| GE는 3D 인쇄 분야에서 잘 알려져 있으며, 부품 제조가 까다로운 항공 우주 분야에이 고급 제조 기술을 적용했으며 엄격한 치수 공차로 3D 인쇄를 GE의 핵심 초점 분야로 만들었습니다. 작년에 ConceptLaser와 Arcam 이것은 금속의 인수에 의해 입증됩니다. 금속 인쇄 3D 인쇄는 여러 가지 어려움을 겪고 있지만 3D 인쇄 프로세스에서 품질 결함이 발생하면 전체 부품이 폐기 될 수 있으며 심각 할 수 있습니다 낭비.  보다 일관된 품질 안정성을 위해 GE는 인공 지능 기술을 3D 인쇄에 적용합니다. GE 글로벌 리서치 연구소의 수석 엔지니어 및 첨가제 제조 기술 플랫폼, 머리 JoeVinciquerra은, GE는 최근 인공 지능 방법을 개선하여 기계 및 재료의 성능을 개선하려고합니다. 첨가제 제조 GE의 재료 실험실에서, 기계 학습 재생 중 인공 지능, 연구 및 기술 팀을 통해 역할은 품질 문제, 더 나은 부품을 생산 감소 첨가제 제조의 품질을 개선하기 위해 최선을 다하고 있습니다. 인공 지능은 프로세스 중에 품질에 영향을 줄 수있는 모든 요소를 감지하여 운영자가 품질 결함을 줄이고 물질 낭비를 방지하기 위해 적절한 조정을 할 수 있도록 보장합니다. 궁극적 인 목표는 완벽한 100 % 품질 제어 결과를 달성하는 것입니다 불필요한 자료없이 3D 인쇄가 실패하지 않는 경우가 종종 있습니다. 그러나 기계 학습을 통해 더 똑똑한 시스템이 목표에 다가 가고 있으며 디지털 쌍둥이를 사용하여 시뮬레이션 된 시뮬레이션 모델을 만들었습니다. 프로세스가 더 예측 가능합니다. GE의 100 % 품질 관리 결과는 3D 금속 인쇄 장치를 자체 품질 검사원으로 만드는 것을 의미합니다. GE는 부품 제조 프로세스의 모든 단계에서 100 % 가시성을 확보 할 것으로 기대합니다. GE의 디지털 쌍둥이가 3D 인쇄 프로세스에 어떤 문제가 있는지 파악하기 위해 기계 교육을 진행합니다. GE의 디지털 쌍둥이는 물리 및 디지털 세계를 연결하고 센서, 장치의 데이터를 분석, 모델링 및 재료 과학과 결합하여 시간이 지남에 따라 각각의 고유 한 자산에 대해 학습합니다. 산업 구성 요소 및 자산의 디지털 모델을 개선하고 심지어 전체 프로세스 및 시스템을 개선합니다. 경험으로부터 배우고 이전에 보았던 것과 유사한 오류를 보이는 일부 구성 요소가 관찰되고 장치가이를 운영자 응답으로 표시 할 수있는 경우 더 똑똑해질 수있는 인간 학습 모델과 같습니다 작업자는 시공을 중지하거나 동적으로 조정하여 가공 프로세스를 수정하고 계속할 수 있습니다. 물론, 3D 인쇄 장치가 작업자 개입없이 이러한 수정 작업을 수행 할 수 있습니다. 기계 학습과 물리적 모델링의 결합으로 기업은 과거 제품 성능을 이해할 수있을뿐만 아니라 미래를 예측할 수있을뿐 아니라 GE 엔지니어는 디지털 쌍둥이를 통해 복잡한 물리학을 상세하게 상세하게 분석하고 테스트 할 수 있습니다. 물리적 테스트 방법은 어렵습니다. 지능형 검사의 부품 빌드 데이터는 디지털 쌍둥이로 피드백되고 GE의 독점적 인 '금 표준'과 데이터를 지속적으로 비교함으로써 가공 편향을 찾을 수 있습니다. 따라서, 금속 3D 인쇄 장치가 자신의 검열로서 작용할 수있는, 산업 3D 인쇄는 또한 최종 제품의 부품 제조 공정에서 사용으로 더 깊이 따라서 상기 3D 인쇄하여 기기의 산업화 촉진 인공 지능 및 자동화 어느 정도 통합 될 수있다 3 차원 인쇄 장치 AI 자체 모니터링 및 자체 정정 궁극적하여 품질 관리의 수준을 향상 / 보상을 자동화하도록 요구 빠른 생산 속도의 구성이다. 다른 많은 제조 공정과 마찬가지로 3D 인쇄로 제작 된 각 부품에는 고유 한 데이터 스트림이 있습니다. 3D 인쇄 장치가 매년 수십에서 수백 개의 부품을 생산하는 것을 보면, 각 부품은 학습을 나타냅니다 부품이 같더라도 프로세스하십시오. AI가 들어오는 곳입니다. 중요한 학습 포인트를 캡처하고 자체 학습 프로세스를 활용함으로써 전반적인 제조 프로세스를 지속적으로 개선 할 수 있습니다. 그런 다음 필요 "완전히에서 확인하는 과정에서 효과적인 역할의 결과로, 첨가제 제조 과정을 이해 할 수있는 인공 지능을 구축? 그것은 특정 콘텐츠를 처리하고 방금 자료를 예측해야 할 때 얼마나 많은 시간을 행동하려고의 정도에 따라 달라집니다 제어의 우수성에는 벌크 다공성 제어가 포함되며, 이는 다량의 기계 학습을 달성해야 할 수도 있습니다. ConceptLaser 금속 첨가제 제조 장비의 경우, GE는 어떻게 기계 부품을 구축하는 ConceptLaser을 시뮬레이션하기위한 테스트 플랫폼을 사용자 정의 할 수 있습니다. 가상 테스트되면, 팀은 실제 기계 시험에서 돌았 다. |
 |
|