Основные понятия
3Dプリンターの部品品質を事前に予測し、設計パラメータと製造プロセスパラメータを最適化することで、部品品質と製造収率の向上を目指す。
Аннотация
本研究では、金属3Dプリンターの部品品質を効率的に予測するためのマルチモーダルな深層学習モデルを提案している。
主な取り組みは以下の通り:
- プリンターのログデータと熱センサーデータを組み合わせた熱エンコーダーネットワークを開発し、部品の熱シグネチャを抽出する。
- 抽出した熱シグネチャと印刷パラメータを統合して、部品の寸法精度と気孔率を予測するモデルを構築する。
- 3Dデザインデータを入力に置き換えた場合でも、同等の予測精度が得られることを示す。
これにより、実際の印刷前に部品品質を予測し、設計と製造プロセスの最適化を支援することが可能となる。また、デジタルツインの一部としても活用できる。
Статистика
部品の長さ、幅、高さの予測誤差は0.15%、0.13%、0.34%と高精度
部品の密度予測誤差は0.13、0.02、0.03と低い
Цитаты
"With the large data gathered from HP's MetJet printing processes, AI techniques can be used to analyze, learn, and effectively infer the printed part quality metrics, as well as assist in improving the print yield."
"The pre-trained model with efficient thermal feature extraction is then fused with printer control parameters for downstream tasks including part dimensional accuracy prediction and part porosity prediction."