What happens when you apply machine learning to 3D printing ?

Исследуя будущее производства в компании I-form, доктор Вивек Махато считает, что интеллектуальные системы могут помочь в дальнейшем сокращении отходов и повышении качества продукции.

После получения ученой степени д-р Вивек Махато начал свою карьеру в качестве веб-разработчика в Индии. Однако интерес к исследованиям в области науки о данных привел его в Ирландию.

Он получил степень магистра наук в Университетском колледже Дублина и степень доктора философии in machine learning (широко известную) по конструированию протезов. 3D printing ) в I-form, исследовательском центре Ирландского научного фонда по передовому строительству.

UCD отвечает за I-form, но его исследования распространяются на других академических партнеров, включая Дублинский городской университет (DCU). Поэтому Махато занял постдокторскую должность, чтобы расширить исследования, которые он начал в рамках своей докторской диссертации.

‘Любопытство, наряду с уклоном в кодирование, подтолкнет мою исследовательскую карьеру вперед’. in machine learning ’ – DR VIVEK MAHATO

Что вдохновило вас стать исследователем?

‘Я студент пятого курса и вижу себя в классе Санджая Адхикари, профессора физических наук. Его мастерство и увлекательные истории привели меня к любопытству.

Когда я рос, мне больше нравилось находить новые пути для выполнения задач, помимо традиционных способов, которым меня учили. Подходы становились более сложными, а иногда я находил более простые пути.

Любопытство, а также склонность к кодированию толкают мою исследовательскую карьеру вперед. in machine learning , and I relish it.

Над какими исследованиями вы работаете в настоящее время?

Высокая вычислительная мощность и доступность данных протезирования на месте (AM) способствовали созданию более сложных механизмов баз данных. Со временем исследовательские вопросы эволюционировали от анализа макросреды изделия к прогнозированию микросреды.

Наше исследование пытается предсказать пористость изделия во время его изготовления. Our machine learning Оценка (ML) выполняется в реальном времени вместе с процессом AM. Наша модель эффективно решает задачу классификации отдельных растровых фрагментов как нормальных или ненормальных. Исследование проводилось в I-форме под руководством профессора Падрейга Каннингема (UCD) и профессора Дермота Брабазона (DCU).

В качестве следующего шага мы изучаем построение надежной и независимой ML-модели процесса, и с помощью доктора Анналины Капуто (DCU) наше текущее исследование также направлено на параметризацию и оптимизацию процесса AM.

По вашему мнению, почему ваши исследования важны?

Предиктивный контроль процесса изготовления протезов имеет непосредственные преимущества и последствия. Во время строительства, если возникает аномалия или дефект, который может повлиять на качество продукта (например, ресурсы), система может выделить инцидент и предупредить оператора. Затем оператор может отрегулировать параметры с использованием рекомендуемых настроек для смягчения будущих инцидентов и удалить указанные поры путем многократного плавления уложенных слоев.

Такие интеллектуальные системы могут помочь значительно снизить потери материалов и энергозатрат. Они также помогают регулировать качество продукции и производительность производственных установок.

Оценка качества продукции также позволяет свести к минимуму использование точных и медленных методов взвешивания для измерения качества компонентов после производства.

Какое коммерческое применение вы предвидите для своих исследований?

Несмотря на достижения в технологии AM металлов, сложность достижения оптимального контроля и воспроизводимости процесса остается значительной; обширные исследования процессов AM и использование подходов и инструментов баз данных могут помочь справиться с этой проблемой. Таким образом, могут быть созданы более надежные и эффективные процессы, снижающие потери материала и энергии.

The potential to apply Применение этих методов в коммерческой среде весьма значительно. Традиционное строительство — это абстрактный процесс, в котором большие блоки материала разрезаются для изготовления аксессуаров. В результате этот метод ограничивает гибкость дизайна изделий и создает значительные отходы в виде остатков.

Использование системы AM Smart System значительно сокращает количество изделий, подгоняемых под нужды конкретного применения, уменьшая чрезмерные затраты на контроль и воздействие на окружающую среду.

С какими самыми большими проблемами вы сталкиваетесь как исследователь в области протезирования?

На мой взгляд, AM — это относительно новая глобальная платформа. Наиболее важной проблемой является ограниченный доступ исследовательского сообщества к производственным данным с открытым исходным кодом. Поэтому доступ к производственным данным ограничен данными, произведенными внутренними исследовательскими центрами.

Однако, в связи с растущим количеством исследований в этой области, доступность производственных данных больше не должна быть препятствием.

Кроме того, в АМ ожидается значительная резервная стоимость инструментов и некоторых специализированных пылей, которые будут стоить дороже, чем обычное сырье.

Существуют ли какие-либо распространенные заблуждения о конструкции протезов?

Когда кто-то слышит термин «ортопедическое конструирование». ‘3D printing ‘, распространенные заблуждения часто включают. ‘3D printing is printing ‘изделия, изготовленные с помощью АМ, не такие прочные’ или ‘АМ точны и сложны в эксплуатации’.

Though 3D printers В прошлом их эксплуатация была очень сложной, 3D printers Теперь они доступны в удобном для пользователя программном обеспечении, не требующем особой специализации. Их очень много. 3D printers Цены на них составляют менее 250 евро, а для производства изделий используется термопластик.

По мере продвижения и развития сектора AM доступные на рынке системы становятся все более доступными, а бюджеты — специализированными. printers . A 3D printer Теперь есть возможность выбирать из широкого спектра сырья, включая стекло, минералы (сталь, титан или золото) и биомеланы, созданные с использованием стволовых клеток.

Процесс AM может быть скорректирован для придания компоненту нужных свойств. В качестве примера можно привести сопротивление растяжению, жесткость и толщину. Таким образом, в зависимости от области применения, можно создавать прочные и компактные аксессуары.

Какие области исследований вы хотели бы видеть в ближайшие годы?

Традиционные натурные и статистические модели эффективно моделируют производственные процессы. Однако они очень медленны и точны для конкретных задач и производств.

Точность требует глубокого понимания материалов и окружающей среды строительного помещения. Машины. learning оценки не сталкиваются с этой проблемой, поскольку они пытаются обнаружить закономерности непосредственно из данных. Комбинация этих подходов может быть использована для моделирования и проверки процесса строительства.

Кроме того, итерации процесса AM должны быть интенсифицированы для поддержания качества констант изделия.

Если вы являетесь исследователем с интересным проектом, которым вы хотели бы поделиться, пожалуйста, сообщите нам об этом по электронной почте по адресу editorial@siliconrepublic. com.