研究目的
提出一个涵盖多种机器学习原理的全系统平台,利用云端存储的生产数据来识别激光粉末床熔融(LPBF)增材制造工艺中可能影响打印质量的工艺参数。
研究成果
这封信探讨了激光粉末床熔融(LPBF)工艺的赛博物理制造与人工智能框架。简言之,该框架支持多台打印机的数据共享与机器学习模型训练。所提出的框架能为金属3D打印工厂提供多种工艺监测、诊断及预测策略。该框架基于共享数据,采用HDFS和DDS实现数据共享,并运用Hadoop生态系统工具进行机器学习模型训练。除本文所述的LPBF应用外,该框架还可应用于半导体制造与供应链等其他多阶段工艺流程。
研究不足
当前方法利用本地数据,通过闭环反馈控制系统调节单台增材制造打印机中激光功率等少量工艺变量。由于缺乏对工艺参数及其与打印质量关系的深入认知,现有闭环反馈控制系统无法全面控制工艺过程以防止缺陷零件产生。采用实验设计或响应面法等统计手段筛选和建模所有这些变量,对人类而言并不可行。