Usando inteligência artificial para controlar a fabricação digital

As imagens para download no site do escritório de notícias do MIT são disponibilizadas para entidades não comerciais, imprensa e público em geral sob uma licença Creative Commons Attribution Non-Commercial No Derivatives. Você não pode alterar as imagens fornecidas, exceto cortá-las no tamanho. Uma linha de crédito deve ser utilizada na reprodução das imagens; se não houver um abaixo, credite as imagens ao "MIT".

imagem anterior imagem seguinte

Cientistas e engenheiros estão constantemente desenvolvendo novos materiais com propriedades únicas que podem ser usados ​​para impressão 3D, mas descobrir como imprimir com esses materiais pode ser um enigma complexo e caro.

Freqüentemente, um operador especializado deve usar tentativa e erro manual — possivelmente fazendo milhares de impressões — para determinar os parâmetros ideais que imprimem consistentemente um novo material de forma eficaz. Esses parâmetros incluem velocidade de impressão e quanto material a impressora deposita.

Os pesquisadores do MIT já usaram inteligência artificial para agilizar esse procedimento. Eles desenvolveram um sistema de aprendizado de máquina que usa visão computacional para observar o processo de fabricação e, em seguida, corrigir erros em como ele lida com o material em tempo real.

Eles usaram simulações para ensinar uma rede neural a ajustar os parâmetros de impressão para minimizar erros e, em seguida, aplicaram esse controlador a uma impressora 3D real. Seu sistema imprimiu objetos com mais precisão do que todos os outros controladores de impressão 3D com os quais eles o compararam.

O trabalho evita o processo proibitivamente caro de imprimir milhares ou milhões de objetos reais para treinar a rede neural. E poderia permitir que os engenheiros incorporassem mais facilmente novos materiais em suas impressões, o que poderia ajudá-los a desenvolver objetos com propriedades elétricas ou químicas especiais. Também pode ajudar os técnicos a fazer ajustes no processo de impressão em tempo real se as condições do material ou do ambiente mudarem inesperadamente.

“Este projeto é realmente a primeira demonstração da construção de um sistema de manufatura que usa aprendizado de máquina para aprender uma política de controle complexa”, diz o autor sênior Wojciech Matusik, professor de engenharia elétrica e ciência da computação no MIT, que lidera o Grupo de Design e Fabricação Computacional (CDFG ) no Laboratório de Informática e Inteligência Artificial (CSAIL). "Se você tem máquinas de fabricação mais inteligentes, elas podem se adaptar ao ambiente em mudança no local de trabalho em tempo real, para melhorar os rendimentos ou a precisão do sistema. Você pode extrair mais da máquina."

Os co-autores principais da pesquisa são Mike Foshey, engenheiro mecânico e gerente de projetos do CDFG, e Michal Piovarci, pós-doutorado no Instituto de Ciência e Tecnologia da Áustria. Os co-autores do MIT incluem Jie Xu, um estudante de pós-graduação em engenharia elétrica e ciência da computação, e Timothy Erps, um ex-associado técnico do CDFG.

Parâmetros de seleção

Determinar os parâmetros ideais de um processo de fabricação digital pode ser uma das partes mais caras do processo, porque são necessárias muitas tentativas e erros. E quando um técnico encontra uma combinação que funciona bem, esses parâmetros são ideais apenas para uma situação específica. Ela tem poucos dados sobre como o material se comportará em outros ambientes, em hardware diferente ou se um novo lote apresentar propriedades diferentes.

O uso de um sistema de aprendizado de máquina também é repleto de desafios. Primeiro, os pesquisadores precisavam medir o que estava acontecendo na impressora em tempo real.

Para fazer isso, eles desenvolveram um sistema de visão de máquina usando duas câmeras apontadas para o bocal da impressora 3D. O sistema ilumina o material à medida que ele é depositado e, com base na quantidade de luz que o atravessa, calcula a espessura do material.

"Você pode pensar no sistema de visão como um conjunto de olhos observando o processo em tempo real", diz Foshey.