Forscher des AMRC der University of Sheffield und des Luftfahrtunternehmens Boeing arbeiten zukünftig zusammen mit Intellegens, einem AI-Spin-out der University of Cambridge, an der Weiterentwicklung von 3D-Druck für Luft- und Raumfahrtkomponenten, wie Intellegens in einer Pressemitteilung erklärt.
Details zum Projekt MEDAL
Das Projekt MEDAL nutzt die Plattform für maschinelles Lernen Alchemite zur Optimierung von Prozessparametern für den Laser-Pulverbett-Schmelzprozess. Endverbraucherkomponenten müssen in der Luft– und Raumfahrt einige Tests bestehen, um in diesen Branchen eingesetzt zu werden.
Das National Aerospace Technology Exploitation Program (NATEP) unterstützt britische KMU bei der Entwicklung innovativer Luft- und Raumfahrttechnologien. Grundsätzlich ist die Herstellung von Komponenten in diesen Branchen sehr kostspielig und Fertigungsverfahren nur eingeschränkt möglich. Das Projekt MEDAL möchte die Möglichkeiten erweitern und setzt dabei vor allem auch auf die Weiterentwicklung des 3D-Drucks. Außerdem soll Maschinelles Lernen dabei helfen, die Prozessparameter für neue Legierungen zu optimieren, den Materialentwicklungsprozess zu beschleunigen und Kosten zu senken.
Ben Pellegrini, CEO von Intellegens, erklärt:
„Wir freuen uns sehr, dieses Projekt in Zusammenarbeit mit dem AMRC zu starten. Die Schnittstelle zwischen maschinellem Lernen, Versuchsplanung und additiver Fertigung birgt ein enormes Potenzial für die schnelle Entwicklung und Bereitstellung kundenspezifischer Teile nicht nur in der Luft- und Raumfahrt, wie die Beteiligung von Boeing zeigt, sondern auch in Anwendungen in den Bereichen Medizin, Transport und Konsumgüter.“
Schneller und einfacher dank Maschinellem Lernen
Beim Design of Experiments (DOE) handelt es sich um eine gebräuchliche statistische Methode, die Auswirkungen mehrerer Faktoren gleichzeitig zu bewerten.
Pellegrini fügt hinzu:
„DOE ist eine effizientere und systematischere Methode zur Auswahl und Durchführung von Experimenten im Vergleich zum COST-Ansatz (Change One Separate Variable at a Time). Die hohe Anzahl von Experimenten, die erforderlich sind, um eine zuverlässige Abdeckung des Suchraums zu erhalten, bedeutet jedoch, dass DOE immer noch ein langwieriger und kostspieliger Prozess sein kann, der verbessert werden kann.“
Während die Plattform von Intellegens zu priorisierende Experimente vorschlägt, wird das maschinelle Lernen die Zahl der erforderlichen Zyklen deutlich reduzieren. Dadurch sollen integrierte Luft- und Raumfahrtteile leichter und schneller herstellbar werden.
