacturing." ASME2019 International Design Engineering Technical Conferences and Computers andInformation in Engineering Conference.American Society of Mechanical Engineers Digital Collection, 2019.
[2] Oh, Sangeun, et al. "Deepgenerative design: Integration of topology optimization and generativemodels." Journal of Mechanical Design 141.11 (2019).
[3] Senvol: How machine learning is helpingthe U.S. Navy optimize AM process parameters and material performance. MetalAdditive Manufacturing, 5(1), (2019)

本文經(jīng)授權(quán)發(fā)布，不代表3D打印資源庫(kù)立場(chǎng)。如若轉(zhuǎn)載請(qǐng)聯(lián)系原作者。

編者按：本文來(lái)自微信公眾號(hào)“靖哥3D打印”（ID:gh_d599e1b42ab3）作者： 熊異博士，3D打印資源庫(kù)經(jīng)授權(quán)發(fā)布。

3D打印工藝中，應(yīng)用端的設(shè)計(jì)、新材料/工藝的開(kāi)發(fā)、過(guò)程的反饋，當(dāng)前依然強(qiáng)烈的依賴于行業(yè)從業(yè)者的經(jīng)驗(yàn)。而對(duì)于該工藝中所產(chǎn)生的海量數(shù)據(jù)，經(jīng)驗(yàn)及分析能力的上限并不是很高。借助于計(jì)算機(jī)強(qiáng)大的運(yùn)算能力，采用機(jī)器學(xué)習(xí)的方法，能夠高效的開(kāi)發(fā)更多的新材料，實(shí)現(xiàn)更精準(zhǔn)的設(shè)計(jì)，也能夠更有效的實(shí)現(xiàn)實(shí)時(shí)質(zhì)量控制。
靖哥有幸邀請(qǐng)到3D打印行業(yè)專家熊異教授，為我們解讀機(jī)器學(xué)習(xí)在3D打印中的應(yīng)用。

【作者簡(jiǎn)介】
熊異，南方科技大學(xué)系統(tǒng)設(shè)計(jì)與智能制造學(xué)院助理教授，博導(dǎo)。2016年畢業(yè)于芬蘭阿爾托大學(xué)工程設(shè)計(jì)與制造專業(yè)，獲博士學(xué)位。2016年至2017年，任比利時(shí)法蘭德斯制造研究所長(zhǎng)聘工程師，參與多項(xiàng)工業(yè)級(jí)增材制造軟硬件系統(tǒng)的開(kāi)發(fā)。2017-2020年，在新加坡科技與設(shè)計(jì)大學(xué)數(shù)字制造和設(shè)計(jì)中心擔(dān)任研究員（二級(jí)）。主要研究領(lǐng)域包括：設(shè)計(jì)制造一體化，面向增材制造的設(shè)計(jì)，自適應(yīng)工藝優(yōu)化，和智能增材制造系統(tǒng)開(kāi)發(fā)。

機(jī)器學(xué)習(xí)方法在3D打印中應(yīng)用淺析

在前幾期的文章里，唐云龍博士系統(tǒng)的介紹了以3D打印技術(shù)為基礎(chǔ)的數(shù)字化設(shè)計(jì)與制造流程及其軟件工具鏈淺談數(shù)字設(shè)計(jì)與制造軟件在3D打印領(lǐng)域的應(yīng)用（http://www.ryphqz.cn/thread-14988-1-1.html），淺談數(shù)字設(shè)計(jì)與制造軟件在3D打印領(lǐng)域的應(yīng)用(下）（http://www.ryphqz.cn/thread-14989-1-1.html）。在該數(shù)字化開(kāi)發(fā)過(guò)程中，數(shù)據(jù)流貫穿產(chǎn)品生命周期的各個(gè)環(huán)節(jié)。如圖1所示，從幾何建模、結(jié)構(gòu)優(yōu)化、到工藝規(guī)劃、在線監(jiān)控、后處理過(guò)程，直至最終性能測(cè)試環(huán)節(jié)，產(chǎn)品的幾何形狀、材料構(gòu)成、工藝參數(shù)、監(jiān)控和測(cè)試數(shù)據(jù)等信息依次匯入到數(shù)據(jù)流中。與此同時(shí)，各環(huán)節(jié)涉及大量決策過(guò)程并深刻影響成型件的性能及工藝可靠性。

然而，當(dāng)前的設(shè)計(jì)決策仍然極大程度上依靠成本昂貴的物理實(shí)驗(yàn)、可信度尚待提高的仿真模型、亦或是需要多年積累的專家經(jīng)驗(yàn)。如何提高3D打印過(guò)程中決策自動(dòng)化程度以快速、高效獲得最優(yōu)參數(shù)來(lái)提高成型件的性能及工藝可靠性成為亟需解決的問(wèn)題。由于3D打印完全建立在數(shù)據(jù)流上的先天優(yōu)勢(shì)，其同機(jī)器學(xué)習(xí)方法的結(jié)合為破解上述問(wèn)題提供了新的思路。接下來(lái)，我們順著數(shù)字化設(shè)計(jì)與制造流程，淺析幾個(gè)機(jī)器學(xué)習(xí)方法在3D打印中已經(jīng)應(yīng)用的案例，并展望其未來(lái)。

圖表 1 貫穿增材制造產(chǎn)品全生命周期的數(shù)據(jù)流及其對(duì)應(yīng)決策過(guò)程 [1]

1）設(shè)計(jì)中的應(yīng)用
眾所周知，增材制造技術(shù)的出現(xiàn)使得開(kāi)發(fā)具有復(fù)雜結(jié)構(gòu)的零件成為可能。拓?fù)鋬?yōu)化、輕質(zhì)結(jié)構(gòu)設(shè)計(jì)等方法也借此契機(jī)再次復(fù)興。然而在筆者看來(lái)，傳統(tǒng)的優(yōu)化設(shè)計(jì)方法過(guò)于注重尋求具有性能最優(yōu)（往往是剛度最大）的單點(diǎn)設(shè)計(jì)（Point-based Design），而忽視了實(shí)際工況同優(yōu)化初始條件的不同。另一方面，由于現(xiàn)有的拓?fù)鋬?yōu)化模型采用基于靈敏度的方法，其無(wú)法很好的同時(shí)考慮產(chǎn)品設(shè)計(jì)的其他需求，如創(chuàng)新性、制造成本等。針對(duì)該問(wèn)題，韓國(guó)學(xué)者在拓?fù)鋬?yōu)化方法的基礎(chǔ)上綜合生成對(duì)抗式網(wǎng)絡(luò)（generativeadversarial networks），以實(shí)現(xiàn)生成一組候選設(shè)計(jì)并同時(shí)考慮多個(gè)設(shè)計(jì)目標(biāo)[2]。

圖 1 拓?fù)鋬?yōu)化同生成式模型結(jié)合在輪轂設(shè)計(jì)上的應(yīng)用[2]

在商業(yè)運(yùn)用上，雖然早在2017年法國(guó)3D打印服務(wù)商Sculpteo就發(fā)布了一套針對(duì)金屬工藝的專用在線軟件Agile Metal Technology，并號(hào)稱是第一款能夠運(yùn)用人工智能技術(shù)以幫助用戶檢查CAD模型質(zhì)量，并推薦材料和相關(guān)工藝設(shè)置的軟件。然而目前來(lái)看，該軟件的后續(xù)應(yīng)用卻不盡人意。

2）工藝規(guī)劃上的應(yīng)用
每當(dāng)有新的3D打印設(shè)備或采用新材料時(shí)，尋找合適的工藝參數(shù)成為一項(xiàng)極為耗時(shí)費(fèi)力的工作。操作者往往需要通過(guò)實(shí)驗(yàn)設(shè)計(jì)（DoE）并開(kāi)展大量物理實(shí)驗(yàn)以確定合理的工藝參數(shù)窗口。而基于機(jī)器學(xué)習(xí)的方法僅需要少量實(shí)驗(yàn)即可通過(guò)訓(xùn)練回歸模型來(lái)擬合工藝參數(shù)與性能之間的復(fù)雜映射關(guān)系。如圖 1所示，美國(guó)海軍部研究人員通過(guò)相關(guān)模型確定了激光功率、停留時(shí)間、掃描距離與制成件密度之間的關(guān)聯(lián)。如此以來(lái)，當(dāng)給定某項(xiàng)性能目標(biāo)時(shí)，工藝工程師可以快速的找到對(duì)應(yīng)工藝參數(shù)設(shè)置。筆者自身也曾經(jīng)針對(duì)電弧填絲焊工藝，采用基于高斯過(guò)程的代理模型擬合工藝參數(shù)與單道幾何尺寸之間的關(guān)系，并通過(guò)該模型快速實(shí)現(xiàn)了變道寬路徑填充的工藝參數(shù)優(yōu)化。喜歡動(dòng)手的朋友不妨采用Python或Matlab中已有的相關(guān)代理模型算法結(jié)合身邊的打印機(jī)實(shí)際驗(yàn)證下。

圖 2（a）工藝參數(shù)同制成件密度映射關(guān)系；（b）模型預(yù)測(cè)密度與實(shí)測(cè)值比較[3]

3）在線監(jiān)控上的應(yīng)用
工藝過(guò)程的在線監(jiān)控對(duì)于推動(dòng)3D打印在工業(yè)大規(guī)模應(yīng)用有著極其重要的意義。一方面，通過(guò)監(jiān)測(cè)可能出現(xiàn)的缺陷信號(hào)以及時(shí)修正和控制相關(guān)工藝有助于提供工藝可靠性；另一方面，記錄的制造工藝參數(shù)信息也使得成型件質(zhì)量可追溯，有助于推動(dòng)3D打印在航空航天等高端應(yīng)用的落地。由于3D打印監(jiān)控過(guò)程往往產(chǎn)生海量的數(shù)據(jù)，傳統(tǒng)的基于統(tǒng)計(jì)的信號(hào)處理手段無(wú)法滿足實(shí)時(shí)性要求。因此，機(jī)器學(xué)習(xí)方法，尤其是分類方法已被廣泛應(yīng)用于缺陷的預(yù)警和識(shí)別。

數(shù)字化服務(wù)巨頭源訊（Atos）推出了預(yù)測(cè)控制系統(tǒng)（PredictiveMonitoring System）通過(guò)布置傳感器以采集相關(guān)數(shù)據(jù)，同時(shí)運(yùn)用機(jī)器學(xué)習(xí)方法處理相關(guān)數(shù)據(jù)以改變前序設(shè)計(jì)和記錄相關(guān)質(zhì)量信息。

圖 3 源訊（Atos）推出的預(yù)測(cè)控制系統(tǒng)

挑戰(zhàn)與展望

從以上的簡(jiǎn)要介紹中，我們不難發(fā)現(xiàn)機(jī)器學(xué)習(xí)方法在提高成型件的質(zhì)量及工藝可靠性的不同環(huán)節(jié)上已經(jīng)牛刀小試。然而，如何通過(guò)機(jī)器學(xué)習(xí)方法真正的使3D打印從數(shù)字化制造變?yōu)橹悄苤圃?，前路依然漫漫?？傮w來(lái)看，其挑戰(zhàn)可概括為以下幾個(gè)方面。

1）數(shù)據(jù)稀缺
雖然如前文所述3D打印是數(shù)字化設(shè)計(jì)與制造流程，但是實(shí)際上真正能運(yùn)用的數(shù)據(jù)卻極為稀缺。一方面，由于軟件和硬件提供商并不開(kāi)放底層權(quán)限，大量數(shù)據(jù)僅在封閉系統(tǒng)內(nèi)流動(dòng)，無(wú)法為我們所用。另一方面，缺乏全面、系統(tǒng)、開(kāi)放、權(quán)威的數(shù)據(jù)庫(kù)能夠提供涵蓋從材料制備到性能測(cè)試的全流程信息，研究者們不得不另起爐灶做很多重復(fù)性的工作。

為解決該問(wèn)題，已經(jīng)有人率先行動(dòng)起來(lái)。美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究所（NIST）推動(dòng)的增材制造材料數(shù)據(jù)庫(kù)（The AdditiveManufacturing Material Database, AMMD）提供了一個(gè)協(xié)作開(kāi)源平臺(tái)用于共享增材制造相關(guān)數(shù)據(jù)，其數(shù)據(jù)包含成型件對(duì)應(yīng)的材料、設(shè)備、和工藝等三個(gè)方面。另外，以Senvol為代表的公司通過(guò)提供增材制造數(shù)據(jù)以協(xié)助產(chǎn)品設(shè)計(jì)的商業(yè)模式。其數(shù)據(jù)庫(kù)已涵蓋1000多種增材制造機(jī)器及對(duì)應(yīng)的850多種材料。值得注意的是ANSYS去年剛納入麾下的久負(fù)盛名的材料信息軟件GRANTA已同SENVOL建立數(shù)據(jù)接口，提供增材制造材料和工藝方面的比較與選擇。

圖 4 GRANTA 軟件中增材制造成型件材料性能的比較

2）數(shù)據(jù)復(fù)雜
眾所周知，大數(shù)據(jù)具有5V的特征。而針對(duì)3D打印工藝，其產(chǎn)品相關(guān)數(shù)據(jù)的特點(diǎn)可以概括為3V，即Volume，Velocity，和Variety。首先，其數(shù)據(jù)量大（Volume），在激光選區(qū)熔融工藝中，制造1x1x1cm零件所涉及的掃描矢量可達(dá)百萬(wàn)級(jí)；同時(shí)，無(wú)論是在線監(jiān)測(cè)傳感器數(shù)據(jù)還是測(cè)試過(guò)程中的CT掃描數(shù)據(jù)，僅單一零件就在TB級(jí)別。其次，是數(shù)據(jù)產(chǎn)生速度快（Velocity），由于熔池狀況瞬息萬(wàn)變，采用視覺(jué)捕捉其實(shí)時(shí)信息需要高達(dá)75GB/S的速率。再者，數(shù)據(jù)呈現(xiàn)極度的異質(zhì)性（Variety），其中具體包括三維幾何模型，二維圖像或視頻、點(diǎn)云、聲音、以及各種模擬、數(shù)字信號(hào)。上述三個(gè)特點(diǎn)，每一個(gè)都需要研究對(duì)應(yīng)的處理策略，開(kāi)發(fā)合適算法，真正從數(shù)據(jù)富裕環(huán)境（Data-rich Environment）中挖掘出有意義的信息。

3）合適算法
文中所討論的大部分機(jī)器學(xué)習(xí)在3D打印中的應(yīng)用都采用的是十分成熟的基于圖像的算法，如深度神經(jīng)卷積網(wǎng)絡(luò)等。針對(duì)3D打印中普遍使用的三維幾何模型，雖然也可以通過(guò)體素化將其轉(zhuǎn)化為適用VoxNet等在內(nèi)的三維卷積神經(jīng)網(wǎng)絡(luò)。然而，該方法由于會(huì)造成精度折損，無(wú)法應(yīng)用于復(fù)雜的幾何模型。正如自動(dòng)駕駛領(lǐng)域圖像處理需求推動(dòng)了對(duì)應(yīng)機(jī)器學(xué)習(xí)算法的發(fā)展，增材制造領(lǐng)域?qū)τ谔幚韽?fù)雜、大規(guī)模、非結(jié)構(gòu)化的表面模型（如STL）的需求也必然會(huì)帶來(lái)相應(yīng)的算法研究。

結(jié)語(yǔ)

由于篇幅有限，本文僅對(duì)3D打印設(shè)計(jì)制造流程中三個(gè)代表性環(huán)節(jié)，簡(jiǎn)要的討論了機(jī)器學(xué)習(xí)方法在提高成型件的性能及工藝可靠性上的初步應(yīng)用。希望該短文能夠啟發(fā)更多的研究者、使用該思路解決3D打印中遇到的相關(guān)實(shí)際問(wèn)題。


參考文獻(xiàn)
[1] Razvi, Sayyeda Saadia, et al. "Areview of machine learning applications in additive manufacturing." ASME2019 International Design Engineering Technical Conferences and Computers andInformation in Engineering Conference.American Society of Mechanical Engineers Digital Collection, 2019.
[2] Oh, Sangeun, et al. "Deepgenerative design: Integration of topology optimization and generativemodels." Journal of Mechanical Design 141.11 (2019).
[3] Senvol: How machine learning is helpingthe U.S. Navy optimize AM process parameters and material performance. MetalAdditive Manufacturing, 5(1), (2019)

本文經(jīng)授權(quán)發(fā)布，不代表3D打印資源庫(kù)立場(chǎng)。如若轉(zhuǎn)載請(qǐng)聯(lián)系原作者。