JP7255919B2 - 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 - Google Patents
積層造形における人工知能プロセス制御のためのシステム、方法および媒体 Download PDFInfo
- Publication number
- JP7255919B2 JP7255919B2 JP2021560087A JP2021560087A JP7255919B2 JP 7255919 B2 JP7255919 B2 JP 7255919B2 JP 2021560087 A JP2021560087 A JP 2021560087A JP 2021560087 A JP2021560087 A JP 2021560087A JP 7255919 B2 JP7255919 B2 JP 7255919B2
- Authority
- JP
- Japan
- Prior art keywords
- captured image
- classifier
- extrusion
- layer
- printed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 202
- 238000004519 manufacturing process Methods 0.000 title claims description 124
- 239000000654 additive Substances 0.000 title claims description 79
- 230000000996 additive effect Effects 0.000 title claims description 79
- 238000013473 artificial intelligence Methods 0.000 title description 27
- 238000004886 process control Methods 0.000 title description 6
- 238000007639 printing Methods 0.000 claims description 144
- 238000001125 extrusion Methods 0.000 claims description 93
- 238000013527 convolutional neural network Methods 0.000 claims description 34
- 230000004044 response Effects 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 9
- 230000008021 deposition Effects 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 246
- 230000008569 process Effects 0.000 description 144
- 238000004422 calculation algorithm Methods 0.000 description 47
- 238000013461 design Methods 0.000 description 45
- 230000003287 optical effect Effects 0.000 description 37
- 230000009471 action Effects 0.000 description 31
- 230000002787 reinforcement Effects 0.000 description 30
- 238000012549 training Methods 0.000 description 29
- 238000011282 treatment Methods 0.000 description 25
- 239000000758 substrate Substances 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 18
- 238000010146 3D printing Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 11
- 238000012876 topography Methods 0.000 description 11
- 238000000151 deposition Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 10
- 238000012856 packing Methods 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000036961 partial effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000009850 completed effect Effects 0.000 description 8
- 230000000670 limiting effect Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000011347 resin Substances 0.000 description 5
- 229920005989 resin Polymers 0.000 description 5
- 101100519431 Homo sapiens PDZD2 gene Proteins 0.000 description 4
- 102100025646 PDZ domain-containing protein 2 Human genes 0.000 description 4
- 230000002411 adverse Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004886 head movement Effects 0.000 description 3
- 238000000053 physical method Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- VIEYMVWPECAOCY-UHFFFAOYSA-N 7-amino-4-(chloromethyl)chromen-2-one Chemical compound ClCC1=CC(=O)OC2=CC(N)=CC=C21 VIEYMVWPECAOCY-UHFFFAOYSA-N 0.000 description 1
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 241001492222 Epicoccum Species 0.000 description 1
- 241000264877 Hippospongia communis Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000010017 direct printing Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000009969 flowable effect Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000133 mechanosynthesis reaction Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000000110 selective laser sintering Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 239000012815 thermoplastic material Substances 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/10—Processes of additive manufacturing
- B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
- B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/20—Apparatus for additive manufacturing; Details thereof or accessories therefor
- B29C64/205—Means for applying layers
- B29C64/209—Heads; Nozzles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y10/00—Processes of additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Materials Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Analysis (AREA)
Description
によって表される)、結果として印刷ヘッドの以前の位置になった制御コード印刷パラメータ(θi-1によって表される)、および、印刷ヘッドの現在の測定位置(
によって表される)。そして、出力変数は、結果として印刷ヘッドの現在の位置(θによって表される)になった数値制御符号パラメータとすることができる。入力変数および出力変数は、一緒に、人工知能アルゴリズムのための単一の学習サンプルとして機能することができる。単一の印刷層は、結果としてこの種の数百の学習サンプルを生ずることができる。これらの学習サンプルは、前の層内の異常についての知識、生産設計の所望の仕様、積層造形プリンタの印刷特徴および/または周囲条件とともに、最適な印刷パラメータを計算し、所望の印刷ヘッドの動きを生成するために用いることができる。いくつかの実施形態では、学習サンプルは、前の層内の異常についての知識、生産設計の所望の仕様、積層造形プリンタの特徴および/または周囲条件とともに、最適な印刷パラメータならびにその後の層のX-Y-Z設定点の最適配置および印刷経路のための命令を計算するために用いることができる。
、ノード状態ブロック1020(hi(si,θh))の測定値および最終的な出力ブロック1030(hy(y,θy))の測定値を含む。いくつかの実施形態において、θa、θhおよびθyの各々は、制御ループを通して信号の変換を表すことができるブロックパラメータとすることができる点に留意されたい。いくつかのこの種の実施形態において、各ブロックパラメータは、線形または非線形とすることができ、および/または、推論されるかまたは公知である。各ブロックの値およびパラメータを記載する追加の詳細は後述される。
かつ
の場合、損失関数は、
として定義でき、
である。いくつかの実施形態において、損失関数は、パラメータセットθyにおけるモデル最適化の基礎を
として定義することができるので、関数近似詞の出力は、システムプロセスの出力を正確に予測する。
として計算可能である。いくつかの実施形態において、状態siは任意の適切な技術または技術の組み合わせを用いて、例えば、ベイジアンまたはカルマンフィルタを用いて、CNNを用いる複雑な分類および/または他の任意の適切な方法で推定可能である。
とすることができる。いくつかの実施形態において、いくつかのノードiは、拘束するのにより費用がかかり得るため、Ti∈[1,N-i-1]について
に対する修正は、エラーが
から導出される所定の閾値より大きいとき、例えば、
のとき、より費用効果的となり得、ここで、γiは受け入れられる許容度を示す点に留意されたい。いくつかの実施形態において、ノード状態STを拘束することによって、全体的な出力品質
に関して得られた利点が存在し得るが、プロセスの最適化
は、必ずしも
を生じない。
であり、T(.)は、方策πによって選択されるいくつかの処置aiの結果である点に留意されたい。すなわち、いくつかの実施形態において、基準si *からの測定された状態siの任意の偏差は、結果として基準状態のすべての次の定義の調整になり得る。いくつかの実施形態において、方策πを使用して最適処置aiを選択することは、一般的な強化パラダイムと整合している。いくつかの実施形態において、最適方策πに対する方策の収束であるπ→π*は、τiに関する自由度に依存し、Mの可能な処置値のために、処置aiのai,k∈[ai,0…ai,M-1]への離散化に基づくことができる。
によって定義可能であり、θaは処置の選択に関連付けられたパラメータに対応する。いくつかの実施形態において、基準の状態ベクトルは、方策の関数として
のように記述可能であり、プロセスの出力は、y*π=g(S*π)によって定義可能である。
と記載する引張強度を計算することができる。いくつかの実施形態において、引張強度エラーは、基準の引張強度に基づいて計算可能である。いくつかの実施形態において、引張強度エラーは、本願明細書において
と記載される。
のような報酬関数を用いて計算可能であり、報酬は、係数αおよびβによって重み付けされる。
として定義される。いくつかの実施形態において、この定義は、なんらかの値Ts,maxで、彩度を表すことができ、これは、基準の引張強度の近くの不安定な結果のないスケーリングされた絶対値、ハイパボリック報酬曲線を可能にする。
として定義可能である点に留意されたい。
によって定義される関連付けられた報酬riを有し、割引計数が0<γ<1であるように、ノードのi当たりの個々の報酬が任意の適切な方法で(例えば、ベルマン方程式を用いて)伝搬可能である点に留意されたい。
に従ってグローバルメモリからタプルをサンプリングすることができ、αは、比較的高い優先フラグを有するタプルがどのくらいの頻度で選択されるべきかを示す重みである。例えば、α=0の例では、タプルは、均等分布でランダムに選択可能であるが、α=1のとき、最高優先度に関連付けられたタプルは、優先してサンプリング可能である。
である。この例をさらに続けると、いくつかの実施形態において、次に、プロセス1200は、報酬に基づいてytを修正することができ、ytはrt-γytに設定される。この例をさらに続けると、いくつかの実施形態において、プロセス1200は、グローバル学習器の重みΔθ+のための勾配を計算することができ、Δθ+は
によってインクリメントされる。いくつかの実施形態において、次に、プロセス1200は、グローバル学習器の重みΔθ+のための勾配に基づいて、グローバル学習器の重みθ+を更新することができる。
Claims (18)
- 積層造形システムであって、
熱溶解積層法によって対象物を印刷するように構成される印刷ヘッドと、
前記対象物の印刷層の画像を捕捉するように構成される画像センサと、
少なくとも1つのハードウェア・プロセッサと、
を備え、前記少なくとも1つのハードウェア・プロセッサは、
キャプチャ画像を受信し、
前記キャプチャ画像の低解像度バージョンを生成するために前記キャプチャ画像をサンプリングし、
学習された故障分類器を前記キャプチャ画像の前記低解像度バージョンに適用し、
前記学習された故障分類器から得られた分類に基づいて、回復不能の故障が前記対象物の前記印刷層内に存在しないと決定し、
回復不能の故障が前記印刷層内に存在しないと決定することに応答して、前記キャプチャ画像の前記低解像度バージョンの切り取られたバージョンを生成し、
学習されたバイナリ・エラー分類器を前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンに適用し、
前記学習されたバイナリ・エラー分類器から得られた分類に基づいて、エラーが前記対象物の前記印刷層内に存在すると決定し、
前記エラーが前記対象物の前記印刷層内に存在すると決定することに応答して、学習された押出分類器を前記キャプチャ画像に適用し、前記学習された押出分類器は、前記対象物の前記印刷層内の材料の押出の品質を示す押出品質スコアを生成し、
前記対象物の次の層を印刷するために前記押出品質スコアに基づいて前記印刷ヘッドのパラメータの値を調整する、
ように構成される積層造形システム。 - 前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンは、前記押出品質スコアを表すメッシュ・パターンを含む関心領域を識別することによって生成される、請求項1に記載の積層造形システム。
- 前記少なくとも1つのハードウェア・プロセッサは、
前記対象物の前記次の層の第2のキャプチャ画像を受信し、
前記第2のキャプチャ画像の低解像度バージョンを生成するために前記第2のキャプチャ画像をサンプリングし、
前記学習された故障分類器を前記第2のキャプチャ画像の前記低解像度バージョンに適用し、
前記学習された故障分類器から得られた第2の分類に基づいて、回復不能の故障が前記対象物の前記次の層内に存在すると決定し、
回復不能の故障が前記次の層内に存在すると決定することに応答して、前記対象物の印刷を終了する、
ようにさらに構成される、請求項1に記載の積層造形システム。 - 前記学習された故障分類器は、畳み込みニューラル・ネットワーク(CNN)を備える、請求項1に記載の積層造形システム。
- 前記学習された押出分類器は、複数のCNNを備える、請求項1に記載の積層造形システム。
- 前記印刷ヘッドの前記パラメータは、押出容量である、請求項1に記載の積層造形システム。
- 積層造形システムを用いた積層造形プロセスを実行する方法であって、
対象物のキャプチャ画像を受信するステップと、
前記キャプチャ画像の低解像度バージョンを生成するために前記キャプチャ画像をサンプリングするステップと、
学習された故障分類器を前記キャプチャ画像の前記低解像度バージョンに適用するステップと、
前記学習された故障分類器から得られた分類に基づいて、回復不能の故障が対象物の印刷層内に存在しないと決定するステップと、
回復不能の故障が前記印刷層内に存在しないと決定することに応答して、前記キャプチャ画像の前記低解像度バージョンの切り取られたバージョンを生成するステップと、
学習されたバイナリ・エラー分類器を前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンに適用するステップと、
前記学習されたバイナリ・エラー分類器から得られた分類に基づいて、エラーが前記対象物の前記印刷層内に存在すると決定するステップと、
前記エラーが前記対象物の前記印刷層内に存在すると決定することに応答して、学習された押出分類器を前記キャプチャ画像に適用して、前記学習された押出分類器が、前記対象物の前記印刷層内の材料の押出の品質を示す押出品質スコアを生成するステップと、
前記対象物の次の層を印刷するために前記押出品質スコアに基づいて印刷ヘッドのパラメータの値を調整するステップと、
を含む方法。 - 前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンは、前記押出品質スコアを表すメッシュ・パターンを含む関心領域を識別することによって生成される、請求項7に記載の方法。
- 前記方法は、
前記対象物の前記次の層の第2のキャプチャ画像を受信するステップと、
前記第2のキャプチャ画像の低解像度バージョンを生成するために前記第2のキャプチャ画像をサンプリングするステップと、
前記学習された故障分類器を前記第2のキャプチャ画像の前記低解像度バージョンに適用するステップと、
前記学習された故障分類器から得られた第2の分類に基づいて、回復不能の故障が前記対象物の前記次の層内に存在すると決定するステップと、
回復不能の故障が前記次の層内に存在すると決定することに応答して、前記対象物の印刷を終了するステップと、
をさらに含む、請求項7に記載の方法。 - 前記学習された故障分類器は、畳み込みニューラル・ネットワーク(CNN)を備える、請求項7に記載の方法。
- 前記学習された押出分類器は、複数のCNNを備える、請求項7に記載の方法。
- 前記印刷ヘッドの前記パラメータは、押出容量である、請求項7に記載の方法。
- コンピュータ実行可能命令を含む非一時的コンピュータ可読媒体であって、前記コンピュータ実行可能命令は、プロセッサによって実行されるとき、前記プロセッサに積層造形のための方法を実行させ、前記方法は、
対象物のキャプチャ画像を受信するステップと、
前記キャプチャ画像の低解像度バージョンを生成するために前記キャプチャ画像をサンプリングするステップと、
学習された故障分類器を前記キャプチャ画像の前記低解像度バージョンに適用するステップと、
前記学習された故障分類器から得られた分類に基づいて、回復不能の故障が対象物の印刷層内に存在しないと決定するステップと、
回復不能の故障が前記印刷層内に存在しないと決定することに応答して、前記キャプチャ画像の前記低解像度バージョンの切り取られたバージョンを生成するステップと、
学習されたバイナリ・エラー分類器を前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンに適用するステップと、
前記学習されたバイナリ・エラー分類器から得られた分類に基づいて、エラーが前記対象物の前記印刷層内に存在すると決定するステップと、
前記エラーが前記対象物の前記印刷層内に存在すると決定することに応答して、学習された押出分類器を前記キャプチャ画像に適用して、前記学習された押出分類器が、前記対象物の前記印刷層内の材料の押出の品質を示す押出品質スコアを生成するステップと、
前記押出品質スコアに基づいて印刷ヘッドのパラメータの値を調整し、前記対象物の次の層を印刷するステップと、
を含む非一時的コンピュータ可読媒体。 - 前記キャプチャ画像の前記低解像度バージョンの前記切り取られたバージョンは、前記押出品質スコアを表すメッシュ・パターンを含む関心領域を識別することによって生成される、請求項13に記載の非一時的コンピュータ可読媒体。
- 前記方法は、
前記対象物の前記次の層の第2のキャプチャ画像を受信するステップと、
前記第2のキャプチャ画像の低解像度バージョンを生成するために前記第2のキャプチャ画像をサンプリングするステップと、
前記学習された故障分類器を前記第2のキャプチャ画像の前記低解像度バージョンに適用するステップと、
前記学習された故障分類器から得られた第2の分類に基づいて、回復不能の故障が前記対象物の前記次の層内に存在すると決定するステップと、
回復不能の故障が前記次の層内に存在すると決定することに応答して、前記対象物の印刷を終了するステップと、
をさらに含む、請求項13に記載の非一時的コンピュータ可読媒体。 - 前記学習された故障分類器は、畳み込みニューラル・ネットワーク(CNN)を備える、請求項13に記載の非一時的コンピュータ可読媒体。
- 前記学習された押出分類器は、複数のCNNを備える、請求項13に記載の非一時的コンピュータ可読媒体。
- 前記印刷ヘッドの前記パラメータは、押出容量である、請求項13に記載の非一時的コンピュータ可読媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023046860A JP7553983B2 (ja) | 2019-04-19 | 2023-03-23 | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 |
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962836202P | 2019-04-19 | 2019-04-19 | |
US201962836213P | 2019-04-19 | 2019-04-19 | |
US201962836199P | 2019-04-19 | 2019-04-19 | |
US62/836,202 | 2019-04-19 | ||
US62/836,213 | 2019-04-19 | ||
US62/836,199 | 2019-04-19 | ||
PCT/US2020/029020 WO2020215093A1 (en) | 2019-04-19 | 2020-04-20 | Systems, methods, and media for artificial intelligence process control in additive manufacturing |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023046860A Division JP7553983B2 (ja) | 2019-04-19 | 2023-03-23 | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022526033A JP2022526033A (ja) | 2022-05-20 |
JP7255919B2 true JP7255919B2 (ja) | 2023-04-11 |
Family
ID=72837643
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021560087A Active JP7255919B2 (ja) | 2019-04-19 | 2020-04-20 | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 |
JP2023046860A Active JP7553983B2 (ja) | 2019-04-19 | 2023-03-23 | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023046860A Active JP7553983B2 (ja) | 2019-04-19 | 2023-03-23 | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3921711B1 (ja) |
JP (2) | JP7255919B2 (ja) |
KR (2) | KR102584982B1 (ja) |
CN (1) | CN113728285B (ja) |
WO (1) | WO2020215093A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11340597B2 (en) * | 2018-04-27 | 2022-05-24 | Hewlett-Packard Development Company, L.P. | 3-D printing batch analysis |
CN114927175B (zh) * | 2022-05-11 | 2023-05-02 | 四川大学 | 一种用于材料拉伸本构参数拟合的高通量计算方法 |
SE2250597A1 (en) * | 2022-05-19 | 2023-11-20 | Cellink Bioprinting Ab | Multi-sensor evaluation of a printing process |
CN115157684B (zh) * | 2022-07-21 | 2024-05-28 | 中山市嘉宝日用制品有限公司 | Pc制品的3d打印工艺 |
CN115302759A (zh) * | 2022-08-08 | 2022-11-08 | 西北工业大学 | 增材制造监测及调控方法、系统及存储介质 |
CN116540955B (zh) * | 2023-04-21 | 2024-07-12 | 成都飞机工业(集团)有限责任公司 | 一种增材制造打印中断故障处理方法、介质和设备 |
CN117183331B (zh) * | 2023-09-06 | 2024-07-23 | 张家港爵启科技有限公司 | 一种基于数字孪生三维模型3d打印建模方法 |
CN117340280B (zh) * | 2023-12-05 | 2024-02-13 | 成都斐正能达科技有限责任公司 | 一种lpbf增材制造过程监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150165683A1 (en) | 2013-12-13 | 2015-06-18 | General Electric Company | Operational performance assessment of additive manufacturing |
JP2016533925A (ja) | 2013-08-07 | 2016-11-04 | マサチューセッツ インスティテュート オブ テクノロジー | 付加製造装置の自動プロセス制御 |
US20170193680A1 (en) | 2016-01-04 | 2017-07-06 | Kla-Tencor Corporation | Generating high resolution images from low resolution images for semiconductor applications |
JP2018008403A (ja) | 2016-07-12 | 2018-01-18 | 学校法人慶應義塾 | 立体物製造装置、立体物製造方法及びプログラム |
WO2018127827A1 (en) | 2017-01-05 | 2018-07-12 | Yona Itamar Izhak | Systems and methods for automatic three-dimensional object printing |
JP2020527475A (ja) | 2017-05-24 | 2020-09-10 | リラティビティ スペース,インク. | 機械学習を使用する付加製造プロセスのリアルタイム適応制御 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2714441C2 (de) * | 1976-04-15 | 1986-04-24 | Xerox Corp., Rochester, N.Y. | Steuersystem für elektrostatographische Geräte |
JPS5345359A (en) * | 1976-10-06 | 1978-04-24 | Toyo Seisan Kagaku Kenkiyuushi | Method of production of synthetic resinn porcelain laminar composite |
US6501849B1 (en) * | 1997-09-02 | 2002-12-31 | General Electric Company | System and method for performing image-based diagnosis over a network |
JP6362443B2 (ja) * | 2014-06-13 | 2018-07-25 | 国立研究開発法人物質・材料研究機構 | エレクトロクロミック膜の成膜方法、エレクトロクロミック膜及びエレクトロクロミック膜被膜導電体層付き基板 |
WO2016040453A1 (en) * | 2014-09-10 | 2016-03-17 | The Exone Company | Three-dimensional printing progress verification methods and apparatuses |
US20180253590A1 (en) | 2015-03-20 | 2018-09-06 | Inspirata, Inc. | Systems, methods, and apparatuses for digital histopathological imaging for prescreened detection of cancer and other abnormalities |
US10335991B2 (en) * | 2015-12-08 | 2019-07-02 | Xerox Corporation | System and method for operation of multi-nozzle extrusion printheads in three-dimensional object printers |
GB2549071B (en) * | 2016-03-23 | 2020-11-11 | Sony Interactive Entertainment Inc | 3D printing system |
US20180297114A1 (en) * | 2017-04-14 | 2018-10-18 | Desktop Metal, Inc. | Printed object correction via computer vision |
EP3459715A1 (en) * | 2017-09-26 | 2019-03-27 | Siemens Aktiengesellschaft | Method and apparatus for predicting the occurrence and type of defects in an additive manufacturing process |
-
2020
- 2020-04-20 CN CN202080029953.4A patent/CN113728285B/zh active Active
- 2020-04-20 KR KR1020217037371A patent/KR102584982B1/ko active IP Right Grant
- 2020-04-20 WO PCT/US2020/029020 patent/WO2020215093A1/en unknown
- 2020-04-20 EP EP20790652.0A patent/EP3921711B1/en active Active
- 2020-04-20 KR KR1020237033202A patent/KR20230142650A/ko active Search and Examination
- 2020-04-20 JP JP2021560087A patent/JP7255919B2/ja active Active
-
2023
- 2023-03-23 JP JP2023046860A patent/JP7553983B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016533925A (ja) | 2013-08-07 | 2016-11-04 | マサチューセッツ インスティテュート オブ テクノロジー | 付加製造装置の自動プロセス制御 |
US20180079125A1 (en) | 2013-08-07 | 2018-03-22 | Massachusetts Institute Of Technology | Automatic process control of additive manufacturing device |
US20150165683A1 (en) | 2013-12-13 | 2015-06-18 | General Electric Company | Operational performance assessment of additive manufacturing |
US20170193680A1 (en) | 2016-01-04 | 2017-07-06 | Kla-Tencor Corporation | Generating high resolution images from low resolution images for semiconductor applications |
JP2018008403A (ja) | 2016-07-12 | 2018-01-18 | 学校法人慶應義塾 | 立体物製造装置、立体物製造方法及びプログラム |
WO2018127827A1 (en) | 2017-01-05 | 2018-07-12 | Yona Itamar Izhak | Systems and methods for automatic three-dimensional object printing |
JP2020527475A (ja) | 2017-05-24 | 2020-09-10 | リラティビティ スペース,インク. | 機械学習を使用する付加製造プロセスのリアルタイム適応制御 |
Also Published As
Publication number | Publication date |
---|---|
EP3921711A4 (en) | 2022-11-02 |
CN113728285B (zh) | 2023-12-19 |
JP7553983B2 (ja) | 2024-09-19 |
JP2023089006A (ja) | 2023-06-27 |
JP2022526033A (ja) | 2022-05-20 |
EP3921711A1 (en) | 2021-12-15 |
CN113728285A (zh) | 2021-11-30 |
KR20210154202A (ko) | 2021-12-20 |
KR20230142650A (ko) | 2023-10-11 |
WO2020215093A1 (en) | 2020-10-22 |
EP3921711B1 (en) | 2024-02-14 |
KR102584982B1 (ko) | 2023-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11731368B2 (en) | Systems, methods, and media for artificial intelligence process control in additive manufacturing | |
JP7255919B2 (ja) | 積層造形における人工知能プロセス制御のためのシステム、方法および媒体 | |
CN112118949B (zh) | 增材制造中用于人工智能反馈控制的系统、方法和介质 | |
TWI830791B (zh) | 用於最佳化一裝配線中之工作流程之方法及系統、及非暫時性電腦可讀媒體 | |
Brion et al. | Generalisable 3D printing error detection and correction via multi-head neural networks | |
US20230342908A1 (en) | Distortion prediction for additive manufacturing using image analysis | |
JP2021013996A (ja) | ロボットシステムの制御方法、物品の製造方法、生産システム、制御プログラム、記録媒体、およびロボットシステム | |
WO2022158060A1 (ja) | 加工面判定装置、加工面判定プログラム、加工面判定方法、加工システム、推論装置、及び、機械学習装置 | |
TW202333088A (zh) | 用於半導體製造之連續機器學習模型訓練 | |
Ghansiyal et al. | Designing Porous Structure with Optimized Topology using Machine Learning | |
Mangrolia | In-Situ and In-Raster Mitigation of Defects in Additive Manufacturing Processes Subject to Cyber-Attacks and Machine Inaccuracies | |
EP4405664A1 (en) | System and method for determining a characteristic of a surface of an object, methods for training a machine-learning model and programmable hardware | |
CN118690617A (zh) | 工件矫形过程质量检测和分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211011 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220912 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220916 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221215 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230224 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7255919 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |