Exempelbild på 3D-skrivarmunstycket som används av ML-algoritmen för att upptäcka och korrigera fel i realtid. Foto: Pressbild/Douglas Brion

Forskare vid University of Cambridge har utvecklat en algoritm som kan upptäcka och rätta till fel under själva 3D-utskriftsprocessen. Detta ska minimera behovet av manuell övervakning och automatisera tillverkningen.

Tillverkning med 3D-printing har många fördelar, men det är också en metod som är känslig för produktionsfel. I dag krävs det ofta att en operatör övervakar tillverkningsprocessen för att upptäcka avvikelser. När ett fel observeras måste utskriften pausas, delen tas bort och inställningarna justeras. Det är lätt hänt att den mänskliga faktorn gör att fel missas, i synnerhet om operatören ska hålla koll på flera skrivare samtidigt och under lång tid.

Forskarna bakom studien hoppas att dessa fel snart ska vara ett minne blott med hjälp av “smarta 3D-skrivare” där en algoritm kan kvalitetssäkra produktionen på ett automatiserat sätt. Det framgår av ett pressmeddelande från Cambridge. Programvaran har fått namnet Caxton (Collaborative Autonomous Extrusion Network).

Skrivaren blir “förarlös”

Existerande övervakningssystem kan ofta bara upptäcka felaktigheter i en del åt gången, som printas med ett specifikt material eller en viss typ av 3D-skrivare. Caxton bygger på maskininlärning (ML) och kan snabbt hitta och korrigera fel även i okända objekt och nya system och material (till och med ketchup och majonnäs!). Forskarna gör jämförelsen med en självkörande bil.

– En självkörande bil skulle vara värdelös om den bara fungerade på en väg eller i en viss stad – den måste lära sig att generalisera över olika miljöer, städer och till och med länder. På samma sätt måste en “förarlös” skrivare fungera för flera olika delar, material och utskriftsförhållanden, säger doktoranden Douglas Brion som är en av forskarna bakom Caxton.

Lär sig över tid

Modellen som algoritmen utgår från består av 1,2 miljoner bilder som tagits under tillverkningen av 192 printade objekt som gjordes med åtta FDM-3D-skrivare. Varje bild har information om skrivarens inställningar, till exempel hastighet, temperatur i munstycket och flödet av materialet. Modellen har också information om hur nära inställningarna låg de optimala värdena, vilket gör att Caxton kan lära sig hur fel uppstår. Skrivaren samlar även in data kontinuerligt vilket förbättrar algoritmen över tid.

– När den är tränad kan algoritmen bara genom att titta på en bild ta reda på vilken inställning som är korrekt och vilken som är fel, är en viss inställning för hög eller för låg till exempel, och sedan tillämpa lämplig korrigering, säger Brions forskarkollega, universitetslektor Sebastian Pattinson.

Kommersialisera innovation

Algoritmen ska kunna övervaka flera olika skrivare samtidigt och göra de förändringar som krävs under utskriftsprocessen. Den ska göra 3D-skrivaren mer effektiv och tillförlitlig än om en människa gjorde samma jobb. Något som är extra viktigt när det gäller kritiska applikationer inom till exempel flygindustrin, energisektorn eller fordonsindustrin.

Ett företag som startats av Douglas Brion, Matta, kommer nu utveckla teknologin vidare för kommersiella applikationer.

Läs hela studien här.