Usare l’intelligenza artificiale per controllare la produzione digitale

Le immagini per il download sul sito web dell'ufficio notizie del MIT sono rese disponibili a entità non commerciali, stampa e pubblico in generale sotto una licenza Creative Commons Attribution Non-Commercial No Derivatives. Non è possibile modificare le immagini fornite, se non ritagliandole a misura. Per la riproduzione delle immagini è necessario utilizzare una linea di credito; se non ne viene fornito uno di seguito, accreditare le immagini a "MIT".

Immagine precedente Immagine successiva

Scienziati e ingegneri sviluppano costantemente nuovi materiali con proprietà uniche che possono essere utilizzati per la stampa 3D, ma capire come stampare con questi materiali può essere un enigma complesso e costoso.

Spesso, un operatore esperto deve utilizzare tentativi ed errori manuali, possibilmente eseguendo migliaia di stampe, per determinare i parametri ideali che stampano in modo coerente un nuovo materiale in modo efficace. Questi parametri includono la velocità di stampa e la quantità di materiale depositata dalla stampante.

I ricercatori del MIT hanno ora utilizzato l’intelligenza artificiale per semplificare questa procedura. Hanno sviluppato un sistema di apprendimento automatico che utilizza la visione artificiale per osservare il processo di produzione e quindi correggere gli errori nel modo in cui gestisce il materiale in tempo reale.

Hanno utilizzato simulazioni per insegnare a una rete neurale come regolare i parametri di stampa per ridurre al minimo gli errori, quindi hanno applicato quel controller a una vera stampante 3D. Il loro sistema ha stampato gli oggetti in modo più accurato rispetto a tutti gli altri controller di stampa 3D con cui lo hanno confrontato.

Il lavoro evita il processo proibitivamente costoso di stampare migliaia o milioni di oggetti reali per addestrare la rete neurale. E potrebbe consentire agli ingegneri di incorporare più facilmente nuovi materiali nelle loro stampe, il che potrebbe aiutarli a sviluppare oggetti con speciali proprietà elettriche o chimiche. Potrebbe anche aiutare i tecnici ad apportare modifiche al processo di stampa al volo se le condizioni materiali o ambientali cambiano inaspettatamente.

"Questo progetto è davvero la prima dimostrazione della costruzione di un sistema di produzione che utilizza l'apprendimento automatico per apprendere una complessa politica di controllo", afferma l'autore senior Wojciech Matusik, professore di ingegneria elettrica e informatica al MIT e a capo del Computational Design and Fabrication Group (CDFG). ) presso il Laboratorio di Informatica e Intelligenza Artificiale (CSAIL). "Se disponi di macchine di produzione più intelligenti, queste possono adattarsi ai cambiamenti dell'ambiente di lavoro in tempo reale, per migliorare i rendimenti o la precisione del sistema. Puoi ottenere di più dalla macchina."

I co-autori principali della ricerca sono Mike Foshey, ingegnere meccanico e project manager del CDFG, e Michal Piovarci, postdoc presso l'Istituto di Scienza e Tecnologia in Austria. Tra i coautori del MIT figurano Jie Xu, uno studente laureato in ingegneria elettrica e informatica, e Timothy Erps, ex socio tecnico del CDFG.

Parametri di scelta

Determinare i parametri ideali di un processo di produzione digitale può essere una delle parti più costose del processo perché sono necessari molti tentativi ed errori. E una volta che un tecnico trova una combinazione che funziona bene, quei parametri sono ideali solo per una situazione specifica. Ha pochi dati su come si comporterà il materiale in altri ambienti, su hardware diverso o se un nuovo lotto presenta proprietà diverse.

Anche l’uso di un sistema di apprendimento automatico è irto di sfide. Innanzitutto, i ricercatori dovevano misurare ciò che stava accadendo sulla stampante in tempo reale.

Per fare ciò, hanno sviluppato un sistema di visione artificiale utilizzando due telecamere puntate verso l’ugello della stampante 3D. Il sistema illumina il materiale mentre viene depositato e, in base alla quantità di luce che lo attraversa, calcola lo spessore del materiale.

"Puoi pensare al sistema di visione come a una serie di occhi che osservano il processo in tempo reale", afferma Foshey.