3D Printing: Όταν η τρισδιάστατη εκτύπωση συναντά την τεχνητή νοημοσύνη

Στην εποχή της 4ης Βιομηχανικές Επανάστασης, με τα αυτοματοποιημένα συστήματα να κυριαρχούν στους βιομηχανικούς χώρους και να προσφέρουν δυνατότητες άνευ προηγουμένου, η 3D εκτύπωση αποτελεί ένα από τα πιο σημαντικά μέσα της παραγωγικής διαδικασίας, ενώ οι δυνατότητές της αυξάνονται θεαματικά όταν συνδυάζεται με την τεχνητή νοημοσύνη.

 

Tων κ. Δημήτρη Μπάρκα και Αγαθοκλή Κριμπένη*

 

Σήμερα, οι όροι «τεχνητή νοημοσύνη» (artificial intelligence [ΑΙ]) και «Industry 4.0» χρησιμοποιούνται ολοένα και περισσότερο. Από μόνες τους, αυτές οι τεχνολογίες μπορούν να έχουν και έχουν τεράστιο αντίκτυπο στη σημερινή οικονομία και στα υπάρχοντα συστήματα παραγωγής. Τι γίνεται όμως στην περίπτωση όπου οι νέες αυτές τεχνολογίες μπορούν να συνδυαστούν;

Αυτό που μας ενδιαφέρει πάνω από όλα είναι φυσικά ο συνδυασμός αυτών των τεχνολογιών με την κατασκευή προσθέτων. Σε αυτό το κομμάτι εξερευνούμε τη σχέση μεταξύ τεχνητής νοημοσύνης και τρισδιάστατης εκτύπωσης, με στόχο να κατανοήσουμε ποιες δυνατότητες και οφέλη προκύπτουν όταν συνδυάζονται αυτές οι δύο τεχνολογίες, καθώς και ποιοι περιορισμοί μπορεί να υπάρχουν.

Πρώτα απ’ όλα, ας δούμε τον όρο «τεχνητή νοημοσύνη». Ο ειδικός στον τομέα των λύσεων λογισμικού τεχνητής νοημοσύνης δρ. Thomas Wilde αναφέρει σχετικά:

«Η τεχνητή νοημοσύνη ως κλάδος περιλαμβάνει αρχικά όλες τις διαδικασίες που βοηθούν τις μηχανές να αντιλαμβάνονται, να σκέφτονται και να ενεργούν σαν άνθρωποι. Ως αποτέλεσμα, έχουμε να κάνουμε με ένα πολύ ευρύ φάσμα γλωσσικών διεργασιών, επεξεργασίας εικόνας, αλλά και διεργασιών στους τομείς των κινητικών δεξιοτήτων και της ρομποτικής».

Στην καθημερινή μας ζωή, η τεχνητή νοημοσύνη απαντάται κυρίως στα μέσα ενημέρωσης και στα ηλεκτρονικά είδη, όπως π.χ. στο smartphone, το οποίο μπορεί να αναγνωρίσει το πρόσωπό σας ή έχει έναν βοηθό φωνής που υπακούει στη φωνή σας.

 

Συνδυασμός AI & 3D printing

Η τεχνητή νοημοσύνη συχνά συνδέεται με όρους όπως είναι η μηχανική μάθηση, τα νευρωνικά δίκτυα, ο αυτοματισμός και η τεχνητή όραση. Η ιδέα εδώ είναι ότι μια μηχανή μπορεί να λύσει ένα δεδομένο πρόβλημα από μόνη της, χωρίς ανθρώπινη παρέμβαση, με βάση δεδομένα και προηγούμενες εμπειρίες.

Αυτό έχει ιδιαίτερο ενδιαφέρον όταν συνδυάζεται με τεχνολογίες τρισδιάστατης εκτύπωσης, καθώς θα μπορούσε να αυξήσει την απόδοση ενός 3D εκτυπωτή μειώνοντας τον κίνδυνο σφάλματος και διευκολύνοντας την αυτοματοποιημένη παραγωγή. Πράγματι, όλο και περισσότερες επιχειρήσεις ενσωματώνουν την τεχνητή νοημοσύνη σε ένα προϊόν ή μια υπηρεσία τρισδιάστατης εκτύπωσης.

Τα παραδείγματα ποικίλλουν, από την αυτοματοποίηση ολόκληρης της ροής εργασιών της τρισδιάστατης εκτύπωσης έως την πρόβλεψη ποιότητας και την ανάπτυξη νέων υλικών. Ειδικοί έχουν αναπτύξει συστήματα σε αυτούς τους τομείς, οι οποίοι παρουσιάζονται συνοπτικά παρακάτω.

Αυτοματοποίηση εργασιών 3D εκτύπωσης

Μια πρώτη εφαρμογή είναι η αυτοματοποίηση της ροής εργασιών της τρισδιάστατης εκτύπωσης. Αυτό περιλαμβάνει διάφορα στάδια, από τη δημιουργία του μοντέλου ως αρχείο CAD και την προετοιμασία του για εκτύπωση σε λογισμικό κοπής, έως την τελική του εκτύπωση.

Με λογισμικό σχεδιασμένο για τη ροή εργασιών εκτύπωσης 3D επιτυγχάνουμε την αυτοματοποίηση σημαντικών βημάτων, όπως είναι η διαχείριση της παραγωγής. Η τεχνητή νοημοσύνη χρησιμοποιείται για την αυτοματοποίηση χειροκίνητων εργασιών όπως είναι η συλλογή δεδομένων, η παρακολούθηση κόστους και ο σχεδιασμός κατασκευής.

Το λογισμικό μπορεί να χρησιμοποιηθεί για τη βελτιστοποίηση της παραγωγικής ικανότητας, βελτιώνοντας τη χρήση της μηχανής και προγραμματίζοντας παραγγελίες παραγωγής ανάλογα με τη διαθεσιμότητα. Όλα αυτά γίνονται αυτόματα μέσω της τεχνητής νοημοσύνης, όπως και η επιλογή του υλικού. Ανάλογα με τις απαιτήσεις του προς εκτύπωση τμήματος, το λογισμικό κάνει συστάσεις για το υλικό που θα χρησιμοποιηθεί προκειμένου να επιτευχθεί το καλύτερο αποτέλεσμα.

Ωστόσο, απέχουμε ακόμη πολύ από τη χρήση της τεχνητής νοημοσύνης για τον έλεγχο ολόκληρης της διαδικασίας παραγωγής προσθέτων. Αν και είμαστε σε θέση να αυτοματοποιήσουμε ορισμένα βήματα, θα χρειαζόμαστε ακόμα την ανθρώπινη παρέμβαση για ορισμένες μεμονωμένες εργασίες, όπως είναι η μετεπεξεργασία, η οποία είναι χρονοβόρα. Για αυτό είναι σημαντικό να τη συντομέψουμε δουλεύοντας αποτελεσματικά στο αρχείο 3D.

Διεύρυνση της γκάμας των υλικών

Ο συνδυασμός τεχνητής νοημοσύνης και τρισδιάστατης εκτύπωσης μπορεί να συμβάλει και στη διεύρυνση της γκάμας των συμβατών υλικών και έτσι να ανταποκριθεί στις απαιτήσεις βιομηχανικών τομέων όπως είναι η αεροδιαστημική, που συνήθως απαιτούν υλικά υψηλής θερμοκρασίας.

Οι κινητήρες των αεροσκαφών θα μπορούσαν να λειτουργήσουν σε υψηλότερες θερμοκρασίες και πιο αποτελεσματικά, εάν τα περισσότερα υλικά δεν αστοχούσαν σε θερμοκρασίες πάνω από 1.200 βαθμούς Κελσίου. Η επεξεργασία νέων υλικών υψηλής απόδοσης είναι πολύ περίπλοκη και απαιτεί ακριβή ρύθμιση όλων των παραμέτρων της διαδικασίας. Γι’ αυτό παρακολουθούμε τη διαδικασία της τρισδιάστατης εκτύπωσης με μια ποικιλία διαφορετικών αισθητήρων.

Χρησιμοποιώντας την τεχνητή νοημοσύνη, αξιολογούμε τη ροή δεδομένων και εντοπίζουμε κρυφές σχέσεις που δεν είναι αναγνωρίσιμες από τον άνθρωπο. Εδώ ακριβώς έγκειται το πλεονέκτημα της τεχνητής νοημοσύνης, η οποία είναι σε θέση να επεξεργάζεται γρήγορα πολύ μεγάλους όγκους δεδομένων, μια εργασία που είναι πολύ κουραστική για τον άνθρωπο. Χάρη σε αυτή την εργασία, οι ερευνητές μπορούν να επεξεργαστούν πολύπλοκα κράματα και να βελτιστοποιήσουν τις ιδιότητες του υλικού.

 

Βελτιστοποίηση της διαδικασίας 3D εκτύπωσης

Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη βελτίωση της διαδικασίας τρισδιάστατης εκτύπωσης. Πριν ξεκινήσει οποιαδήποτε διαδικασία, μπορεί να αναλυθεί η δυνατότητα εκτύπωσης ενός αντικειμένου και να προβλεφθεί η ποιότητα ενός εξαρτήματος, ενώ μπορεί να ελεγχθεί και η διαδικασία για την αποφυγή σφαλμάτων εκτύπωσης, εξοικονομώντας χρόνο.

Αυτό ακριβώς προσπαθεί να κάνει η τεχνητή νοημοσύνη ειδικά στην αεροδιαστημική βιομηχανία, με αλγόριθμο τεχνητής νοημοσύνης. Χάρη σε αυτόν, μπορεί να προσδιοριστεί η λειτουργικότητα των εξαρτημάτων και να βελτιωθεί το ποσοστό επιτυχίας εκτύπωσης.

Αυτή η λύση χρησιμοποιεί παραμέτρους εκτύπωσης που έχουν λειτουργήσει καλά, με τις οποίες μπορεί να εκτιμήσει με ακρίβεια το κόστος εξαρτημάτων, τους χρόνους κατασκευής και παράδοσης κλπ., και να χρησιμοποιηθεί για τη βελτίωση της ποιότητας του εκτυπωμένου προϊόντος. Αυτό αυξάνει την παραγωγικότητα και μειώνει τον κίνδυνο σφαλμάτων, τα οποία μπορεί να είναι πολύ δαπανηρά, ειδικά στον τομέα της αεροδιαστημικής.

Χάρη στην τεχνητή νοημοσύνη μπορούμε να μειώσουμε τη μέση διαδικασία προετοιμασίας της τρισδιάστατης εκτύπωσης από 30 λεπτά σε 5 δευτερόλεπτα, για κάθε μεμονωμένη εργασία. Μειώνοντας αυτό το χρόνο, αυξάνουμε τη χρήση του εκτυπωτή,  και εξαλείφοντας τα σφάλματα, μειώνουμε τις επαναλήψεις. Η χρήση της τεχνητής νοημοσύνης μειώνει την πολυπλοκότητα μιας διαδικασίας και παρέχει καλύτερα αποτελέσματα.

Η βελτιστοποίηση περιλαμβάνει επίσης την αξιολόγηση των εξαρτημάτων πριν από την εκτύπωση, διασφαλίζοντας ότι ένα εξάρτημα που πρόκειται να κατασκευαστεί είναι πραγματικά κατάλληλο για τρισδιάστατη εκτύπωση, από άποψη σταθερότητας, σχήματος ή ελαστικότητας. Αυτό είναι ιδιαίτερα σημαντικό για εταιρείες που θέλουν να εργαστούν αποτελεσματικά με την παραγωγή προσθέτων.

 

Το μέλλον

 

Είμαστε βέβαιοι ότι και οι δύο τεχνολογίες θα διαδραματίσουν σημαντικό ρόλο τα επόμενα χρόνια, ειδικά σε βιομηχανικές εφαρμογές. Η τεχνητή νοημοσύνη και η τρισδιάστατη εκτύπωση συνδέονται περισσότερο από ό,τι θα μπορούσε κανείς να σκεφτεί. Η σημερινή κατασκευή προσθέτων απαιτεί υψηλό βαθμό εξειδικευμένης γνώσης για την παραγωγή ανταλλακτικών.

Η τεχνητή νοημοσύνη θα υιοθετήσει σημαντικούς κανόνες στη ροή εργασίας της τρισδιάστατης εκτύπωσης. Οι ταχύτεροι και πιο έξυπνοι αλγόριθμοι θα μειώσουν τη μη αυτόματη διαδικασία που εκτελείται από τον άνθρωπο. Στη συνέχεια, η τεχνητή νοημοσύνη θα επιτρέψει την πρόσβαση σε μεγάλες ποσότητες δεδομένων για την καλύτερη διαχείριση των τρισδιάστατων τεχνολογιών.

Παρά το ότι ο συνδυασμός τεχνητής νοημοσύνης και τρισδιάστατης εκτύπωσης είναι σε αρχικό στάδιο, δείχνει ήδη ότι προσφέρει μεγάλες δυνατότητες. Τα λίγα παραδείγματα εφαρμογών που αναφέρθηκαν δείχνουν πως η τεχνητή νοημοσύνη και η τρισδιάστατη εκτύπωση διεγείρουν την καινοτομία, κάνουν την παραγωγή πιο αποτελεσματική και δίνουν στις εταιρείες ανταγωνιστικό πλεονέκτημα. Δεν ξέρουμε ακόμη πόσο μακριά θα φτάσει αυτή η επανάσταση, αλλά ένα είναι σίγουρο πως είναι πολλά υποσχόμενη.

*O κ. Δημήτριος Μπάρκας είναι μηχανολόγος μηχανικός, καθηγητής ΕΠΑ.Λ. και υπ. διδάκτορας ΕΚΠΑ. Ο κ. Αγαθοκλής Κριμπένης είναι μηχανολόγος μηχανικός και επίκουρος καθηγητής ΕΚΠΑ.

Ελέγξτε επίσης

Η τεχνητή νοημοσύνη στη ρομποτική

Πρόσφατα η Διεθνής Ομοσπονδία Ρομποτικής πραγματοποίησε έρευνα σχετικά με την επίδραση της τεχνητής νοημοσύνης στα …