Nieuwe 3D-printer kan fouten tijdens printproces corrigeren

Een nieuwe 3D-printer maakt gebruik van machine learning en machine vision om objecten tijdens het printproces te controleren op fouten. Door deze fouten in real-time te corrigeren helpt de technologie het aantal mislukte prints te verminderen. Met behulp van machine learning worden daarnaast lessen getrokken uit gedetecteerde problemen, wat helpt het printproces in het vervolg te verbeteren.

De 3D-printer genaamd ‘Snapper’ is ontwikkeld door Inkbit, een startup opgericht hoogleraar elektrotechniek en computerwetenschappen Wojciech Matusik en oud-MIT-studenten Javier Ramos, Wenshou Wang, Kiril Vidimče en David Marini. Een aantal van hen was eerder betrokken bij de ontwikkeling van een 3D-printer die tien materialen gelijktijdig kon printen door gebruik te maken van machine vision technologie.  

3D-printer ogen en hersenen geven

Met steun van het Deshpande Center, een onderdeel van het MIT dat studenten helpt ontwikkelingen te commercialiseren, is dit idee verder ontwikkeld. Dit heeft geleid tot een 3D-printer die met behulp van een eenvoudige 3D-scanner de voortgang van het printproces kan monitoren. Naar aanleiding van deze ontwikkeling is Inkbit opgericht. “Het bedrijf is ontstaan uit het idee een 3D-printer van ogen en hersenen te voorzien”, legt David Marini, mede-oprichter en CEO van Inkbit, uit.  

Onder de vlag van Inkbit zijn de ogen van de 3D-printer verder doorontwikkeld. De printer maakt gebruik van optische coherentietomografie (OCT), een technologie die traditioneel wordt gebruikt in de oogheelkunde. Om iedere printlaag te kunnen scannen is het echter nodig dat deze scan snel wordt gemaakt, iets wat met OCT-scanners van de plank niet mogelijk was. Inkbit heeft daarom een eigen OCT-scanner gemaakt die honderdmaal sneller werkt dan commercieel beschikbare OCT-scanners.

Ieder laag in real-time controleren

Deze scanner wordt ingezet om tijdens het printproces iedere laag in real-time te controleren op fouten. Indien problemen worden ontdekt, wordt het printproces met behulp van machine learning algoritmes in real-time aangepast om dit te corrigeren. Zo kan een materiaal tijdens het afkoelen krimpen, wat kan leiden tot vervormingen. Het systeem detecteert deze vervormen en compenseert dit automatisch in de hierop volgende lagen. 

Het gebruik van machine learning en machine vision bij 3D-printen biedt uiteenlopende mogelijkheden, stelt Inkbit. Zo stelt het bedrijf flexibel materiaal nauwkeuriger te kunnen printen dan andere 3D-printers. Flexibel materiaal heeft de neiging meer te krimpen dan hardere materialen, iets wat de technologie van Inkbit in real-time kan compenseren. Het systeem maakt het echter ook mogelijk om nauwkeurig om een bestaand component te printen, waardoor dit object in de print wordt geïntegreerd. Denk hierbij aan een chip of een ander elektronisch component. 

Transformatie

“Iedereen weet dat de voordelen van 3D-printen enorm zijn”, aldus Marini. “Veel mensen lopen bij het omarmen hiervan echter tegen problemen aan. De technologie is simpelweg nog niet klaar. Onze machine is de eerste die de eigenschappen van een materiaal kan leren en zijn gedrag hierop kan aanpassen. Ik ben van mening dat dit tot een transformatie zal leiden, aangezien dit iedereen in staat stelt een idee zeer snel om te zetten in een bruikbaar product. Dat levert zakelijke kansen op.”

Op dit moment beschikt Inkbit over één operationele 3D-printer. Deze printer is voorzien van 16 printkoppen, wat het mogelijk maakt objecten te printen die uit meerdere materialen bestaan. De printkop kan volgens Inkbit dankzij zijn omvang snel genoeg printen om op jaarbasis honderdduizenden vuistgrote objecten per jaar te creëren. Het bedrijf wijst erop dat de printkop eenvoudig kan worden vergroot, wat het mogelijk maakt 3D-printers van een grotere omvang te produceren.

Het bedrijf start later dit jaar met de verkoop van de eerste producten die met zijn 3D-printer zijn geprint. Hiervoor wordt in eerste instantie een pilotproject met farmaceutisch bedrijf Johnson en Johnson opgezet. Inkbit verwacht in 2020 zijn 3D-printers op de markt te brengen.

GE werkt aan vergelijkbare technologie

Inkbit is niet de eerste partij die werkt aan technologie om fouten tijdens het printproces in real-time te detecteren. GE maakte eind 2017 bekend aan een dergelijke technologie te werken op basis van hoge resolutie camera’s, machine learning en kunstmatige intelligentie. De technologie van GE moet in de toekomst net als de 3D-printer van Inkbit in staat zijn gedetecteerde problemen in real-time te corrigeren.

“Door de integratie van edge computing hebben we de ‘digitale ogen’ gecreëerd om iedere laag van iedere print te volgen”, legt Randy Rausch een senior engineer in embedded computing bij GE Research, uit op de website van GE. Bij edge computing wordt verzamelde data niet naar de cloud gestuurd voor verwerking, maar direct lokaal verwerkt op de 3D-printer. “We willen dat de fabrikant in real-time weet of een print goed is of vernietigd moet worden.” 

Inzicht in de kwaliteit van de printlaag

Met behulp van machine learning algoritmes worden analyses uitgevoerd op de scans. De operator – en op termijn de 3D-printer zelf – krijgt hierdoor direct inzicht in de kwaliteit van iedere printlaag. De technologie wordt getest bij GE Research in New York. Rausch en zijn team passen het printproces hierbij bewust aan om afwijkingen te introduceren in een printlaag om te testen of deze afwijkingen worden gedetecteerd. De heilige graal is volgens Rausch het kunnen beheren van printproces met de snelheid en nauwkeurigheid die nodig is om problemen in real-time te voorkomen of verhelpen.

Auteur: Wouter Hoeffnagel