導讀：通常來講，要想認定一款3D打印材料實用性能的優(you) 劣與(yu) 否，往往需要經曆漫長的應用效果評估和豐(feng) 富的數據積累才能確定，而如今，機器學習(xi) 技術正在極大地縮短這一過程。南極熊認為(wei) ，如果該項技術成熟化，甚至可以淘汰的傳(chuan) 統“材料試錯法”。

2022年2月22日，南極熊獲悉，增材製造數據專(zhuan) 家Senvol展示了其機器學習(xi) （ML）技術如何被用來加速新型航空3D打印材料的鑒定進程。

根據美國3D打印加速器AmericaMakes簽發的合同，該公司已經部署了Senvol ML軟件，以便加快確定材料的研發過程是否經濟。該項目由美國空軍(jun) （USAF）資助，它被認為(wei) 是生產(chan) 新一代耐用輕質部件的關(guan) 鍵，可用於(yu) 航空航天和商業(ye) 領域。

NAVAIR的退休首席科學家和項目參與(yu) 者William E. Frazier博士說："我曾參與(yu) 過幾個(ge) 增材製造工藝和材料的飛行鑒定，在我看來，這項技術的進一步發展將對國防部（DoD）和商業(ye) 平台的成本、進度和性能產(chan) 生積極影響。Senvol公司的Mil-enabled方法直接解決(jue) 了一個(ge) 主要的行業(ye) 挑戰：更快速的、具有成本效益的3D打印材料的開發。"

△美國空軍(jun) 正在使用Senvol的AM軟件來優(you) 化EOS 3D打印機的設置，以生產(chan) 航空零件。圖片來自美國空軍(jun) 的Mikayla Heineck。

Senvol ML的軍(jun) 事潛力

實際上，Senvol ML是一個(ge) 數據驅動的軟件，可以用來分析3D打印參數和材料的最終性能之間的關(guan) 係。該程序不受任何一種技術的束縛，與(yu) 所有已知的AM工藝兼容，使用戶能夠根據預先設定的目標機械性能，為(wei) 其係統或材料生成一套參數。

Senvol ML的預測能力主要歸功於(yu) 其模塊化的綜合計算材料工程或 "ICME "框架。分為(wei) 四個(ge) 模塊，這個(ge) ICME對收集到的參數、材料屬性、工藝特征和機械性能的數據之間的關(guan) 係進行量化，以生成任何結果部件將如何以快速的速度表現的預測。

在這樣做的過程中，Senvol ML為(wei) 航空航天、國防、消費、醫療、汽車和石油天然氣領域的采用者提供了重要的質量保證工具，而且該技術現在也越來越多地在軍(jun) 事領域得到應用。僅(jin) 僅(jin) 從(cong) 2020年開始，Senvol就利用其軟件幫助打印大型航空零件，並開發了一個(ge) 導彈鑒定工作流程，同時獲得了國防部的進一步研發資金。

Senvol公司總裁ZachSimkin說："Senvol公司的數據驅動的機器學習(xi) 技術有可能大幅降低開發可使用材料的成本。通過展示一種全新的、明顯更有效的、可量化的開發方法，Senvol向美國空軍(jun) 、美國製造成員以及整個(ge) 增材製造行業(ye) 證明了它的巨大價(jia) 值。"

△來自SenvolML的分析實例 - 不鏽鋼粉末和激光粉末床融合。圖片來自Senvol。

材料分析技術的發展

森沃爾的"美國製造"研究項目是圍繞著確定材料的"性能允許值"的過程。也被稱為(wei) "設計允許值"，這些值基本上代表了統計學上確定的材料所需的最低耐久性能，以使它們(men) 在特別苛刻的應用中可行。

具體(ti) 而言，該項目要求展示Senvol ML軟件的機器學習(xi) 算法如何加速這一過程，同時減少通常需要的大量經驗數據，這可能是3D打印更廣泛的軍(jun) 事部署的一個(ge) 障礙。

美國製造的技術總監Brandon Ribic博士解釋說："增材製造是一種現代化和數字化的製造方法，具有快速的可定製加工。繼續使用傳(chuan) 統的材料試錯方法，是製約增材製造更廣泛的材料和工藝選擇和能力的瓶頸。"

據Ribic說，Senvol公司通過開發一種數據分析驅動的鑒定方法，成功地克服了這一瓶頸，以一種非常強大的方式展示了其軟件的能力。事實上，通過與(yu) 諾斯羅普-格魯曼公司、美國國家航空研究所（NIAR）、Stratasys直接製造公司和Pilgrim谘詢公司合作，據說該公司能夠確定經證實的材料特性，同時優(you) 化其數據生成要求。

盡管Senvol公司在該項目中集中精力尋找通過粉末床熔融機加工的阻燃尼龍11的特性允許值，但它說它的方法可以應用於(yu) "任何AM工藝、機器和材料"，以便比傳(chuan) 統方法更快速、更經濟、更準確地確定其參數。

Simkin總結說："這個(ge) 美國製造計劃的結果是令人難以置信的成功。此外，我們(men) 還確定了其他幾個(ge) 機會(hui) 領域，以深入研究機器學習(xi) 能力，解決(jue) 這個(ge) 行業(ye) 的關(guan) 鍵需求。我們(men) 期待著繼續與(yu) 業(ye) 界合作，推進這一前沿領域的發展。"

△Alchemite軟件界麵。圖片來自Intellegens

一種新的鑒定方法？

與(yu) 傳(chuan) 統的材料“試錯”鑒定方法相比，基於(yu) 機器學習(xi) 的算法提供了一種消除失敗打印品背後的人為(wei) 錯誤的手段。盡管許多這樣的程序仍處於(yu) 實驗階段，但由Senvol ML和Intellegens等公司開發的軟件的好處，現在已經開始進入工廠車間。

就在去年，後者與(yu) 謝菲爾德大學的AMRC和波音公司合作，提出了一種新的優(you) 化的3D打印航空航天零件的方法。利用該公司自己的Alchemite ML平台，該項目旨在加強粉末床融合工藝，以確保比以前更快、更便宜、用更多的材料生產(chan) 部件。

同樣，麻省理工學院（MIT）的工程師們(men) 也開發了一種開源的ML算法，旨在幫助更多的人加快識別3D可打印材料的過程。在他們(men) 的 "AutoOED "軟件中，該團隊的程序能夠自動識別具有所需品質的可行材料，如韌性、剛度和強度。

△一批單位正在招聘3D打印博士、碩士人才

https://www.nanjixiong.com/forum-47-1.html