想象一下，如果可以將照片和語音識別技術(shù)背后的人工智能應(yīng)用于3D打印零件制造，那將是3D打印失敗品的終結(jié)。通過多個傳感器發(fā)現(xiàn)人眼無法注意到的小缺陷，然后立即甚至先發(fā)制人地調(diào)整打印過程來修復它們，從而提高可靠性和零件質(zhì)量。

此前雖然有多項相關(guān)的研究，但并沒有太多實質(zhì)性的進展。如今，一家公司剛剛獲得了該領(lǐng)域的另一項專利，使他們更接近于將該技術(shù)商業(yè)化。

Nano Dimension是一家專門從事3D打印電子產(chǎn)品 (AME) 和微型聚合物、金屬和陶瓷 3D 打印的美國公司，近日，它獲得了一項與支持其基于云的3D打印平臺的神經(jīng)網(wǎng)絡(luò)相關(guān)的專利。

這項專利及其相關(guān)技術(shù)使AI解決方案能夠在全球部署的分布式3D打印機網(wǎng)絡(luò)上更有效地運行。人工智能本質(zhì)上是計算密集型，當涉及到在最需要它的地方使用它，比如在分布式網(wǎng)絡(luò)上運行，這是一個挑戰(zhàn)。該公司的最新專利已經(jīng)添加到公司名為DeepCube的人工智能學習引擎下的現(xiàn)有專利庫（20項已授權(quán)和25項正在申請中），該引擎提高了3D打印硬件的性能。

Nano Dimension的PCB 3D打印機DragonFly IV，圖片來自：Nano Dimension

根據(jù)Nano Dimension的說法，DeepCube的算法將數(shù)據(jù)分析速度提高了十倍，使其成為同類產(chǎn)品中唯一的硬件性能加速器?？紤]到3D打印機的運行速度，需要在幾分之一秒內(nèi)做出決策——類似于自動駕駛汽車所需的決策速度。該公司表示，通過克服以前用于低成本部署的人工智能模型的基礎(chǔ)設(shè)施、能源和內(nèi)存限制，可以減少內(nèi)存使用量。

Nano Dimension于2021年收購了深度學習先驅(qū)DeepCube。

Nano Dimension董事長兼首席執(zhí)行官Yoav Stern表示：“當我們收購DeepCube時，想到的前提是3D打印已經(jīng)成熟，可以被AI顛覆?！薄斑@些專利，以及其他類似的專利，都是通過努力后即將取得成果的明顯案例。我們的客戶注意到這些技術(shù)帶來的不同?！?br />
隨著3D打印向更高產(chǎn)量發(fā)展，成功可能取決于單位經(jīng)濟效益。人工智能對于提高質(zhì)量和速度以實現(xiàn)高產(chǎn)量至關(guān)重要。

Nano Dimension表示其用于硬件和3D打印糾錯的DeepCube解決方案安裝在他們打印機的特定型號中，但并非所有型號都安裝。該公司表示，它將使其以人工智能為主導的能力成為其下一代系統(tǒng)的核心組成部分。

The Spaghetti Detective 使用AI檢測打印故障，圖片來自：Cameron Coward via Hackster

人工智能在3D打印中的進步

DeepCube并不是將AI引入3D打印的唯一工具。目前正在進行多項旨在結(jié)合數(shù)據(jù)和人工智能以提高3D打印質(zhì)量和可靠性的方法。他們中的大多數(shù)成功地監(jiān)控了打印過程并收集了數(shù)據(jù)，包括視覺、熱學、X射線和超聲波數(shù)據(jù)。有些人甚至解釋數(shù)據(jù)以預(yù)測最終打印品的質(zhì)量。然而，人工智能在打印過程中自主干預(yù)并糾正錯誤的能力仍然難以捉摸。

使用AI實時糾正增材制造錯誤，圖片來自：麻省理工學院

為了實時修復打印過程，麻省理工學院的研究人員最近使用AI開發(fā)了一種機器學習系統(tǒng)，該系統(tǒng)使用計算機視覺來觀察制造過程，然后實時糾正其處理材料的方式中的錯誤。他們使用模擬來教神經(jīng)網(wǎng)絡(luò)如何調(diào)整打印參數(shù)以最大程度地減少錯誤，然后將該控制器應(yīng)用于真正的3D打印機。

通過AI機器學習算法，用于實時檢測和糾正3D打印機噴嘴錯誤的示例圖，圖片來自：劍橋大學

劍橋大學的研究人員還在開發(fā)用于“無人駕駛”3D打印機的技術(shù)，這種技術(shù)可以從其他機器的經(jīng)驗中學習，以便在制造物體時檢測和糾正錯誤，即使是在使用新設(shè)計或不熟悉的材料時也是如此。

如果等不及無人駕駛3D打印機的出現(xiàn)，當前的幾種打印故障檢測解決方案將幫助你在浪費太多時間和材料之前停止注定要失敗的打印。

可應(yīng)用于基于OEM的監(jiān)控系統(tǒng)，以提供跨機器車隊的標準比較，圖片來自：PrintRite3D

Sigma Additive Solutions的PrintRite3D使用機器學習和AI來檢測零件級別的缺陷，并可以標記金屬和聚合物粉末床熔合3D打印零件中的未熔合或異?？紫堵省碜詡惗氐腁I Build的另一個名為AISync的解決方案具有先進的模擬功能，可以在打印前捕獲錯誤，并在打印過程中進行錯誤檢測。

越來越多的3D打印工作流軟件（例如 Authentise MES平臺）擁有多種解決方案，這些解決方案具有過程中監(jiān)控和打印故障檢測功能，這些解決方案使用機器學習來預(yù)測維護。

即使是3D打印的業(yè)余愛好者，也有AI解決方案，例如免費的Nexus AI OctoPrint插件，它可以從你的OctoPrint設(shè)置捕獲圖像，并使用機器學習檢查這些照片是否存在打印故障。然后，你會在郵箱中收到打印失敗的通知，包括一張照片。類似的解決方案包括PrintWatch和Obico。

注：本文由資源庫編譯，原文作者：Carolyn。

想象一下，如果可以將照片和語音識別技術(shù)背后的人工智能應(yīng)用于3D打印零件制造，那將是3D打印失敗品的終結(jié)。通過多個傳感器發(fā)現(xiàn)人眼無法注意到的小缺陷，然后立即甚至先發(fā)制人地調(diào)整打印過程來修復它們，從而提高可靠性和零件質(zhì)量。

此前雖然有多項相關(guān)的研究，但并沒有太多實質(zhì)性的進展。如今，一家公司剛剛獲得了該領(lǐng)域的另一項專利，使他們更接近于將該技術(shù)商業(yè)化。

Nano Dimension是一家專門從事3D打印電子產(chǎn)品 (AME) 和微型聚合物、金屬和陶瓷 3D 打印的美國公司，近日，它獲得了一項與支持其基于云的3D打印平臺的神經(jīng)網(wǎng)絡(luò)相關(guān)的專利。

這項專利及其相關(guān)技術(shù)使AI解決方案能夠在全球部署的分布式3D打印機網(wǎng)絡(luò)上更有效地運行。人工智能本質(zhì)上是計算密集型，當涉及到在最需要它的地方使用它，比如在分布式網(wǎng)絡(luò)上運行，這是一個挑戰(zhàn)。該公司的最新專利已經(jīng)添加到公司名為DeepCube的人工智能學習引擎下的現(xiàn)有專利庫（20項已授權(quán)和25項正在申請中），該引擎提高了3D打印硬件的性能。

Nano Dimension的PCB 3D打印機DragonFly IV，圖片來自：Nano Dimension

根據(jù)Nano Dimension的說法，DeepCube的算法將數(shù)據(jù)分析速度提高了十倍，使其成為同類產(chǎn)品中唯一的硬件性能加速器?？紤]到3D打印機的運行速度，需要在幾分之一秒內(nèi)做出決策——類似于自動駕駛汽車所需的決策速度。該公司表示，通過克服以前用于低成本部署的人工智能模型的基礎(chǔ)設(shè)施、能源和內(nèi)存限制，可以減少內(nèi)存使用量。

Nano Dimension于2021年收購了深度學習先驅(qū)DeepCube。

Nano Dimension董事長兼首席執(zhí)行官Yoav Stern表示：“當我們收購DeepCube時，想到的前提是3D打印已經(jīng)成熟，可以被AI顛覆?！薄斑@些專利，以及其他類似的專利，都是通過努力后即將取得成果的明顯案例。我們的客戶注意到這些技術(shù)帶來的不同?！?br />
隨著3D打印向更高產(chǎn)量發(fā)展，成功可能取決于單位經(jīng)濟效益。人工智能對于提高質(zhì)量和速度以實現(xiàn)高產(chǎn)量至關(guān)重要。

Nano Dimension表示其用于硬件和3D打印糾錯的DeepCube解決方案安裝在他們打印機的特定型號中，但并非所有型號都安裝。該公司表示，它將使其以人工智能為主導的能力成為其下一代系統(tǒng)的核心組成部分。

The Spaghetti Detective 使用AI檢測打印故障，圖片來自：Cameron Coward via Hackster

人工智能在3D打印中的進步

DeepCube并不是將AI引入3D打印的唯一工具。目前正在進行多項旨在結(jié)合數(shù)據(jù)和人工智能以提高3D打印質(zhì)量和可靠性的方法。他們中的大多數(shù)成功地監(jiān)控了打印過程并收集了數(shù)據(jù)，包括視覺、熱學、X射線和超聲波數(shù)據(jù)。有些人甚至解釋數(shù)據(jù)以預(yù)測最終打印品的質(zhì)量。然而，人工智能在打印過程中自主干預(yù)并糾正錯誤的能力仍然難以捉摸。

使用AI實時糾正增材制造錯誤，圖片來自：麻省理工學院

為了實時修復打印過程，麻省理工學院的研究人員最近使用AI開發(fā)了一種機器學習系統(tǒng)，該系統(tǒng)使用計算機視覺來觀察制造過程，然后實時糾正其處理材料的方式中的錯誤。他們使用模擬來教神經(jīng)網(wǎng)絡(luò)如何調(diào)整打印參數(shù)以最大程度地減少錯誤，然后將該控制器應(yīng)用于真正的3D打印機。

通過AI機器學習算法，用于實時檢測和糾正3D打印機噴嘴錯誤的示例圖，圖片來自：劍橋大學

劍橋大學的研究人員還在開發(fā)用于“無人駕駛”3D打印機的技術(shù)，這種技術(shù)可以從其他機器的經(jīng)驗中學習，以便在制造物體時檢測和糾正錯誤，即使是在使用新設(shè)計或不熟悉的材料時也是如此。

如果等不及無人駕駛3D打印機的出現(xiàn)，當前的幾種打印故障檢測解決方案將幫助你在浪費太多時間和材料之前停止注定要失敗的打印。

可應(yīng)用于基于OEM的監(jiān)控系統(tǒng)，以提供跨機器車隊的標準比較，圖片來自：PrintRite3D

Sigma Additive Solutions的PrintRite3D使用機器學習和AI來檢測零件級別的缺陷，并可以標記金屬和聚合物粉末床熔合3D打印零件中的未熔合或異?？紫堵省碜詡惗氐腁I Build的另一個名為AISync的解決方案具有先進的模擬功能，可以在打印前捕獲錯誤，并在打印過程中進行錯誤檢測。

越來越多的3D打印工作流軟件（例如 Authentise MES平臺）擁有多種解決方案，這些解決方案具有過程中監(jiān)控和打印故障檢測功能，這些解決方案使用機器學習來預(yù)測維護。

即使是3D打印的業(yè)余愛好者，也有AI解決方案，例如免費的Nexus AI OctoPrint插件，它可以從你的OctoPrint設(shè)置捕獲圖像，并使用機器學習檢查這些照片是否存在打印故障。然后，你會在郵箱中收到打印失敗的通知，包括一張照片。類似的解決方案包括PrintWatch和Obico。

注：本文由資源庫編譯，原文作者：Carolyn。