AI sửa lỗi quy trình in 3D theo thời gian thực

AI sửa lỗi quy trình in 3D theo thời gian thực
Các nhà khoa học và kỹ sư không ngừng phát triển những loại vật liệu mới với đặc tính độc đáo để dùng trong công nghệ in 3D, nhưng để tìm ra được cách in các loại vật liệu này cũng là một câu hỏi hóc búa. Thông thường, người ta sẽ phải tạo ra hàng nghìn bản in khác nhau để thử-sai, từ đó xác định những thông số lý tưởng để in 3D một cách hiệu quả. Những thông số này bao gồm tốc độ in và lượng vật liệu mà máy sử dụng.

 


Các nhà nghiên cứu ở MIT mới đây đã phát triển một hệ thống học máy dùng thị giác máy tính để theo dõi và trực tiếp sửa lỗi trong quá trình sản xuất.

Wojciech Matusik, giáo sư về kỹ thuật điện và khoa học máy tính tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo (CSAIL) ở MIT cho biết: “Dự án này là minh chứng đầu tiên cho việc xây dựng một hệ thống sản xuất có khả năng sử dụng học máy để học một quy trình kiểm soát phức tạp.”

Trong quy trình sản xuất kỹ thuật số, việc xác định các thông số lý tưởng là một trong những khâu tốn kém nhất vì cần phải tiến hành rất nhiều thử nghiệm. Dù kỹ thuật viên tìm thấy các thông số phù hợp thì cũng chỉ lý tưởng cho một tình huống cụ thể. Họ có rất ít dữ liệu về cách vật liệu sẽ hoạt động trong những môi trường khác, phần cứng hoặc lô sản xuất khác nhau.

Việc sử dụng một hệ thống học máy cũng đầy thách thức. Đầu tiên, các nhà nghiên cứu cần đo lường những gì đang xảy ra trên máy in theo thời gian thực. Để làm điều đó, họ phát triển một hệ thống thị giác máy tính sử dụng hai camera nhắm vào vòi phun của máy in 3D. Hệ thống sẽ chiếu sáng vào vật liệu khi nó được lắng lại, sau đó dựa trên lượng ánh sáng đi qua để tính toán độ dày của vật liệu. Kế tiếp, bộ điều khiển sẽ xử lý hình ảnh nhận được rồi điều chỉnh tốc độ nạp liệu hoặc hướng đi của máy in dựa trên bất kỳ lỗi nào mà nó nhìn thấy.

Nhưng việc đào tạo một bộ điều khiển dựa trên mạng thần kinh này đòi hỏi nhiều dữ liệu và sẽ yêu cầu tạo ra hàng triệu bản in. Vì vậy, các nhà nghiên cứu đã xây dựng một trình mô phỏng thay thế. Mạng thần kinh sẽ được giao nhiệm vụ chọn ra các tham số in để tạo thành một đối tượng nhất định trong môi trường mô phỏng.

Trong trường hợp này, “lỗi” được hiểu là khi mô hình phân phối quá nhiều vật liệu, đưa vật liệu vào những chỗ đáng lẽ phải để hở, hoặc bơm nhầm vào những chỗ đáng lẽ phải để trống. Khi mô hình AI thực hiện nhiều bản in mô phỏng, nó sẽ cập nhật các quy tắc kiểm soát của mình để trở nên chính xác hơn.

Do thế giới thực lộn xộn hơn mô phỏng rất nhiều, các điều kiện in có thể thay đổi chỉ vì những biến động rất nhỏ hoặc tiếng ồn trong quá trình sản xuất, các nhà nghiên cứu đã tạo ra một mô hình số gần đúng với tiếng ồn từ máy in 3D để thêm nhiễu vào mô phỏng.

Khi kiểm tra, hệ thống điều khiển dùng AI này đã in ra đồ vật chính xác hơn bất kỳ bộ điều khiển nào được dùng để so sánh. Nó hoạt động đặc biệt tốt khi in các cấu trúc đỡ bên trong đối tượng. Một số bộ điều khiển bồi vật liệu quá nhiều đến nỗi vật thể bị phồng lên, nhưng bộ điều khiển của MIT đã điều chỉnh được đường in để vật thể luôn giữ ở mức cân bằng. Các quy tắc kiểm soát của AI thậm chí còn hiểu được cách vật liệu loang ra sau khi bồi đắp và điều chỉnh thông số cho phù hợp.

Sau khi chứng minh hiệu quả của kỹ thuật này đối với in 3D, các nhà nghiên cứu muốn phát triển bộ điều khiển cho các quy trình sản xuất khác. Họ cũng muốn xem có thể điều chỉnh cách tiếp cận này như thế nào khi có nhiều lớp vật liệu hoặc có nhiều vật liệu in ra cùng lúc. Ngoài ra, trong mô hình này, họ đã đặt cho mỗi vật liệu một độ nhớt cố định, nhưng trong lần thử nghiệm tương lai, họ sẽ dùng AI để nhận nhận dạng và điều chỉnh độ nhớt theo thời gian thực. □

Trang Linh dịch

Nguồn: https://news.mit.edu/2022/artificial-intelligence-3-d-printing-0802