Senvol демонстрирует новое машинное обучение

Уже открыты номинации на премию 3D Printing Industry Awards 2023. Кто является лидерами в области 3D-печати? Узнайте 30 ноября, когда победители в двадцати категориях будут объявлены во время церемонии награждения в Лондоне.

Специалист по данным аддитивного производства Senvol продемонстрировал новый подход машинного обучения (ML) к допустимым материалам, при этом программное обеспечение ML компании точно прогнозирует характеристики материала.

Компания Senvol получила этот контракт на применение своего программного обеспечения для машинного обучения Senvol ML, чтобы облегчить путь к быстрой разработке свойств материалов, допустимых для аддитивного производства. Данная работа выполнялась в рамках контракта правительства США W911NF-20-9-0009.

Подход фирмы считается более экономичным, гибким и эффективным по времени, чем традиционный подход к разработке разрешений на материалы и стандартизации свойств металлических материалов (MMPDS).

В рамках программы Senvol сотрудничала с EWI и Pilgrim Consulting. Частная некоммерческая научно-исследовательская фирма Battelle и Гектор Сандовал, научный сотрудник LM в Lockheed Martin, выступали в качестве технических консультантов. Контракт администрировался Национальным центром производственных наук (NCMS) в рамках программы AMMP Other Transaction Convention (OTA).

«Разработка допустимых материальных затрат — очень дорогостоящее и трудоемкое мероприятие», — прокомментировала президент Senvol Энни Ванг. «Программа Senvol оказалась очень успешной в демонстрации нового подхода к разработке разрешений для аддитивного производства, который использует машинное обучение. Мы были очень довольны результатами и с нетерпением ждем продолжения работы в этой передовой области».

Доктор Уильям Э. Фрейзер, бывший главный научный сотрудник компании NAVAIR и президент Pilgrim Consulting LLC, добавил: «Я был очень рад присоединиться к команде Senvol для участия в этой программе. Подход Senvol, основанный на машинном обучении, напрямую решает главную задачу отрасли: быструю и экономически эффективную разработку допустимых свойств материалов для аддитивного производства».

Оптимизация разработки нормативов материалов с помощью машинного обучения

В то время как аддитивное производство обеспечивает легкое и эффективное по времени производство конструкций, Сенвол утверждает, что эти преимущества ограничены временем и высокими затратами, необходимыми для разработки разрешений.

Эта высокая стоимость во многом объясняется тем фактом, что допустимая разработка требует создания значительного объема эмпирических данных в фиксированной точке обработки. Таким образом, все эмпирические данные обычно необходимо генерировать с нуля всякий раз, когда в процессе происходят серьезные изменения. Это делает процессы аддитивного производства дорогостоящими и трудоемкими как на начальном этапе внедрения, так и в долгосрочной перспективе, когда в процедуру 3D-печати неизбежны изменения.

В рамках этой программы Senvol продемонстрировала новый подход к разработке допустимых материальных затрат, основанный на машинном обучении. Программа была сосредоточена на материале из нержавеющей стали 17-4 PH, обработанном на 3D-принтере с порошковым наплавлением.

Программное обеспечение ML компании Senvol, которое поддерживает квалификацию процессов аддитивного производства, было использовано в программе для разработки статистически обоснованных свойств материалов, сопоставимых с допустимыми для материалов. Программное обеспечение достигло этого, одновременно оптимизировав требования к генерации данных.

По словам Сенвола, этот подход машинного обучения является гибким и может обрабатывать изменения в процессе AM. Действительно, программное обеспечение ML компании можно применять к любому процессу аддитивного производства, любому 3D-принтеру и любому материалу. Это делает данный подход идеальным для долгосрочного устойчивого развития.

«Использование машинного обучения в процессах аддитивного производства и разработке материалов является очень зрелым. Это было принято промышленностью и является легко висящим плодом. Однако использование машинного обучения специально для разработки допустимых материальных затрат все еще находится в стадии разработки», — пояснил президент Senvol Зак Симкин.