西班牙IMDEA材料研究所与美国劳伦斯伯克利国家实验室合作，开发出能够检测并识别不同3D打印机之间差异的算法。这项技术可能有助于消除不同打印批次和打印机之间的差异，使得在惠灵顿和麦德林两地打印出性能一致的相同部件成为可能。这有望提升3D打印在维护、修理和大修（MRO）领域的成功率，同时也能简化批量化的3D打印生产。此外，该技术还可能实现从打印件识别其来源打印机，或为部件赋予唯一标识。
该研究成果以论文形式发表于《Advanced Engineering Informatics》期刊，标题为“Noise-aware optimization in nominally identical manufacturing and measuring systems for high-throughput parallel workflows”。由IMDEA的Christina Schenk、Miguel Hernández-del-Valle、Luis Calero-Lumbreras和Maciej Haranczyk，与劳伦斯伯克利国家实验室应用数学与计算研究部的Marcus Noack合作完成。
他们开发的算法能够对机器进行分类，并找到针对性的优化方案以提升打印效果。该算法特别适用于打印农场等场景，可减少机器间的差异，使结果更加一致。算法首先通过统计方法确定机器间的差异程度，若机器性能相似则采用联合优化策略，若差异显著则选择对单台机器进行独立优化。该研究发现，对差异显著的机器采用独立优化路径效果更佳。
研究团队表示：“与对所有机器一视同仁、无法适当纠正个体偏差的方法相比，结果显示算法收敛速度显著加快，打印件重量误差大幅减少。即使是批量生产的机器也可能拥有自己独特的‘个性’。我们的系统能学习这些差异并将其转化为优势，判断是将它们作为一个团队优化还是单独优化更高效。这不仅提高了精度，还通过避免失败的实验来节省资源，这是迈向未来全自动实验室和工厂的关键一步。”
该研究由马德里市“二维颠覆性材料MAD2D-CM”项目（属欧盟NextGenerationEU资助计划）资助，同时还获得了西班牙科学与创新部的Ramón Cajal grant、能源研究应用数学中心（CAMERA）以及美国能源部科学办公室高级科学计算研究（ASCR）和基础能源科学（BES）项目的支持。
该研究关注的是同一品牌、同一型号、序列号相近的机器。结果表明：“通过根据设备间噪声异质性程度选择合适的优化策略，该方法减少了冗余，降低了资源消耗，提高了可靠性，并改善了收敛稳定性和解的质量。总体而言，该框架为可扩展的自动化实验平台建立了一种精度与资源感知优化的通用方法，并在一个典型的多设备3D打印案例研究中得到了验证。”
该团队的“噪声感知决策算法”对于服务商、制造商和打印农场可能具有重要意义。制约3D打印在MRO领域应用的因素之一，就是对可重复性和一致性的信心不足，而机器差异是造成这些问题的关键原因之一。3D打印机的制造过程复杂，组装依赖人工，质量检测也比许多其他设备更为复杂，传感器位置等细微差异都会对读数产生重大影响。
这种自动化方法有望显著提升打印机的性能。在服务局中，高端工业级机器也常存在输出差异，该方法将极大帮助这些供应商及其客户。在打印农场中，低成本机器同样可以受益于此类算法。这项研究有望催生相关软件，从而以更低的成本制造更多的产品。
来源：中国3D打印网编译文章！
0 留言