{"id":39736,"date":"2022-08-10T14:00:53","date_gmt":"2022-08-10T12:00:53","guid":{"rendered":"https:\/\/www.3dnatives.com\/de\/?p=39736"},"modified":"2022-08-09T09:24:26","modified_gmt":"2022-08-09T07:24:26","slug":"kuenstliche-intelligenz-3d-druck-100820221","status":"publish","type":"post","link":"https:\/\/www.3dnatives.com\/de\/kuenstliche-intelligenz-3d-druck-100820221\/","title":{"rendered":"MIT-Forscher nutzen k\u00fcnstliche Intelligenz f\u00fcr verbesserten 3D-Druck"},"content":{"rendered":"

Tagt\u00e4glich entwickelt sich die additive Fertigung<\/a> weiter und entsprechend wird es auch immer komplizierter, alle Anwendungen und Technologien zu beherrschen. Selbst f\u00fcr erfahrene Arbeitskr\u00e4fte innerhalb der additiven Fertigung kann dies manchmal zu Schwierigkeiten f\u00fchren, besonders wenn es um die passenden Parameter f\u00fcr den 3D-Druck geht. Die Folge: ein kostspieliges Unterfangen, bei dem viele menschlichen Ressourcen ben\u00f6tigt werden. Ob es an der richtigen Druckgeschwindigkeit oder doch eher an der Materialmenge liegt, der 3D-Druck hat seine ganz eigenen Parameter, die von Technologie und Material<\/a> abh\u00e4ngig sind. Um dieses Problem nun k\u00fcnftig einfacher l\u00f6sen zu k\u00f6nnen, haben Forscher des Massachusetts Institut of Technology (MIT) nun k\u00fcnstliche Intelligenz (KI) eingesetzt, um diese Probleme zu rationalisieren.<\/p>\n

Bei dieser k\u00fcnstlichen Intelligenz<\/a> handelt es sich um ein maschinelles Lernsystem, welches von den Forschern mit dem Ziel entwickelt worden ist, potenzielle Fehler innerhalb der Materialverarbeitung im 3D-Druck zu verhindern und bei Bedarf in Echtzeit zu korrigieren – und das, ohne dass menschliche Hilfe daf\u00fcr ben\u00f6tigt wird. In erster Linie war es wichtig, dass diesem Lernsystem mittels Simulationen ein neuronales Netzwerk beigebracht worden ist, sodass es verstehen konnte, welche Parameter f\u00fcr den Druck die Richtigen sind. Nach unz\u00e4hligen Tests und Versuchen wendeten die MIT-Forscher ihr System schlie\u00dflich bei einem 3D-Drucker in der Praxis an und das Resultat war erstaunlich: die 3D-gedruckten Teile waren durch die adaptierten Parameter viel genauer als sonst.<\/p>\n

\"\"

Datengesteuerte Begriffe zeigen Unvollkommenheiten und Probleme des Drucks (Bild: MIT)<\/p><\/div>\n

Warum wird k\u00fcnstliche Intelligenz beim 3D-Druck eingesetzt?<\/h3>\n

Das Forscherteam, bestehend aus Mitgliedern, die unter anderem aus den Bereichen des Maschinenbaus, Elektrotechnik und Informatik stammen, haben bei ihrer Forschung stets ein klares Ziel vor Augen gehabt: den 3D-Druck zu vereinfachen und es somit auch Unternehmen erleichtern, neue Materialien in ihren 3D-Druckprozess zu integrieren, wie auch die perfekte Reaktion auf sich ver\u00e4ndernde Materialien oder Umgebungsbedingungen, die somit keinerlei Einfluss mehr auf den Prozess h\u00e4tten. Wojciech Matusik, Hauptautor und Professor f\u00fcr Elektrotechnik und Informatik am MIT und Leiter der Computational Design and Fabrication Group (CDFG) innerhalb des Computer Science and Artificial Intelligence Laboratory (CSAIL) erg\u00e4nzt: „Dieses Projekt ist die erste Demonstration eines Fertigungssystems, das mit Hilfe von maschinellem Lernen eine komplexe Steuerungsstrategie erlernt. Wenn man intelligentere Fertigungsmaschinen hat, k\u00f6nnen sie sich in Echtzeit an die sich ver\u00e4ndernde Umgebung am Arbeitsplatz anpassen, um die Ausbeute oder die Genauigkeit des Systems zu verbessern. Man kann mehr aus der Maschine herausholen.“<\/em><\/p>

\"\"<\/a><\/div>\n

Eine besonders gro\u00dfe Herausforderungen f\u00fcr die MIT-Forscher war und ist schlichtweg die Tatsache, dass sich die optimalen Druckparameter je nach bestimmter Situation ver\u00e4ndern, was auch bedeutet, dass sie ebenfalls das Verhalten des Materials in anderen Umgebungen, mit anderen Hardwares oder auch, ob es sich um eine neue Charge handelte, in Betracht ziehen mussten. Damit sie verstehen konnten, was in Echtzeit w\u00e4hrend des Drucks im 3D-Drucker geschieht, wurde ein Machine-Vision-System mit zwei Kameras entwickelt, die ihren Fokus auf den D\u00fcsen des Druckers hielten und somit Eigenschaften des Materials w\u00e4hrend des Drucks aufzeichnete. Anschlie\u00dfend wurden die gelieferten Bilder verarbeitet, um auf Basis dessen die aufgezeichneten Fehler im weiteren Vorgang anzupassen und zu vermeiden.<\/p>\n