導讀：通常來講，要想認定一款3D打印材料實用性能的優劣與否，往往需要經歷漫長的應用效果評估和豐富的數據積累才能確定，而如今，機器學習技術正在極大地縮短這一過程。南極熊認為，如果該項技術成熟化，甚至可以淘汰的傳統“材料試錯法”。

2022年2月22日，南極熊獲悉，增材制造數據專家Senvol展示了其機器學習（ML）技術如何被用來加速新型航空3D打印材料的鑒定進程。

根據美國3D打印加速器AmericaMakes簽發的合同，該公司已經部署了Senvol ML軟件，以便加快確定材料的研發過程是否經濟。該項目由美國空軍（USAF）資助，它被認為是生產新一代耐用輕質部件的關鍵，可用于航空航天和商業領域。

NAVAIR的退休首席科學家和項目參與者William E. Frazier博士說："我曾參與過幾個增材制造工藝和材料的飛行鑒定，在我看來，這項技術的進一步發展將對國防部（DoD）和商業平臺的成本、進度和性能產生積極影響。Senvol公司的Mil-enabled方法直接解決了一個主要的行業挑戰：更快速的、具有成本效益的3D打印材料的開發。"

△美國空軍正在使用Senvol的AM軟件來優化EOS 3D打印機的設置，以生產航空零件。圖片來自美國空軍的Mikayla Heineck。

Senvol ML的軍事潛力

實際上，Senvol ML是一個數據驅動的軟件，可以用來分析3D打印參數和材料的最終性能之間的關系。該程序不受任何一種技術的束縛，與所有已知的AM工藝兼容，使用戶能夠根據預先設定的目標機械性能，為其系統或材料生成一套參數。

Senvol ML的預測能力主要歸功于其模塊化的綜合計算材料工程或 "ICME "框架。分為四個模塊，這個ICME對收集到的參數、材料屬性、工藝特征和機械性能的數據之間的關系進行量化，以生成任何結果部件將如何以快速的速度表現的預測。

在這樣做的過程中，Senvol ML為航空航天、國防、消費、醫療、汽車和石油天然氣領域的采用者提供了重要的質量保證工具，而且該技術現在也越來越多地在軍事領域得到應用。僅僅從2020年開始，Senvol就利用其軟件幫助打印大型航空零件，并開發了一個導彈鑒定工作流程，同時獲得了國防部的進一步研發資金。

Senvol公司總裁ZachSimkin說："Senvol公司的數據驅動的機器學習技術有可能大幅降低開發可使用材料的成本。通過展示一種全新的、明顯更有效的、可量化的開發方法，Senvol向美國空軍、美國制造成員以及整個增材制造行業證明了它的巨大價值。"

△來自SenvolML的分析實例 - 不銹鋼粉末和激光粉末床融合。圖片來自Senvol。

材料分析技術的發展

森沃爾的"美國制造"研究項目是圍繞著確定材料的"性能允許值"的過程。也被稱為 "設計允許值"，這些值基本上代表了統計學上確定的材料所需的最低耐久性能，以使它們在特別苛刻的應用中可行。

具體而言，該項目要求展示Senvol ML軟件的機器學習算法如何加速這一過程，同時減少通常需要的大量經驗數據，這可能是3D打印更廣泛的軍事部署的一個障礙。

美國制造的技術總監Brandon Ribic博士解釋說："增材制造是一種現代化和數字化的制造方法，具有快速的可定制加工。繼續使用傳統的材料試錯方法，是制約增材制造更廣泛的材料和工藝選擇和能力的瓶頸。"

據Ribic說，Senvol公司通過開發一種數據分析驅動的鑒定方法，成功地克服了這一瓶頸，以一種非常強大的方式展示了其軟件的能力。事實上，通過與諾斯羅普-格魯曼公司、美國國家航空研究所（NIAR）、Stratasys直接制造公司和Pilgrim咨詢公司合作，據說該公司能夠確定經證實的材料特性，同時優化其數據生成要求。

盡管Senvol公司在該項目中集中精力尋找通過粉末床熔融機加工的阻燃尼龍11的特性允許值，但它說它的方法可以應用于"任何AM工藝、機器和材料"，以便比傳統方法更快速、更經濟、更準確地確定其參數。

Simkin總結說："這個美國制造計劃的結果是令人難以置信的成功。此外，我們還確定了其他幾個機會領域，以深入研究機器學習能力，解決這個行業的關鍵需求。我們期待著繼續與業界合作，推進這一前沿領域的發展。"

△Alchemite軟件界面。圖片來自Intellegens

一種新的鑒定方法？

與傳統的材料“試錯”鑒定方法相比，基于機器學習的算法提供了一種消除失敗打印品背后的人為錯誤的手段。盡管許多這樣的程序仍處于實驗階段，但由Senvol ML和Intellegens等公司開發的軟件的好處，現在已經開始進入工廠車間。

就在去年，后者與謝菲爾德大學的AMRC和波音公司合作，提出了一種新的優化的3D打印航空航天零件的方法。利用該公司自己的Alchemite ML平臺，該項目旨在加強粉末床融合工藝，以確保比以前更快、更便宜、用更多的材料生產部件。

同樣，麻省理工學院（MIT）的工程師們也開發了一種開源的ML算法，旨在幫助更多的人加快識別3D可打印材料的過程。在他們的 "AutoOED "軟件中，該團隊的程序能夠自動識別具有所需品質的可行材料，如韌性、剛度和強度。

△一批單位正在招聘3D打印博士、碩士人才

https://www.nanjixiong.com/forum-47-1.html