Nauwkeurig 3D-printen met machine learning

3D-printen heeft wellicht de toekomst, maar in het heden is de foutmarge nog aanzienlijk. Elke printer is anders en het geprinte materiaal kan op onverwachte manieren krimpen en uitzetten, waardoor bijvoorbeeld vervormingen ontstaan. Fabrikanten moeten daarom vaak veel herhalingen van een print uitproberen voordat ze het goed hebben. Maar dat kan nu slimmer. En dus kostenefficiënter. Met een nieuw algoritme.

De bedenkers van USC Viterbi School of Engineering claimen dat hun machine learning algoritmes en de bijbehorende softwaretool PrintFixer de 3D-printnauwkeurigheid verbeteren met 50 procent of meer. Hun werk is onlangs gepubliceerd in IEEE Transactions on Automation Science and Engineering.

Vaak moeten fabrikanten wel 8 iteraties uitproberen voordat ze het juiste resultaat bereiken. PrintFixer gebruikt gegevens uit vroege printopdrachten om te voorspellen waar de vervorming zal plaatsvinden. Dankzij AI kunnen printfouten na verloop van tijd worden opgelost voordat ze optreden. De nauwkeurigheid neemt daarbij gemiddeld met zo’n 50% toe. Als de software langere tijd aan gelijkvormige objecten werkt, wordt dat 90%.

Het team heeft geprobeerd zo nauwkeurig mogelijke resultaten te krijgen met zo weinig mogelijk 3D-printbrongegevens. "Van vijf tot acht objecten kunnen we al veel leren," zegt onderzoeksleider Quiang Huang. "We kunnen kleine hoeveelheden gegevens gebruiken om voorspellingen te doen voor een breed scala aan objecten."

De gebruiker kan de voorspelde kwaliteit van de print op zijn scherm beoordelen en aan de hand daarvan besluiten of hij zijn object daadwerkelijk wil gaan printen. Als het niet goed genoeg is, bevat de software functionaliteiten om het ontwerp te optimaliseren.

De software ‘begrijpt’ verschillende toepassingen en materialen – van metalen voor ruimtevaartproductie tot thermische kunststoffen voor commercieel gebruik.