ВМС США выделили финансирование компании Senvol на реализацию проекта по стандартизации технологий слияния сенсорных данных в аддитивном производстве. Двухлетняя программа стартовала в июле и направлена на создание унифицированных протоколов контроля качества при 3D печати металлом.
Машинное обучение для прогнозирования свойств металлических деталей
Задача проекта - применение машинного обучения для анализа данных, собираемых множественными сенсорами в процессе направленного энергетического осаждения металлической проволоки. Технология Senvol ML обрабатывает информацию от датчиков для прогнозирования механических свойств готовых деталей.
Эксперты отмечают практическую пользу этой инициативы для сообщества аддитивного производства. Демонстрация может изменить подходы к приемке готовых изделий - часть процедур разрушающего контроля и длительных квалификационных испытаний заменится валидированным мониторингом в реальном времени и предиктивной аналитикой.
Преимущества для производственных предприятий
Для производственных предприятий это означает потенциальное сокращение времени поставок, снижение брака и улучшение экономических показателей работы с металлическими 3D принтерами. Компании, которые используют камеры контроля ванны расплава, пирометры, акустические датчики или системы мониторинга на основе интерференции, должны обратить внимание на синхронизацию временных меток, качество метаданных и политики хранения информации.
| Тип сенсора | Назначение | Требования к данным |
|---|---|---|
| Камеры контроля ванны расплава | Мониторинг процесса плавления | Синхронизация временных меток |
| Пирометры | Контроль температуры | Стабильная калибровка |
| Акустические датчики | Анализ звуковых сигналов | Машиночитаемые форматы |
Опыт российских предприятий
Российские предприятия, работающие с аддитивными технологиями, могут извлечь пользу из подобных разработок. Например, компания Cybercom, специализирующаяся на 3D-сканировании и реверс-инжиниринге, применяет многоуровневый контроль геометрии на всех этапах производства пластиковых изделий. Подобные подходы к стандартизации данных можно адаптировать для металлической печати.
Технические вызовы проекта
Сложность задачи заключается в необходимости высококачественных, синхронизированных по времени данных, стабильной калибровки и воспроизводимых параметров печати на разном оборудовании. Платформа Senvol ML должна обрабатывать потоки данных от множественных сенсоров и создавать прогнозы производительности, на которые могут полагаться инспекторы качества.
"Техническая сложность проекта требует создания системы, которая сможет обрабатывать данные от разных типов сенсоров и выдавать надежные прогнозы качества готовых деталей."
Возможности для небольших производств
Для небольших производственных лабораторий и мастерских проект открывает новые возможности. Специалисты рекомендуют подготовиться заранее:
- Документировать текущие возможности мониторинга
- Валидировать калибровку сенсоров
- Архивировать журналы печати в машиночитаемых форматах
Перспективы развития
Двухлетний период реализации проекта Senvol может привести к появлению новых руководящих принципов и более широкому принятию подходов к приемке деталей на основе данных. Это потенциально снизит барьеры для квалифицированных поставщиков и ускорит переход от прототипа к готовому изделию в аддитивном производстве.
Проект демонстрирует растущую роль машинного обучения в контроле качества аддитивного производства. Компании, которые инвестируют в системы сбора и анализа данных уже сейчас, получат конкурентные преимущества при внедрении стандартизированных протоколов.
