人工智能更高效的涂层和修复

增材制造工艺正在超越传统生产技术，因为它们不仅更灵活而且更经济、更实用。但在生产力方面，增材制造工艺仍然落后于传统工艺。一个德国和加拿大组成的财团现寄希望于用人工智能(AI)解决这个问题，得益于新的过程控制软件，激光材料沉积，特别是自动优化，显著提高生产力。

更有效地和适应性地为磨损部件涂层

加拿大机器制造商收到了来自采矿和石油行业的许多订单。例如，采矿业使用的碎石机齿需要定期检修。使用激光材料沉积(LMD)工艺，工业可以在磨损部件上应用新层直到重建原始几何形状。

修复过程中的问题是零件的不均匀磨损，这意味着必须应用不同厚度的层。操作员必须在每个涂层步骤之后或至少在每十层之后测量它并重新调整过程。新的工艺方法可以自主设定并自动化此类控制过程的任务。

■对于复杂的几何形状，例如在这个刀片齿上或磨损不均匀的地方，基于AI的流程优化将显著提高效率

在“用于自适应激光增材制造AI-SLAM的过程传感的人工智能增强”项目中，合作伙伴正在共同为工厂制造商开发可用于自动运行LMD过程的软件。为此，系统会在涂层过程中自动记录几何形状，检测与指定轮廓的偏差并重新调整工艺参数，例如进给速率。

在人工智能的帮助下计算出优化的控制参数。该软件分析数据集并独立学习如何迭代改进流程。这个为期三年的项目的最新里程碑是，弗劳恩霍夫激光技术研究所设施中为扫描组件和自动路径规划调试软件功能。

德加合作开发更多人工智能应用

在德国方面，位于亚琛的弗劳恩霍夫激光技术研究所和来自多特蒙德的软件开发商BCT都参与了AI SLAM。在加拿大，该项目由加拿大国家研究委员会NRC协调。麦吉尔大学（蒙特利尔）的一个团队负责该项目的研究方面，而 Braintoy（卡尔加里）则参与了机器学习算法的编程。阿尔伯塔省的Apollo Machine and Welding Ltd作为LMD的工业服务提供商参与了该项目。

该项目的重点非常复杂：基本上，必须系统地收集和处理尽可能多的过程数据。然后，系统从这些数据中会自动学习如何优化过程控制，以便最终以更少的努力生产更多产品。加拿大合作伙伴正在继续为Apollo等维修公司开发LMD技术，该公司每年使用数吨材料来维修磨损部件，例如碎石机齿。因此，通过自动化过程控制提高效率的期望很高。

■像这种外径约为140毫米的碎石机齿这样的磨损部件通过LMD工艺进行修复。由于人工智能，修复不规则表面的过程将得到优化

得益于定期的视频会议和共同准备的在线文件，两大洲的项目工作顺利进行。在虚拟实验室参观中，合作伙伴已经熟悉了彼此的软件和硬件环境。作为与加拿大的“3+2”资助计划的一部分，AI-SLAM项目将持续到2024年3月。

该计划由德国联邦教育和研究部资助，加拿大方面由NRC资助。重点是利用人工智能为工业生产开发新技术。各个项目来自各行各业。潜在应用范围广泛；从采矿和能源部门，到汽车工业和电信，一直到建筑和基础设施管理。