Le cadre d’impression 3D peut résoudre les erreurs
Une solution basée sur l’IA pour identifier les problèmes en temps réel en tant que composant pour les appareils électromagnétiques ouvre la voie à la résolution des problèmes à la volée.
Des chercheurs ont développé un nouveau cadre pour mesurer les erreurs potentielles de précision, l’impression 3D, ouvrant la voie à une impression plus efficace et efficiente de pièces pour appareils électromagnétiques capables de corriger les erreurs à la volée.
Une équipe de la Penn State University a utilisé l’apprentissage automatique pour diagnostiquer en temps réel les erreurs d’impression des composants électriques des appareils sensibles, remplaçant ainsi les moyens coûteux et inefficaces en termes de calcul que les scientifiques utilisaient auparavant pour s’assurer que ces pièces sensibles étaient imprimées avec précision, ont déclaré les chercheurs.
La nouvelle méthode peut rendre l’impression pour les appareils sensibles beaucoup plus efficace en termes de temps, de coût et de bande passante de calcul, ont-ils déclaré.
« Beaucoup de choses peuvent mal tourner pendant le processus de fabrication additive pour n’importe quel composant », a déclaré Greg Huff, professeur agrégé de génie électrique à Penn State, dans un communiqué de presse. « Et dans le monde de l’électromagnétisme, où les dimensions sont basées sur des longueurs d’onde plutôt que sur des unités de mesure régulières, tout petit défaut peut vraiment contribuer à des pannes de système à grande échelle ou à des opérations dégradées. »
Pour cette raison, « les petits ajustements comptent vraiment » lorsqu’il s’agit d’imprimer les pièces, et même de minuscules défauts peuvent ruiner un composant. Cela a conduit Huff et son équipe à expérimenter de nombreuses façons d’identifier les erreurs lors de l’impression des pièces dans le but ultime de les corriger avant qu’elles n’atteignent le produit fini.
Une nouvelle façon de diagnostiquer les erreurs
Auparavant, les chercheurs avaient attaché des caméras aux têtes d’impression afin de capturer une image à chaque fois que quelque chose était imprimé. Cela leur a permis de collecter et de gérer un ensemble de données qu’ils pourraient combiner avec un algorithme pour classer les types d’erreurs d’impression.
Le développement de cet ensemble de données et la détermination des informations dont un réseau de neurones avait besoin pour diagnostiquer les erreurs en temps réel étaient la clé de la recherche, a observé Deanna Sessions, qui a travaillé sur le projet en tant qu’étudiante au doctorat en génie électrique à Penn State. Elle a obtenu ce diplôme en 2021 et travaille maintenant comme sous-traitante pour le laboratoire de recherche de l’Air Force pour UES Inc.
« Nous utilisons ces informations – à partir d’images optiques bon marché – pour prédire les performances électromagnétiques sans avoir à faire de simulations pendant le processus de fabrication », a-t-elle déclaré dans un communiqué de presse. « Si nous avons des images, nous pouvons dire si un certain élément va poser problème. »
Une fois les images collectées et organisées, les chercheurs se sont mis à essayer de former un réseau de neurones pour identifier les erreurs qui créent des problèmes de performance, a déclaré Sessions.
Ils ont découvert qu’ils le pouvaient, créant l’intelligence artificielle (IA) qui est l’essence même du framework. Le résultat est une solution qui, lorsqu’elle est appliquée à l’impression, peut identifier les erreurs lors de l’impression, ont déclaré les chercheurs.
Aller plus loin
L’équipe a publié un article sur ses travaux dans la revue La fabrication additive.
Maintenant que les chercheurs ont franchi cette étape importante de l’identification des erreurs en temps réel, l’objectif ultime est d’essayer de corriger ces erreurs également pendant le processus d’impression, a déclaré Huff.
« Au fur et à mesure que ce processus est affiné, il peut commencer à créer ce type de contrôle par rétroaction », a-t-il déclaré dans un communiqué de presse.
Dans ce type de système, les chercheurs obtiendraient des informations sur ce qu’un composant est en train de devenir, puis effectueraient les ajustements appropriés afin que le processus d’impression puisse se poursuivre et que la bonne pièce puisse être imprimée avec succès, a déclaré Huff.
