Senvol demonstriert neues maschinelles Lernen

Nominierungen für die 3D Printing Industry Awards 2023 sind jetzt möglich. Wer sind die Spitzenreiter im 3D-Druck? Finden Sie es am 30. November heraus, wenn die Gewinner in zwanzig Kategorien während einer Live-Preisverleihung in London bekannt gegeben werden.

Senvol, Spezialist für additive Fertigungsdaten, hat einen neuartigen Ansatz des maschinellen Lernens (ML) für Materialzulässigkeiten demonstriert, wobei die ML-Software des Unternehmens die Materialleistung genau vorhersagt.

Senvol erhielt diesen Auftrag für den Einsatz seiner Software für maschinelles Lernen, Senvol ML, um den Weg zu einer schnellen Entwicklung zulässiger Materialeigenschaften für die additive Fertigung zu ebnen. Diese Arbeiten wurden im Rahmen des Vertrags W911NF-20-9-0009 der US-Regierung durchgeführt.

Der Ansatz des Unternehmens soll kosteneffizienter, flexibler und zeiteffizienter sein als der herkömmliche MMPDS-Ansatz (Metallic Materials Properties Development and Standardization) zur Entwicklung zulässiger Materialeigenschaften.

Senvol arbeitete im Rahmen des Programms mit EWI und Pilgrim Consulting zusammen. Als technische Berater fungierten das private gemeinnützige Forschungs- und Entwicklungsunternehmen (F&E) Battelle und Hector Sandoval, ein LM Fellow bei Lockheed Martin. Der Vertrag wurde vom National Center for Manufacturing Sciences (NCMS) über das AMMP Other Transaction Agreement (OTA)-Programm verwaltet.

„Die Entwicklung der zulässigen Materialien ist ein sehr teures und zeitaufwändiges Unterfangen“, kommentierte Senvol-Präsidentin Annie Wang. „Das Programm von Senvol war sehr erfolgreich bei der Demonstration eines neuen Ansatzes für die Entwicklung von Additive-Manufacturing-Zulassungen, der maschinelles Lernen nutzt. Wir waren mit den Ergebnissen sehr zufrieden und freuen uns auf die weitere Arbeit in diesem zukunftsweisenden Bereich.“

Dr. William E. Frazier, pensionierter Chefwissenschaftler für Luftfahrzeugingenieure bei NAVAIR und Präsident von Pilgrim Consulting LLC, fügte hinzu: „Ich habe mich sehr gefreut, dem Team von Senvol für dieses Programm beizutreten. Der auf maschinellem Lernen basierende Ansatz von Senvol adressiert direkt eine große Herausforderung der Branche: die schnelle und kostengünstige Entwicklung zulässiger Materialeigenschaften für die additive Fertigung.“

Optimierung der Materialzulässigkeitsentwicklung mit ML

Während die additive Fertigung eine leichte und zeiteffiziente Herstellung von Designs ermöglicht, behauptet Senvol, dass diese Vorteile durch den Zeit- und hohen Kostenaufwand für die Entwicklung zulässiger Teile begrenzt sind.

Diese hohen Kosten lassen sich größtenteils auf die Tatsache zurückführen, dass für die Materialentwicklung eine beträchtliche Menge an empirischen Daten an einem festen Verarbeitungspunkt generiert werden muss. Daher müssen alle empirischen Daten in der Regel bei jeder größeren Änderung im Prozess von Grund auf neu generiert werden. Dies macht additive Fertigungsprozesse sowohl bei der ersten Implementierung als auch langfristig, wenn unvermeidliche Änderungen am 3D-Druckverfahren erforderlich sind, kostspielig und zeitaufwändig.

Mit diesem Programm demonstrierte Senvol einen neuartigen Ansatz zur Entwicklung von Materialzulässigkeiten, der maschinelles Lernen nutzt. Im Mittelpunkt des Programms stand ein 17-4 PH-Edelstahlmaterial, das über einen Pulverbett-Fusion-3D-Drucker verarbeitet wurde.

Die ML-Software von Senvol, die die Qualifizierung additiver Fertigungsprozesse unterstützt, wurde im Programm genutzt, um statistisch fundierte Materialeigenschaften zu entwickeln, die mit den zulässigen Materialeigenschaften vergleichbar sind. Dies gelang der Software bei gleichzeitiger Optimierung der Datengenerierungsanforderungen.

Laut Senvol ist dieser maschinelle Lernansatz flexibel und kann Änderungen am AM-Prozess bewältigen. Tatsächlich kann die ML-Software des Unternehmens auf jeden additiven Herstellungsprozess, jeden 3D-Drucker und jedes Material angewendet werden. Dies macht den Ansatz ideal für eine langfristige Nachhaltigkeit.

„Der Einsatz von maschinellem Lernen für additive Fertigungsprozesse und Materialentwicklung ist sehr ausgereift. Dies wurde von der Industrie übernommen und ist ein Erfolgsrezept. Der Einsatz von maschinellem Lernen speziell für die Entwicklung von Materialzulässigkeiten ist jedoch noch in Arbeit“, erklärte Senvol-Präsident Zach Simkin.

„Ich freue mich, dass wir nun zwei erfolgreiche Demonstrationen des maschinellen Lernansatzes für zulässige Materialien durchgeführt haben – einmal in diesem Programm mit einer Metalllegierung und einem Vergleich mit MMPDS und einmal in einem früheren, von America Makes finanzierten Programm, das ein Polymermaterial verwendete und.“ im Vergleich zu CMH-17 – aber es bedarf weiterer Forschung.“

„Das Potenzial ist enorm und wir freuen uns darauf, weiterhin mit der Regierung und der Industrie zusammenzuarbeiten, um die Arbeit in diesem Bereich voranzutreiben“, fügte Simkin hinzu.

Es ist zu beachten, dass das Projekt keine echten zulässigen Werte entwickelte. Darüber hinaus bedeuteten Budget- und Programmrestaurants, dass das Projektteam mehrere vereinfachende Entscheidungen treffen musste.

KI- und ML-Software in der additiven Fertigung

Eine Reihe von Unternehmen im Bereich der additiven Fertigung integrieren mittlerweile KI- und ML-Funktionen in ihre Softwareangebote. Ein solches Unternehmen ist das in London ansässige Unternehmen Ai Build, das über seine AiSync-Software ML- und KI-gesteuerte Werkzeugweggenerierung und automatisierte Qualitätssicherung bietet.

In einem aktuellen Interview mit 3D Printing Industry betonte Luke Rogers, Commercial Director von Ai Build, die Bedeutung von ML-Funktionen für die Bereitstellung einer automatisierten Qualitätskontrolle. Rogers erklärte, dass es beim großformatigen 3D-Druck typischerweise nur eine Erfolgsquote von 40 % gibt, wenn ein Teil zum ersten Mal in 3D gedruckt wird. Laut Rogers „können Sie mithilfe von maschinellem Lernen und deren Integration in den anfänglichen Werkzeugweg problemlos eine Erfolgsquote von über 90 % beim ersten Druck erreichen.“

An anderer Stelle bot der in Montreal ansässige Hochtemperatur-3D-Druckerhersteller AON3D während der RAPID + TCT 2023 einen ersten Blick auf seine neue, auf maschinellem Lernen basierende Software zur thermischen Optimierung.

Dieses Tool ist eine Kerntechnologie-Simulations-Engine, die speziell für die Materialextrusion (MEX) entwickelt wurde und schnelle und genaue Vorhersagen zum Wärmeflussverhalten innerhalb eines Objekts während des 3D-Druckprozesses liefert. Das Unternehmen behauptet, dass diese Software das Potenzial für Kostensenkungen, verbesserte Teilezuverlässigkeit und -konsistenz, Leistungsoptimierung und bessere technische Entscheidungsfindung bietet.

Abonnieren Sie den Newsletter der 3D-Druckindustrie, um über die neuesten Nachrichten zum 3D-Druck auf dem Laufenden zu bleiben. Sie können uns auch auf Twitter folgen, unsere Facebook-Seite liken und den YouTube-Kanal der 3D-Druckindustrie abonnieren, um auf weitere exklusive Inhalte zuzugreifen. Sind Sie daran interessiert, in der additiven Fertigungsbranche zu arbeiten? Besuchen Sie 3D-Druck-Jobs, um eine Auswahl verfügbarer Stellen anzuzeigen und Ihre Karriere anzukurbeln.

Alex ist Technologiejournalist bei 3D Printing Industry und recherchiert und schreibt gerne Artikel zu einer Vielzahl von Themen. Er besitzt einen BA in Militärgeschichte und einen MA in Kriegsgeschichte und hat ein großes Interesse an additiven Fertigungsanwendungen in der Verteidigungs- und Luft- und Raumfahrtindustrie.