2025年12月29日，罗格斯大学的工程师们已经证明，人工智能可以通过在极端环境下实现高可靠性 3D 打印和以更少的实验加速创新，来克服制造业的两大挑战。
在罗格斯大学工程学院机械与航空航天工程系副教授拉吉夫·马尔霍特拉 (RajivMalhotra) 领导的两项研究中，研究人员展示了自主系统如何在太空、战区和灾区等环境中使制造变得可靠，同时还能大幅缩短传统制造的开发周期。
第一项研究以题为“Scalable control ofextraneously induced defects in in-field additive manufacturing”的论文发表在《制造工艺杂志》（Journal
of Manufacturing
Processes）上，重点关注马尔霍特拉所说的“探索性增材制造”——即在受控工厂环境之外生产零件。这些环境会引入诸如振动、温度变化和操作人员未经培训等不可预测的干扰因素，所有这些都可能导致打印失败。
马尔霍特拉说：“我们试图了解如何使远征增材制造能够应对此类未知且具有破坏性的干扰。”为了解决这个问题，团队开发了一种名为条件强化学习的新型人工智能方法。这套AI系统利用摄像头实时监控打印过程，检测缺陷并立即调整打印机设置，无需停止打印或重新训练软件。这项功能在高风险环境中至关重要。
马尔霍特拉说：“零件是否合格可能会导致任务彻底失败，甚至造成人员伤亡。我们开发了一种工具来解决这个问题。我们不必再进行预测。无论出现什么问题，我们都能应对，而无需丢弃零件或阻止故障发生，因为这两种情况都会影响任务的顺利完成。”人工智能将操作员缺乏培训视为另一种干扰因素。马尔霍特拉说道:“我们训练人工智能去预测意外情况，而不是预测预期情况。”同时他还指出这种方法可以将缺陷减少十倍甚至更多。
发表在《智能制造杂志》上的第二项题为“Largelanguage models for extrapolative modeling of manufacturing processes”的研究着眼于缓慢的创新周期。研究团队没有依赖数十年的基于物理的建模或海量数据集，而是构建了一个人工智能系统，能够读取科学文献并将其与有限的实验数据相结合。
马尔霍特拉说：“这个过程非常缓慢，而且很容易出错。有时，真正开发出一个流程可能需要30年时间。人工智能就像一位博士专家，它会尝试几次，然后最终就能做对。”这项工作涉及康涅狄格大学、密歇根大学和美国陆军军备研究生院的合作者，可能会对航空航天、国防、汽车和电子制造业产生重大影响。
来源：南极熊
0 留言