Hệ thống phản hồi dựa trên thị giác máy tính cho máy in 3D

Chưa lâu trước đây, in 3D chủ yếu được sử dụng để kiểm tra ý tưởng và tạo dựng mô hình. Giờ đây, công nghệ này đang được ứng dụng để tạo ra các sản phẩm thực tế, có tính năng sử dụng trong các lĩnh vực như y tế và manufacturing. Từ các mô hình nha khoa đến các linh kiện cơ khí, công nghệ này đã trở thành một phương thức thiết thực và đáng tin cậy để sản xuất các mặt hàng thực tế.

Khi ngày càng nhiều công ty bắt đầu sử dụng in 3D trong công việc hàng ngày, một số thách thức đang trở nên rõ ràng hơn. Đôi khi, một bộ phận không đạt chuẩn, và ngay cả những vấn đề nhỏ về căn chỉnh hoặc lưu lượng vật liệu cũng có thể ảnh hưởng đến kết quả cuối cùng.

Computer vision có thể giúp giải quyết nhiều vấn đề trong số này. Là một nhánh của AI, công nghệ này cho phép máy móc diễn giải hình ảnh và video. Trong hệ thống in 3D, computer vision có thể theo dõi từng lớp khi được in, phát hiện sớm các mẫu bất thường hoặc lỗi. Nó thậm chí có thể cho phép máy in phản hồi tự động, giúp duy trì chất lượng bản in mà không cần sự giám sát thủ công liên tục.

Trong bài viết này, chúng ta sẽ khám phá cách computer vision giúp in 3D trở nên đáng tin cậy hơn và xem xét các ví dụ thực tế cho thấy tác động của việc giám sát in 3D hỗ trợ bởi AI trong thực tế. Hãy bắt đầu thôi!

In 3D là gì?#

In 3D liên quan đến việc tạo ra các vật thể vật lý từ thiết kế kỹ thuật số. Được phát triển lần đầu tiên vào những năm 1980s, công nghệ in đã phát triển nhanh chóng trong những năm gần đây. Không giống như in ấn thông thường đặt mực lên bề mặt phẳng, in 3D xây dựng các vật thể từng lớp một bằng các vật liệu như nhựa, nhựa tổng hợp hoặc kim loại. Phương pháp này còn được gọi là sản xuất bồi đắp.

Một máy in 3D điển hình có các bộ phận chính như bàn in, bộ đùn (extruder) và đầu phun (nozzle). Những thành phần này hoạt động cùng nhau để định hình vật liệu in và tạo ra đầu ra cuối cùng.

Quá trình in bắt đầu bằng một 3D model kỹ thuật số, thường được tạo bằng phần mềm chuyên dụng. Mô hình này sau đó được cắt thành các lớp mỏng và máy in đọc tệp để bồi đắp vật liệu từng lớp một cho đến khi hoàn thành vật thể.

Ngày nay, các ngành công nghiệp như y tế, ô tô và aerospace sử dụng in 3D để sản xuất các công cụ, linh kiện và thiết bị y tế tùy chỉnh. Công nghệ này cũng được ứng dụng rộng rãi trong thiết kế sản phẩm, tạo mẫu và giáo dục.

Fig 1. Các thành phần của máy in 3D.

Những thách thức của kiểm soát chất lượng in 3D theo thời gian thực#

Mặc dù in 3D là một quy trình khá đơn giản và thú vị, nhưng mọi thứ không phải lúc nào cũng hoàn hảo. Hầu hết các vấn đề xảy ra trong quá trình in hoặc ngay sau đó. Nếu không có các công cụ phù hợp, những vấn đề này rất dễ bị bỏ qua. Điều này đặc biệt đúng khi bạn đang cố gắng sản xuất các sản phẩm ở quy mô lớn hơn.

Dưới đây là một số thách thức phổ biến nhất liên quan đến kiểm soát chất lượng in 3D theo thời gian thực:

• Lệch lớp (Layer misalignment): Những thay đổi nhỏ trong chuyển động của máy in có thể khiến các lớp chồng lên nhau không đều. Nó cũng có thể dẫn đến các bản in yếu hoặc bị biến dạng.
• Cong vênh (Warping): Các cạnh của bản in có thể bị cong hoặc nhấc lên khỏi bàn in do làm mát không đều trong quá trình thực hiện.
• Đùn không nhất quán (Inconsistent extrusion): Dòng vật liệu có thể bắt đầu và dừng đột ngột. Điều này dẫn đến các khoảng trống hoặc các điểm mỏng trong vật thể cuối cùng.
• Nhận dạng bộ phận thủ công: Sau khi in, người lao động thường cần phân loại hoặc dán nhãn các bộ phận bằng tay. Quá trình này tốn thời gian và có thể dẫn đến nhầm lẫn.
• Các vấn đề về quy mô: Khi khối lượng các bộ phận được in tăng lên, việc theo dõi và quality control trở nên khó khăn hơn nếu thiếu tự động hóa.

Vai trò của computer vision trong in 3D#

Computer vision đóng một vai trò quan trọng trong việc cải thiện cách thức in 3D hoạt động. Nó giúp giám sát từng lớp, phát hiện lỗi sớm và điều chỉnh các bản in khi chúng tiến hành.

Tiếp theo, hãy xem xét kỹ hơn cách Vision AI tăng cường độ chính xác, tính nhất quán và tự động hóa trong các ứng dụng in 3D thực tế.

Tự động phát hiện lỗi trong sản xuất bồi đắp#

Nếu bạn đã từng xem video về một máy in 3D đang hoạt động, bạn biết rằng nó xây dựng các vật thể từng lớp một. Phương pháp từng lớp đó là thứ mang lại sự linh hoạt cho in 3D, nhưng nó cũng có nghĩa là mọi thứ có thể đi chệch hướng nếu chỉ cần một lớp không đúng.

Một lỗi nhỏ ngay từ đầu có thể ảnh hưởng đến độ bền, độ chính xác hoặc chất lượng tổng thể của bộ phận hoàn thiện. Đó là lý do tại sao ngày càng có nhiều nhà sản xuất chuyển sang computer vision để theo dõi quy trình khi nó đang diễn ra.

Cameras có thể chụp lại hình ảnh của từng lớp mới. Những hình ảnh này được kiểm tra ngay lập tức để tìm lỗi như cong vênh, khoảng trống hoặc thiếu vật liệu. Việc phát hiện sự cố sớm giúp tránh các bản in hỏng và giảm thiểu lãng phí. Nhiều hệ thống sử dụng các mô hình hỗ trợ bởi AI được huấn luyện để phát hiện những thay đổi tinh tế về hình dạng hoặc kết cấu. Nếu có điểm bất thường, hệ thống sẽ cảnh báo người vận hành ngay lập tức.

Lấy Phase3D làm ví dụ. Hệ thống in-situ monitoring của họ sử dụng ánh sáng cấu trúc và computer vision để so sánh từng lớp được in với thiết kế chuẩn của nó. Nếu có sự sai lệch, hệ thống sẽ gắn cờ đánh dấu ngay lập tức.

Fig 2. Sử dụng ánh sáng và computer vision để giám sát quá trình in 3D.

Bằng cách liên kết các bất thường này với các kiểu lỗi đã biết, người vận hành có thể hành động trước khi bản in kết thúc. Điều này đặc biệt có tác động trong các ngành như hàng không vũ trụ và quốc phòng, nơi độ chính xác và độ tin cậy là rất quan trọng. Nó cũng cải thiện khả năng truy xuất nguồn gốc và hỗ trợ sản xuất hiệu quả, có thể mở rộng hơn.

Computer vision để phát hiện lỗi máy in 3D#

Ngoài việc căn chỉnh các lớp một cách chính xác, dòng vật liệu in cũng đóng một vai trò lớn trong chất lượng cuối cùng của bộ phận in 3D. Nếu quá nhiều hoặc quá ít vật liệu được gửi vào, hoặc nếu nó không nằm chính xác ở nơi nó cần, nó có thể dẫn đến một loạt các vấn đề.

Một số vấn đề phổ biến liên quan đến in 3D là hiện tượng tạo sợi (stringing), nơi các sợi vật liệu mỏng hình thành giữa các bộ phận; tách lớp (delamination), khi các lớp không liên kết đúng cách; và đùn thiếu (under-extrusion), nơi không đủ vật liệu được đặt xuống. Những vấn đề này có thể làm yếu bộ phận hoặc khiến nó hỏng hoàn toàn.

Computer vision models giúp giải quyết vấn đề này bằng cách quan sát từng lớp trong thời gian thực. Các camera và cảm biến theo dõi cách vật liệu được đặt xuống, nắm bắt những thay đổi về hình dạng, dòng chảy hoặc kết cấu bề mặt ngay khi chúng diễn ra. Các hệ thống cơ bản có thể phát hiện sự cố sớm, trong khi các thiết lập nâng cao hơn thực sự có thể khắc phục sự cố ngay trong quá trình in bằng cách điều chỉnh các cài đặt như tốc độ hoặc lưu lượng.

Khám phá kỹ thuật jetting được điều khiển bằng tầm nhìn (vision-controlled jetting)#

Ví dụ, một hệ thống do các nhà nghiên cứu từ MIT, Inkbit và ETH Zurich phát triển sử dụng bốn camera tốc độ cao và hai tia laser để liên tục quét bề mặt in. Khi 16.000 vòi phun lắng đọng nhựa, hệ thống sẽ so sánh từng lớp với thiết kế kỹ thuật số và thực hiện các hiệu chỉnh ngay lập tức khi cần thiết, một quy trình được gọi là vision-controlled jetting.

Fig 3. Quét bề mặt in trong thời gian thực.

Hệ thống này cũng sử dụng sáp làm vật liệu hỗ trợ, có thể được làm tan chảy sau khi in để để lại các kênh bên trong phức tạp. Công nghệ này đã được sử dụng để in các vật thể có đầy đủ chức năng như bàn tay robot với các ngón tay mềm và các bộ phận cứng, hay robot sáu chân có thể đi bộ và cầm nắm đồ vật. Không giống như các hệ thống đơn giản chỉ phát hiện lỗi, hệ thống này khắc phục lỗi ngay lập tức - giúp việc in ấn tốc độ cao và độ precision cao trở nên đáng tin cậy hơn.

Tối ưu hóa quy trình in 3D với AI#

Đôi khi, hàng ngàn bộ phận được in trong một lô duy nhất, đặc biệt là trong sản xuất quy mô lớn hoặc các trung tâm dịch vụ in 3D. Sau khi in, các bộ phận này cần được xác định, phân loại và xử lý, điều này có thể tốn thời gian và dễ xảy ra nhầm lẫn nếu thực hiện thủ công.

Computer vision giúp tự động hóa giai đoạn này bằng cách nhận diện và phân loại các bộ phận nhanh chóng và chính xác. Ví dụ, AM-Vision system sử dụng camera và công nghệ khớp hình học để so sánh từng vật thể được in với mô hình CAD của nó. Hệ thống có thể xác định và phân loại các bộ phận chỉ trong vài giây.

Fig 4. Áp dụng computer vision để nhận diện và phân loại bộ phận 3D.

Tự động hóa các tác vụ sau in giúp đẩy nhanh quy trình làm việc, giảm lao động thủ công và giảm thiểu nguy cơ xảy ra lỗi trong quá trình sorting and packing. Ngoài việc nhận diện, một số hệ thống cũng có thể nhóm các bộ phận cho các bước bổ sung như đóng rắn, làm sạch hoặc lắp ráp, qua đó nâng cao hơn nữa hiệu quả và tính nhất quán trong quy trình sản xuất.

Các xu hướng mới nổi trong việc giám sát in 3D hỗ trợ bởi Vision AI#

Khi Vision AI ngày càng được tích hợp nhiều hơn với in 3D, nó đang thúc đẩy những thay đổi lớn trong cách thức sản xuất vận hành. Dưới đây là một số xu hướng chính làm nổi bật tác động ngày càng tăng của nó:

• Lights-out manufacturing: Các nhà máy đang chuyển dịch sang các hoạt động hoàn toàn tự động đòi hỏi ít hoặc không cần sự can thiệp của con người. AI, computer vision và robot đảm nhận các tác vụ như kiểm tra, phân loại và theo dõi bộ phận, giúp việc sản xuất suốt ngày đêm trở nên khả thi hơn.
• Tăng trưởng thị trường nhanh chóng: 3D printing market toàn cầu dự kiến sẽ đạt 134,58 tỷ USD vào năm 2034. Sự tăng trưởng này gắn liền với những cải tiến trong tự động hóa và các công cụ Vision AI.
• Bảo trì dự đoán (Predictive maintenance): Các hệ thống tầm nhìn có thể theo dõi hiệu suất máy in theo thời gian và phát hiện các dấu hiệu hao mòn hoặc lỗi trước khi chúng gây ra thời gian ngừng hoạt động. Điều này giúp quá trình sản xuất diễn ra suôn sẻ và giảm thiểu các sửa chữa bất ngờ.
• Giám sát và điều khiển từ xa: Các hệ thống camera tích hợp AI cho phép người vận hành track tiến độ in và nhận cảnh báo từ bất cứ đâu. Điều này hỗ trợ sản xuất linh hoạt và thời gian phản hồi tốt hơn.

Các điểm chính cần lưu ý#

Computer vision có thể giúp cải thiện mọi giai đoạn của quy trình in 3D. Nó phát hiện lỗi sớm, giám sát các bản in trong thời gian thực và hỗ trợ các điều chỉnh trong quá trình thực hiện. Những khả năng này dẫn đến chất lượng bộ phận tốt hơn, ít lỗi hơn và chi phí sản xuất thấp hơn.

Khi các công nghệ thông minh trở nên phổ biến hơn trong các nhà máy, computer vision cung cấp cho các nhóm sự kiểm soát tốt hơn và giúp họ mở rộng quy mô hiệu quả hơn. Các ngành công nghiệp như hàng không vũ trụ, chăm sóc sức khỏe và hàng tiêu dùng đã dựa vào các công cụ này để đáp ứng các tiêu chuẩn chất lượng và hiệu suất nghiêm ngặt.

Bằng cách kết hợp AI với phản hồi trực quan theo thời gian thực, in 3D đang trở nên nhất quán, hiệu quả và tự động hơn, mở đường cho sản xuất thông minh hơn.

Bạn đang muốn xây dựng các project computer vision của riêng mình? Hãy khám phá GitHub repository của chúng tôi để tìm hiểu sâu hơn về AI và xem qua các licensing options của chúng tôi. Tìm hiểu cách computer vision in healthcare đang cải thiện hiệu suất và khám phá tác động của AI in retail bằng cách truy cập các trang giải pháp của chúng tôi! Tham gia community đang phát triển của chúng tôi ngay bây giờ!