Ingenieure der Rutgers University nutzen KI, um Herausforderungen der AM zu meistern
Resilienter 3D-Druck in extremen Umgebungen und Beschleunigung von Innovationen mit deutlich weniger Experimenten
Laut der Rutgers University haben Ingenieure gezeigt, wie künstliche Intelligenz zwei große Herausforderungen in der Fertigung bewältigen kann, indem sie einen robusten 3D-Druck in extremen Umgebungen ermöglicht und Innovationen mit weitaus weniger Experimenten beschleunigt.
In zwei Studien unter der Leitung von Rajiv Malhotra, außerordentlicher Professor am Fachbereich Maschinenbau und Luft- und Raumfahrttechnik der Rutgers School of Engineering, zeigten Forscher, wie autonome Systeme die Fertigung in Umgebungen wie dem Weltraum, Kriegsgebieten und Katastrophengebieten zuverlässig machen und gleichzeitig die Entwicklungszyklen in der konventionellen Fertigung drastisch verkürzen können.
Die erste Studie, die im Journal of Manufacturing Processes veröffentlicht wurde, konzentriert sich auf das, was Malhotra als „expeditionäre additive Fertigung” bezeichnet – die Herstellung von Teilen außerhalb kontrollierter Fabrikbedingungen. In diesen Umgebungen treten unvorhersehbare Störungen wie Vibrationen, Temperaturschwankungen und ungeschulte Bediener auf, die alle einen Druck ruinieren können.
„Wir haben versucht zu verstehen, wie wir die additive Fertigung auf Expeditionen robust gegenüber solchen unbekannten und störenden Einflüssen machen können“, sagte Malhotra.
Um dieses Problem anzugehen, entwickelte das Team einen neuen KI-Ansatz namens „bedingtes Verstärkungslernen“. Mithilfe einer Kamera, die den Druckvorgang in Echtzeit überwacht, erkennt das System Fehler und passt die Druckereinstellungen sofort an, ohne den Prozess anzuhalten oder die Software neu zu trainieren. Diese Fähigkeit ist in Umgebungen mit hohem Risiko von entscheidender Bedeutung.
„Ob Ihr Teil funktioniert oder nicht, kann zum vollständigen Scheitern einer Mission führen. Es könnten Menschen sterben“, sagte Malhotra. „Wir haben ein Tool entwickelt, das dieses Problem behebt. Wir müssen nicht mehr vorausschauen. Was auch immer für Störungen auftreten, wir können damit umgehen, ohne das Teil wegzuwerfen oder den Fehler zu beheben, was beides schlecht für die Missionssicherheit ist.“
Die KI behandelt mangelnde Schulung der Bediener als eine weitere Störung. „Wir haben die KI darauf trainiert, das Unerwartete zu erwarten, anstatt das Erwartete“, sagte Malhotra und merkte an, dass diese Methode die Fehlerquote um das Zehnfache oder mehr reduziert.
Eine zweite Studie, die im Journal of Intelligent Manufacturing veröffentlicht wurde, befasst sich mit langsamen Innovationszyklen. Anstatt sich auf jahrzehntelange physikalische Modellierung oder riesige Datensätze zu stützen, entwickelte das Team ein KI-System, das wissenschaftliche Literatur liest und diese mit begrenzten experimentellen Daten kombiniert.
„Dieser Prozess ist sehr langsam. Er ist sehr fehleranfällig. Manchmal kann es 30 Jahre dauern, bis ein Prozess wirklich entwickelt ist“, sagte Malhotra. „Die KI verhält sich wie ein promovierter Experte. Sie probiert es ein paar Mal und dann hat sie es richtig hinbekommen.“
An der Arbeit waren Mitarbeiter der University of Connecticut, der University of Michigan und der US Army Armaments Graduate School beteiligt. Sie könnte erhebliche Auswirkungen auf die Luft- und Raumfahrt, die Verteidigungsindustrie, die Automobilindustrie und die Elektronikfertigung haben.
