罗斯托克的研究人员正在深入研究3D打印中的程序错误。他们依赖于所谓的机器学习，这是人工智能的一个子领域。
根据罗斯托克大学的说法，当今几乎没有任何行业可以没有增材制造或3D打印。但是，尽管有凯旋游行，仍然存在重大问题。例如，Erik Westphal 指出，打印组件的质量和打印过程的可重复性尚未达到应有的水平。因此，这位 32 岁的机械工程师目前正在微流体主席研究改进增材制造的方法。在这样做的过程中，他已经取得了相当大的成功。为此，Westphal 使用了所谓的机器学习：“人工智能在这一领域还不完美。我们仍然需要训练计算机来达到我们的目的。毕竟，人工智能实际上意味着PC与人类一样“智能”——但正如研究人员澄清的那样，这还不存在。
相机现在可以准确地记录打印过程
例如，在3D打印中，工件是由热塑性塑料熔体逐层堆积而成的。根据组件的大小，这可以是数千层。在Westphal开发的质量保证过程中，他已经在2019年有了初步的想法，打印过程由多个摄像头密切观察，通过视频和图像记录，并由ML算法直接评估。据说，在每张图像中，都可以看到当前正在处理的图层。算法将立即检测到缺陷或污染。从过程中收集的大量数据中，Westphal开发的算法搜索人类无法直接看到或发现的图案 - 例如，当前组件层是否存在缺陷，它的位置以及它可能对进一步的打印过程产生什么影响。Westphal：“我们的目标是根据模式自动诱导人类决策。
数十亿市场3D打印需要质量保证
这种用塑料3D打印的质量保证方法可以使制造过程更加稳定。到目前为止，根本无法检测到缺陷，或者如果检测到，则只能在打印过程之后检测到。“现在，在打印过程运行时，您可以决定是优化打印设置，还是在错误太严重时停止打印，”Westphal 说。这节省了增材制造的时间和金钱。此外，图像数据采集提供了对整个3D打印过程的详细监控。罗斯托克研究人员认为，对于许多关键行业来说，这应该是一个优化制造工艺的有吸引力的机会。这是因为3D打印被用于航空航天或医疗技术等领域，因为它在产品设计和个性化方面为该领域带来了新的自由。“增材制造在机械工程领域也呈上升趋势，”Westphal指出。3D打印也用于药理学甚至食品领域。Westphal总结说，这清楚地表明，一个价值数十亿美元的市场正在这里成长。因此，质量控制问题具有相当重要的意义。
