FUENTE: 3dnatives.com
Científicos de la Universidad de Cambridge han desarrollado lo que, según ellos, son impresoras 3D inteligentes capaces de detectar y corregir rápidamente los errores, sin importar el diseño ni el material. Más concretamente, los ingenieros han logrado desarrollar un algoritmo de aprendizaje automático que puede utilizarse con la impresión 3D FDM para corregir los errores de impresión en tiempo real. Esto no sólo reducirá los posibles fallos de impresión, sino que también será una forma precisa y eficaz de automatizar el proceso de impresión 3D.
No hace falta decir que el software de supervisión se está convirtiendo en una parte fundamental de los procesos de impresión 3D. Los fallos de impresión son, por desgracia, habituales y también costosos, tanto en términos de dinero como de tiempo. En consecuencia, la capacidad de controlar cada paso del proceso es integral cuando se trata de la continua industrialización de la fabricación aditiva. Y al mismo tiempo, los usuarios también buscan una mayor automatización para permitir la impresión 3D a escala. Aquí es donde entran en juego los algoritmos, especialmente los basados en el aprendizaje automático, como se indica en el artículo “Detección y corrección de errores de impresión 3D generalizables mediante redes neuronales multicabezales”.
Un algoritmo «sin conductor» para la impresión 3D
El algoritmo de aprendizaje automático fue desarrollado por Douglas Brion y Sebastian Pattinson mediante el entrenamiento de un modelo informático de aprendizaje profundo. Para ello, le mostraron unas 950.000 imágenes que habían sido capturadas automáticamente durante la producción de 192 piezas impresas. Cada imagen se etiquetó con los ajustes de la impresora utilizados durante la impresión, por ejemplo, la velocidad y la temperatura de la boquilla de impresión, así como lo lejos que estaban de lo que habrían sido los ajustes ideales. Esto permitió al algoritmo aprender a corregir estos errores en lugar de depender de los humanos, que no son tan hábiles para identificarlos.
Con el nombre de CAXTON, o red de extrusión autónoma colaborativa, el software es capaz de conectar y controlar estas impresoras 3D de aprendizaje, etiquetando automáticamente los errores y corrigiéndolos en tiempo real. Los investigadores se centraron en esta generación autónoma de datos para crear conjuntos de datos más amplios y diversos con el objetivo de tener un proceso generalizado que pueda detectar un problema sin importar la pieza ni el material utilizado. A diferencia de otros programas de supervisión automatizada, éste ha sido diseñado para ir más allá de la identificación de un rango limitado o de errores en una sola pieza, material o sistema.
De hecho, este algoritmo se ha convertido en lo que Brion y Pattinson consideran un sistema de «coche sin conductor» para la impresión 3D. Al estar expuesto a las experiencias de diferentes máquinas, el algoritmo puede ahora incluso corregir diseños no vistos anteriormente o materiales desconocidos como el ketchup y la mayonesa. Y gracias a su propensión al aprendizaje, se espera que sólo mejore con el tiempo, llegando a ser más eficiente que los operadores humanos a la hora de detectar errores. Esto también puede ayudar al control de calidad de las piezas, sobre todo en aplicaciones del sector de seguridad crítica.
Brion concluye: «Estamos centrando nuestra atención en cómo podría funcionar esto en industrias de alto valor, como los sectores aeroespacial, energético y de la automoción, en los que las tecnologías de impresión 3D se utilizan para fabricar piezas caras y de alto rendimiento. Puede llevar días o semanas completar un solo componente con un coste de miles de libras. Un error que se produzca al principio podría no detectarse hasta que la pieza esté terminada e inspeccionada. Nuestro enfoque detectaría el error en tiempo real, mejorando significativamente la productividad de la fabricación».