GE增材：金属3D打印的广泛工业化需须受益于人工智能

有内容 有深度 有态度 欢迎关注

当前，金属3D打印对人的依赖性极大，一键打印的畅想仍停留在概念阶段。在不考虑零件设计的前提下，仅打印零件的摆放、支撑添加，打印过程中遇到问题的解决，均离不开专业人员的干预。而这些专业人员还须具备丰富的材料学经验，这无疑对技术普及应用带来了极大不便。

在近期于波士顿举行的人工智能峰会上，GE全球研究中心增材制造项目负责人Brent Brunell谈到，在工业金属3D打印的背景下，对AI的需求正在呈现日益增长的趋势，这一过程通常又与仿真相关。GE研究人员将人工智能与仿真结合，推进计算结果的准确性和有效性。Brent Brunell提到，这是金属增材制造实现广泛工业化的重要保障。

金属3D打印若扩展到工业水平，迫切需要更强大、由AI驱动的计算功能，然而这一实践在实际的操作过程中却遇到了困难。

▌单个AI驱动的3D打印模拟仿真所需的计算能力是巨大的

以3D打印制造的航空发动机燃料喷嘴为例，其尺寸仅有核桃般大小，但其工艺仿真过程就可以生成36TB的数据。这是Twitter一天生成的数据总量的三倍，而且这些数据非常关键。Brent Brunell解释，金属3D打印与人工智能的结合，需要更快和更强的计算能力。

GE的研究人员正在努力将AI集成到工业3D打印机和过程中，在下面的视频中，Brunell不仅演示了SLM工艺的实时打印过程，还演示了在减速1000倍的情况下金属粉末与激光的作用过程，从中我们可以观察到从粉末到熔体流动，到金属硬化，再到孔隙和凹陷的出现过程。

在减速1000倍的情况下金属粉末与激光的作用过程

GE研究人员在AI算法中集成了要衡量的所有因素，以确保每次都能获得正确的结果。目前，GE已经可以借助人工智能确定零件打印的正确参数，未来，GE希望提高计算速度和计算能力，实时处理打印过程中出现的问题。Brunell谈到，从数据上看，GE当前的计算速度为2KHz，而人工智能若在增材制造中产生更大作用，计算速度须提到到20KHz。这需要建立完整的生态系统，包括成熟的软硬件厂商的合作，以及多方位的交叉联合。

那么人工智能在增材制造尤其是金属3D打印中，能够产生哪些作用呢？

延伸阅读

▌AI驱动，助力金属打印控形和控性，深入理解粉末熔凝过程

国内外的研究人员倾向于在金属打印中谈及控形和控性，它要求明晰激光与金属交互作用下的冶金、凝固、往复受热的全过程非平衡相变及组织演化行为，也要求对沉积过程中非均匀、多尺度、快速热-组织-应力耦合机制及变形、开裂机理进行研究。当前，很多研究人员正在使用包括声学、光谱学和温度监测等方法来了解激光熔融过程中每一层发生了什么。但是，这些有限的监测方法并不具备自动分析的能力，只能提供供操作员解读的数据。

叶轮上部分成功打印，下半部分打印失败，该研究旨在采用机器学习和人工智能分析零件打印失败的原因，并寻找潜在的提高打印质量的因素（研究内容已上传）

人工智能与这些检测手段的结合正在使问题的解决变得智能化。机器视觉可以提取打印过程中检测到的特征情况进行自动分组，并在不同层次的分析中进行比较，直到完成图像创建所需要的所有信息。人工智能可以通过计算机内置的数百个预标记的训练图像识别不同的特征，可以整体性的识别和评估打印零件的质量情况，并能够给出零件微观结构、强度、抗疲劳度、韧性等数据信息。

▌工艺适时调整，智能控制，或可成为可能

所谓工艺智能控制，是指系统可以根据监控数据自动计算当前需要多少能量从而匹配工艺参数，它需要积累海量的数据用以学习和训练。

当前商业化的金属3D打印普遍存在工艺的唯一不变性，即在打印某一种材料时，零件的任何位置、任何一层，均采用同样的参数。无论打印过程中零件本身的状态是否过热，甚至是否出现缺陷，打印机总是输入恒定的能量，做出一致的操作。在人工智能的干预下，未来的机器将可以在检测到异常时实时调整工艺参数，自动修复缺陷，也可根据性能要求，在同一零件同一层的不同部位输入不同的能量，以获得不同的性能。

国内某知名大学开展的SLM与人工智能研究

很显然，如此智能化的打印机目前并未出现，但实际上相关的研究却早就开始了。在过去的几个月中，国内某知名大学已经联合金属打印机制造商开始了人工智能与激光粉末床熔融工艺的合作，国外卡耐基-梅隆大学、劳伦斯•利弗莫尔国家实验室等机构也取得了很大的进展。

复合材料和金属打印机制造商Markforged

也在软件平台中集成了AI功能

现如今，人工智能技术或机器学习正在进入制造业。模式识别软件和AI将成为现代工厂的关键。AI还将对其他领域产生重大影响，例如质量控制，缩短设计时间，执行预测性维护等等。在GE加入这一重大研究的情况下，相信未来的进步将会加快，智能打印机也未尝不可能实现。人工智能对金属3D打印的深刻影响，只是时间问题。

本期上传内容：

1. 激光增材制造基于图像的缺陷和熔池动力学研究

2. 使用机器视觉在激光粉末床熔融工艺中开展缺陷检测和分类的方法

往期上传内容：

1. materialise支撑、应力50分钟探讨视频

2. Velo3D智能化工艺控制问题50分钟视频文件