根據(jù)中國(guó)機(jī)械工程學(xué)會(huì)榮譽(yù)理事、同濟(jì)大學(xué)張曙教授：“未來(lái)工廠不僅是技術(shù)、環(huán)境和人，商業(yè)的模式和供應(yīng)鏈，以及工廠的組織型態(tài)都是在動(dòng)態(tài)變化之中，平臺(tái)化、協(xié)同化是大趨勢(shì)。”

未來(lái)工廠的典型特征是智能制造，作為新一代的物質(zhì)生產(chǎn)技術(shù)，與新一代人工智能技術(shù)深度融合，形成真正的新一代智能制造技術(shù)，進(jìn)而成為第四次工業(yè)革命的核心技術(shù)引擎。3D打印以精微材料為起點(diǎn)、以數(shù)字化控制為手段，創(chuàng)造性地實(shí)現(xiàn)了在零件制造過(guò)程的同時(shí)在制備材料、制備材料的同時(shí)在制造零件，將傳統(tǒng)上材料選擇制備和工藝加工的串行過(guò)程轉(zhuǎn)變?yōu)槌尚院统尚蔚牟⑿羞^(guò)程。

進(jìn)化中的工業(yè)革命

© 3D科學(xué)谷白皮書

人工智能是智能制造的核心，人工智能 (AI) 的概念是由 John McCarthy提出的，表示機(jī)器展示的智能。最常見的人工智能類型是模仿人類行為的能力和機(jī)器不斷改進(jìn)其行為的能力。學(xué)習(xí)和提高的任務(wù)，對(duì)人類來(lái)說(shuō)看似簡(jiǎn)單，卻是一種非常復(fù)雜的認(rèn)知現(xiàn)象，涉及數(shù)百萬(wàn)年的認(rèn)知和生理進(jìn)化。

根據(jù)《暗知識(shí)》，當(dāng)數(shù)據(jù)無(wú)法被人類感受，它們之間的關(guān)系又無(wú)法用方程解析表達(dá)時(shí)，這些數(shù)據(jù)之間的關(guān)系就掉入了人類感官和數(shù)學(xué)理解能力之外的暗知識(shí)大海…系統(tǒng)越復(fù)雜，變量越多，人類越無(wú)法把握，機(jī)器學(xué)習(xí)就越得心應(yīng)手…明知識(shí)就像今天的大陸，暗知識(shí)就像大海。

自從 AI 概念最初出現(xiàn)以來(lái)，數(shù)學(xué)家、哲學(xué)家、生理學(xué)家、神經(jīng)科學(xué)家、認(rèn)知科學(xué)家、計(jì)算機(jī)科學(xué)家、電氣工程師和其他人已經(jīng)取得了巨大的進(jìn)步。每個(gè)領(lǐng)域都對(duì)與人工智能相關(guān)的工具和技術(shù)的開發(fā)產(chǎn)生了影響。哲學(xué)家通過(guò)指出大腦和機(jī)器的相似性來(lái)產(chǎn)生影響。生理學(xué)、神經(jīng)科學(xué)和認(rèn)知科學(xué)有助于理解人類大腦如何運(yùn)作和處理信息轉(zhuǎn)發(fā)。計(jì)算機(jī)科學(xué)一直是開發(fā)數(shù)學(xué)程序、邏輯和理性推理算法以實(shí)現(xiàn)這些想法的基礎(chǔ)。

根據(jù)《暗知識(shí)》，如果說(shuō)算法是AI引擎的設(shè)計(jì)，那么算力是AI引擎的馬力，數(shù)據(jù)是AI引擎的燃料。

在當(dāng)今世界，我們經(jīng)常會(huì)遇到“數(shù)據(jù)科學(xué)”、人工智能和機(jī)器學(xué)習(xí)等術(shù)語(yǔ)。區(qū)分這些術(shù)語(yǔ)之間的差異很重要。數(shù)據(jù)科學(xué)是一個(gè)非常廣泛的跨學(xué)科領(lǐng)域，其中使用科學(xué)方法、過(guò)程和算法從許多數(shù)據(jù)中提取知識(shí)。它的用途不僅限于人工智能。雖然 AI 依賴于數(shù)據(jù)科學(xué)的使用，但它并不是數(shù)據(jù)科學(xué)的唯一應(yīng)用，數(shù)據(jù)分析技術(shù)的發(fā)展是人工智能發(fā)展的基礎(chǔ)。

為了開發(fā)人工智能，機(jī)器需要學(xué)習(xí)，因此機(jī)器學(xué)習(xí)被表示為人工智能的一個(gè)子領(lǐng)域，如圖所示被分類為有監(jiān)督、無(wú)監(jiān)督和強(qiáng)化學(xué)習(xí)。學(xué)習(xí)算法很多，最常見的深度學(xué)習(xí)算法顯示在深度學(xué)習(xí)子域中。

根據(jù)《暗知識(shí)》，人工智能的概念像一個(gè)洋蔥，一層包裹一層，最外面是人工智能，往里面一點(diǎn)是機(jī)器學(xué)習(xí)，再往里面是神經(jīng)網(wǎng)絡(luò)，最深層是深度學(xué)習(xí)…我們今天說(shuō)到的人工智能，其實(shí)就是機(jī)器學(xué)習(xí)里面的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。

根據(jù)使用的數(shù)據(jù)類型（標(biāo)記的歷史數(shù)據(jù)與未標(biāo)記的開放域數(shù)據(jù)），ML-機(jī)器學(xué)習(xí)可以分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。在監(jiān)督學(xué)習(xí)中，歷史數(shù)據(jù)和標(biāo)記數(shù)據(jù)用于教模型適應(yīng)新的測(cè)量或輸入。標(biāo)記數(shù)據(jù)的分類和使用先前標(biāo)記的數(shù)據(jù)預(yù)測(cè)趨勢(shì)用于確定模型輸出。在無(wú)監(jiān)督機(jī)器學(xué)習(xí)中，數(shù)據(jù)聚類用于查找模式和分組。強(qiáng)化學(xué)習(xí)是一種結(jié)合使用監(jiān)督和非監(jiān)督學(xué)習(xí)的方法。ML 中使用的主要技術(shù)是神經(jīng)網(wǎng)絡(luò)

人工智能在各種應(yīng)用中取得了進(jìn)步，包括語(yǔ)音識(shí)別、無(wú)人駕駛和自動(dòng)駕駛汽車、機(jī)器人技術(shù)、游戲開發(fā)和播放、計(jì)算機(jī)圖形、計(jì)算機(jī)黑客和垃圾郵件打擊。制造業(yè)是受人工智能進(jìn)步影響巨大的領(lǐng)域之一。事實(shí)上，在銀行、金融和保險(xiǎn)服務(wù)之后，制造業(yè)是 AI 的最大支出類別。

人工智能設(shè)計(jì)3D打印零件

© Academy.titansofcnc.com

人工智能在制造業(yè)中的應(yīng)用需要實(shí)施智能制造，傳感器可以提供現(xiàn)場(chǎng)信息。智能制造并不是制造業(yè)的新概念。數(shù)字孿生是一種以雙向方法利用智能制造來(lái)改善系統(tǒng)結(jié)果和現(xiàn)實(shí)世界系統(tǒng)與其數(shù)字對(duì)應(yīng)物之間的可預(yù)測(cè)性的方法。在工業(yè)中廣泛使用的數(shù)字孿生概念是指使用數(shù)字?jǐn)?shù)據(jù)表示一個(gè)物理系統(tǒng)。

在制造業(yè)中使用 AI 的方法有多種，通常從分析圖像或其他數(shù)據(jù)開始。有了人類“老師”給予的人工智能的算法，人工智能甚至可以識(shí)別復(fù)雜數(shù)據(jù)中的結(jié)構(gòu)。因此，它可以在早期檢測(cè)到與預(yù)定義最佳值的偏差，從而可以對(duì)過(guò)程進(jìn)行調(diào)節(jié)。當(dāng)數(shù)據(jù)的記錄和處理與過(guò)程控制相結(jié)合形成一個(gè)自主過(guò)程時(shí)，就達(dá)到了最高水平：智能化調(diào)整加工策略。

/人工智能賦能增材制造進(jìn)行時(shí)

在3D打印過(guò)程控制方面，根據(jù)3D科學(xué)谷的了解，德國(guó)亞琛的弗勞恩霍夫激光技術(shù)研究所Fraunhofer ILT目前能夠通過(guò) AI 顯著改善金屬 3D 打印的結(jié)果。在激光粉末床選區(qū)金屬熔化 (LPBF) 工藝系統(tǒng)中，使用高分辨率 HDR 相機(jī)對(duì)每一層中的組件表面進(jìn)行拍照。圖像數(shù)據(jù)可以捕捉到兩種影響：一方面，可以測(cè)量過(guò)程中組件可能發(fā)生的翹曲；另一方面，可以仔細(xì)檢查表面的粗糙度。因此，可以在生產(chǎn)過(guò)程中對(duì)缺陷進(jìn)行分類。

而在人工智能的幫助下，激光參數(shù)也可以在過(guò)程中進(jìn)行特定的更改，以便對(duì)過(guò)程狀態(tài)的變化做出動(dòng)態(tài)反應(yīng)。這提高了零件的質(zhì)量，并在缺陷發(fā)生之前加以預(yù)防。

人工智能不僅使用戶能夠優(yōu)化生產(chǎn)流程，實(shí)現(xiàn)零缺陷生產(chǎn)。根據(jù)ACAM亞琛增材制造中心，在具有大量復(fù)雜數(shù)據(jù)的過(guò)程中，例如現(xiàn)代光學(xué)的發(fā)展，人工智能也降低了復(fù)雜性。開發(fā)過(guò)程變得更加清晰、更加確定并且更少依賴于個(gè)別專家的直覺。

人工智能賦能3D打印

© 3D科學(xué)谷白皮書

l 為什么AM-增材制造與人工智能會(huì)發(fā)生深度的結(jié)合？

AM-增材制造具有天然的數(shù)字技術(shù)基因，可以顯著受益于數(shù)據(jù)科學(xué)、ML-機(jī)器學(xué)習(xí) 和 AI-人工智能的新進(jìn)展。鑒于3D打印-增材制造流程中的所有步驟均以數(shù)字方式完成，因此有助于流程本身的數(shù)據(jù)收集和組織。另一方面，增材制造在設(shè)計(jì)、工藝準(zhǔn)備和3D打印階段是一個(gè)高度自動(dòng)化的過(guò)程。這會(huì)產(chǎn)生許多人類難以可視化、可以理解和解釋的系統(tǒng)數(shù)據(jù)。

人工智能賦能設(shè)計(jì)

© 3D科學(xué)谷白皮書

ML-機(jī)器學(xué)習(xí)可以在數(shù)據(jù)可視化、圖像識(shí)別和系統(tǒng)建模方面發(fā)揮作用，以更好地理解3D打印這一復(fù)雜的加工過(guò)程。此外，準(zhǔn)備和后處理階段涉及許多勞動(dòng)密集型流程，可以通過(guò)流程自動(dòng)化和智能分析算法來(lái)輔助規(guī)劃和決策。

不僅僅是制造過(guò)程，AM-增材制造具有設(shè)計(jì)過(guò)程中高度數(shù)字化的CAD模型集成以及構(gòu)建具有復(fù)雜形態(tài)的零件的能力等優(yōu)點(diǎn)，而NN-神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)則擅長(zhǎng)于避免構(gòu)建和解決復(fù)雜的多尺度和多物理數(shù)學(xué)模型。AM-增材制造和NN–神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的結(jié)合已經(jīng)證明了在工業(yè)中實(shí)現(xiàn)“敏捷制造”概念的巨大潛力。

人工智能賦能3D打印策略-過(guò)程前與過(guò)程中

© 3D科學(xué)谷白皮書

例如，正如前面所提到的亞琛Fraunhofer的努力，ML-機(jī)器學(xué)習(xí)和 AI-人工智能 可用于優(yōu)化流程質(zhì)量并降低3D打印缺陷密度，改進(jìn)反饋控制以提高過(guò)程質(zhì)量是一個(gè)經(jīng)過(guò)深入研究的領(lǐng)域。更多關(guān)于過(guò)程質(zhì)量控制的例子將在后續(xù)文章中提供。

此外，可以通過(guò)所謂的并發(fā)設(shè)計(jì)將設(shè)計(jì)和流程結(jié)合在一起來(lái)使用人工智能。在此過(guò)程中，構(gòu)建過(guò)程中獲取的信息用于自適應(yīng)地和持續(xù)地改進(jìn)設(shè)計(jì)。設(shè)計(jì)改進(jìn)可以有多個(gè)目標(biāo)，包括減少構(gòu)建過(guò)程中的殘余應(yīng)力、減輕重量以及提高某些出現(xiàn)缺陷的區(qū)域的強(qiáng)度。在這個(gè)領(lǐng)域有很大的創(chuàng)造和創(chuàng)新空間。由于數(shù)字化和計(jì)算機(jī)模型發(fā)揮如此重要作用，人工智能在3D打印中的應(yīng)用變得非常重要。

鑒于流程的復(fù)雜性，為了更好的理解在AM-增材制造中中應(yīng)用 AI-人工智能技術(shù)，3D科學(xué)谷將人工智能的應(yīng)用領(lǐng)域分解為3D打印前處理、過(guò)程中處理和后處理階段。

在前處理過(guò)程中，ML-機(jī)器學(xué)習(xí)可用于3D打印相關(guān)的設(shè)計(jì)方面（幾何設(shè)計(jì)、拓?fù)鋬?yōu)化、原材料設(shè)計(jì)和粉末特性）。在3D打印原材料設(shè)計(jì)領(lǐng)域，ML-機(jī)器學(xué)習(xí)的最新進(jìn)展是可以預(yù)測(cè)材料特性。

關(guān)于過(guò)程中處理，人工智能用于3D打印過(guò)程監(jiān)控和優(yōu)化是已被廣泛研究的領(lǐng)域之一，根據(jù)3D科學(xué)谷的市場(chǎng)觀察，市場(chǎng)上分為兩類類型軟件，一種類型是3D打印設(shè)備廠商開發(fā)的軟件，另一種類型是軟件企業(yè)開發(fā)的人工智能軟件。

人工智能賦能3D打印過(guò)程控制與材料設(shè)計(jì)

© 3D科學(xué)谷白皮書

后處理過(guò)程中，目前ML-人工智能在后處理數(shù)據(jù)分析中的應(yīng)用相對(duì)較新。大多數(shù)研究都集中在將后期處理數(shù)據(jù)與流程本身聯(lián)系起來(lái)。根據(jù)3D科學(xué)谷的市場(chǎng)了解，在這方面，印度的OPTOMET軟件基于其軟件開發(fā)者Intech積累的大量3D打印數(shù)據(jù)，在進(jìn)行AI和ML在后期處理中的應(yīng)用研究。OPTOMET軟件只需要輸入粉末的參數(shù)和加工要求，系統(tǒng)會(huì)自動(dòng)優(yōu)化加工參數(shù)，可大幅節(jié)約人工設(shè)置參數(shù)時(shí)間，并且避免了人工設(shè)置參數(shù)導(dǎo)致的大量報(bào)廢零件產(chǎn)生。

了解人工智能如何賦能3D打印在前處理、加工過(guò)程以及后處理過(guò)程的智能化水平，3D科學(xué)谷將在隨后的文章中繼續(xù)分享。理解3D打印對(duì)第四次工業(yè)革命的作用，以及3D打印與人工智能的互動(dòng)關(guān)系，請(qǐng)參考3D科學(xué)谷發(fā)布的《3D打印與第四次工業(yè)革命》。