Indo além do básico:Aprendizado de máquina e AM

Na era da Indústria 4.0, a manufatura está se encaminhando cada vez mais para um mundo de aprendizado de máquina e inteligência artificial. Um mundo onde sistemas orientados por dados podem ser desenvolvidos para aprimorar os processos de produção. E a manufatura aditiva pode aproveitar os benefícios do aprendizado de máquina para obter maior eficiência, aprimorar a qualidade do produto e otimizar os fluxos de trabalho de AM.

Aumento da eficiência com aprendizado de máquina

À medida que a manufatura aditiva se expande para a produção de uso final, os avanços no aprendizado de máquina não se limitam apenas à perspectiva de carros autônomos. O aprendizado de máquina pode ser usado na manufatura aditiva para aumentar a eficiência, em parte, eliminando os métodos de tentativa e erro durante o processo de produção.

Um grande número de fatores, como orientação da peça ou o projeto de estruturas de suporte, pode afetar potencialmente a estrutura do material de uma peça e levar à falha de construção. Isso inevitavelmente significa que a razão por trás da falha de uma construção pode ser atribuída a uma série de variáveis. Normalmente, uma abordagem de tentativa e erro é aplicada para obter um processo de impressão confiável. No entanto, como isso envolve passar por uma série de falhas antes de atingir o processo ideal, uma abordagem de tentativa e erro inevitavelmente carece de eficiência. O aprendizado de máquina pode ajudar a contornar uma abordagem de tentativa e erro para a produção, desenvolvendo um sistema para ajudar as máquinas a determinar as variáveis ​​e parâmetros com antecedência, otimizando assim o processo de produção.

O Office of Naval Research (ONR) da Marinha dos Estados Unidos fez recentemente uma parceria com a empresa de dados Senvol para desenvolver um software de aprendizado de máquina que pode analisar a relação entre os parâmetros do processo de AM e o desempenho do material. O objetivo é permitir que o ONR reduza a dependência de testes de materiais tradicionais.

E a pesquisa do ADAPT Center no Colorado já começou a explorar como o aprendizado de máquina pode identificar a geometria interna da peça, prever os parâmetros corretos para qualquer nova peça e, portanto, otimizar o processo de impressão.

Usando o aprendizado de máquina para aprimorar os processos de qualidade

O aprendizado de máquina também pode ser implementado para adicionar outra camada de controle de qualidade ao processo de produção, já que as máquinas podem eventualmente se autocorrigir e supervisionar a si mesmas. Usando a tecnologia de aprendizado de máquina, grandes quantidades de dados podem ser analisados ​​e usados ​​para fornecer um status em tempo real de cada estágio de produção. As máquinas podem usar algoritmos para encontrar padrões nos dados de produção e, a partir dessa construção, modelos preditivos, refinados por meio de comparações com dados reais.

No ano passado, a GE revelou sua pesquisa sobre o uso da inteligência da máquina e do gêmeo digital para aprimorar o desempenho da máquina e do material para impressão 3D de metal. Por meio de sua pesquisa em aprendizado de máquina, a GE visa reduzir o desperdício de material por meio da detecção de problemas de processo de qualidade, com o objetivo final de um rendimento de 100%. A pesquisa da GE visa alcançar visibilidade total em cada camada de uma peça construída, treinando a máquina para reconhecer problemas com a própria construção. Isso permitirá que os usuários vejam a mecânica e a estrutura de uma construção, bem como identifiquem problemas no início do processo.

Outros casos de uso de aprendizado de máquina

Peças sobressalentes

A manufatura aditiva tem se mostrado uma solução ideal para a indústria de peças de reposição, devido aos altos custos de armazenamento e manutenção de estoque de peças de reposição. A manufatura aditiva resolve esse problema, permitindo que os fabricantes produzam e forneçam peças de reposição sob demanda e no ponto de necessidade.

E, ainda assim, o aprendizado de máquina pode levar essa solução um passo adiante para melhorar a eficiência do processo de produção e melhorar os recursos preditivos. No caso da manufatura discreta, por exemplo, as empresas podem fazer uso de modelos de manutenção preditiva para prever a vida útil de uma peça específica. O aprendizado de máquina também pode ser usado para identificar quando um cliente precisa substituir peças usando uma programação de dados predefinida, permitindo que os fabricantes enviem peças de reposição com antecedência. Os fabricantes devem, portanto, considerar o uso de aprendizado de máquina para reduzir custos e garantir maior satisfação do cliente.

Aprendizado de máquina - um grande potencial para AM

O aprendizado de máquina tem o potencial de aprimorar os processos de produção, orientar a tomada de decisões e, por fim, transformar os modelos de negócios. As aplicações de aprendizado de máquina para AM são numerosas, variando do aprimoramento dos processos de design ao aprimoramento da eficiência e até mesmo à determinação da capacidade de impressão de um objeto 3D antes do início do processo de impressão. No entanto, a implementação de sistemas de aprendizado de máquina e IA também apresenta seus próprios desafios, exigindo planejamento estratégico e investimento em infraestrutura de software e hardware. Mas na era da Indústria 4.0, está claro que o uso de aprendizado de máquina, IA e big data para AM está apenas na ponta do iceberg.