端到端生产案例研究：在增材制造中利用数据驱动的机器学习和自主流程控制

Tommaso Tamarozzi（Oqton公司）和Juan Carlos Flores（Baker Hughes公司）认为，增材制造作为一种工业生产工艺要想走向成熟，就必须更快、更简单、更可靠。本文通过开发用于批量生产可变电阻微调（VRT）组件的端到端增材制造工作流程，报告了向这一目标迈出的一步。它建立在全数字化框架之上，包括模拟、实时过程监控、异常分析和数据准备自动化，从而为实现质量稳定的增材制造工作流程和认证所需的文件奠定了基础。

 

图 1：本研究中使用的可变电阻微调器 (VRT) 组件、 显示在成功制作的平板上，并配有动力支架和测试试样

如果想象一下一台人格化的数控铣床和一台多激光粉末床熔融（PBF-LB）机器之间的讨论。数控机床会指出全新的金属增材制造设备存在的明显问题。然而，这是不公平的；在过去一个多世纪里，铣削和其他减材制造技术经历了缓慢而稳定的发展。

金属增材制造作为一种增值工艺，要想在有限但广泛的应用领域中获得广泛认可，还有一段路要走。该工艺的质量、可重复性、可靠性和可追溯性目前还达不到减材制造的水平。在扩大生产规模时，例如在开设新的生产基地时，很难实现生产的可扩展性或可重复性。虽然已经采取了一些重要措施来弥补这一差距，但可以说，从历史上看，这些措施都是零星的，传感器技术和非标准化质量流程都发生了多次变化、利基专有软件解决方案通常只针对单一的原始设备制造商，而技术成本往往过高，无法证明投资的合理性。

如果我们按照上述例子中数控机床的论点，确实需要等待更高水平的技术成熟。不过，我们可以而且应该继续追问，增材制造和减材制造之间的关键区别是什么。金属增材制造作为一种“原生数字化”工艺，有自己的优势。但简而言之，虽然金属增材制造还“太年轻”，但从纸面上看，它也有潜力通过优化组合目前可用的所有技术，跨越数十年的试验和错误。

 

图 2：端到端质量和可追溯性工作流程

我们相信，如果以明智、有条不紊和务实的方式进行，未来一定会更加美好。我们在此介绍的使用案例旨在说明，最近一篇文章中描述的相对乐观的时间表可以进一步缩短。为了加速增材制造的主流化，需要做一些描述起来简单但实现起来复杂的事情：建立端到端的可追溯性流程（涵盖物理和数字世界），以尽量减少现场故障，提高（分散）生产的可重复性，并保证在出现问题时由正确的责任人承担责任。同时，还要做到低成本高效益。图2显示了工作流程和建立该流程所需的技术。

必要的参与者和应用案例：Baker Hughes公司的VRT部件

提出的一般流程，可概括为增材制造生产无限循环的几个步骤（图3），其中使用了与产品生命周期类似的概念。我们将介绍每一个步骤，并通过实例深入探讨与过程监控和部件检测相关的核心技术。举例说明，我们将沿着能源技术公司（Baker Hughes）和制造软件供应商（Oqton）的发展道路，实现图1所示VRT部件批量生产的端到端工作流程。

这是一个封装在阀体中的关键部件，为高压液滴应用提供了曲折的路径配置。我们将探讨Baker Hughes如何努力保持高质量和可重复性的生产，使客户能够轻松认证。它还允许在发生故障或特殊维护时，在部件的运行寿命期间对部件进行全面的历史记录和可追溯性。

起点是假定制造商的工厂安装了一台或多台增材制造机器，并且有零件设计。以下是之后需要遵循的步骤：

1. 建立数字化工厂
这一过程的基本步骤是创建一个数字化工厂，或车间的数字化复制品。数字孪生系统需要集成到不同的企业系统中，以便从订单管理的角度来看能够完美运行。这意味着每台增材制造设备都会获得一个包含重要信息的唯一数字版本。此外，组织中的每个互动成员都会被分配一个具有相应权限和审批权的配置文件。

此外，还要定义材料、供应商、客户、加工和后处理活动，并通过各种需求生成、订单管理和数据集成系统提交零件和订单。这一设置步骤非常重要。但就目前的情况而言，让我们假定拥有一家数字化工厂，并且可以提前创建和安排订单和零件。

2. 通过构建模拟进行构建准备和首次预防行动
一旦有了零件设计，就需要为首件产品建立具有相应数据结构的构建工作流程。这一步也是质量和可追溯性流程的一部分。选择材料、机器和金属增材制造中典型的数百个工艺参数，优化零件方向，半自动创建支持策略，并执行基于模拟的修正。模拟将揭示裂纹、再涂覆机崩溃、不必要的收缩线和过热的潜在风险，并建议进行预变形，以达到所需的尺寸公差。一旦优化了构建参数、支撑、方向等，并进行了令人满意的切片，就可以创建构建文件。

 

图 3：金属增材制造生产周期的无限循环，左侧的数字世界和物理世界不断更新和改进

图 4：VRT 组件的机械和热模拟

在Oqton的工业增材制造软件3DXpert中对构建的VRT组件进行了优化和模拟。图4显示了机械和热分析后的模拟结果。在这一阶段，创建了与步骤1的连接，为每个部件分配了唯一的ID，并将相关文件和元数据（包括仿真摘要）上传到数字工厂。生产准备信息与相应的虚拟零件和订单之间建立了唯一的联系。现在，我们既有实体工厂，也有数字工厂；既有虚拟零件，也有制造所需的所有信息。我们还可以评估为达到预期质量所做的预防性工作。

3. 制造首批产品和现场监控
在制造工程师、车间经理和操作员的专业指导下，增材制造机器开始制造部件。物理增材制造机器通过网关（具有连接和计算能力的工业计算机）与数字工厂安全连接（见下一节）。增材制造设备将物联网和摄像头图像数据流传输到Oqton网关，在那里进行现场实时分析。数据分析将揭示流程偏差，一旦超过设置阈值，操作员就会收到警报。

人工智能（AI）在异常检测的图像处理中发挥着重要作用。操作员可通过电子邮件或直接在云仪表板上了解可能出现的异常情况。这种人工智能自动审核流程可将大量专业人才从重复性的例行工作和乏味的工作中解放出来，但在必要时，他们也可以远程监控异常情况的增长或自我纠正，并在认为必要时进行干预。

4. 分析和检查第一个项目
鉴于VRT组件的重要性和预计的生产量，我们需要分析构建后生成的异常结果文件。结果可以导出并在3DXpert中打开，以便进一步检查。异常情况在整个构建过程中的分布——其大小、关键性、位置以及与仿真数据和扫描路径等可能存在的相关性——都会被显示出来，从而为零件质量和可能的根本原因提供独特的见解。

如果结果令人满意，我们就可以继续生产。如果结果不令人满意，部件可能会报废并重新优化设计，或送去做进一步的无损检测（如CT扫描）。建议无论如何都要对首件产品进行CT扫描，再加上物联网和图像异常分析，我们就能获得全面的信息。现在，我们可以使用完整的数据集对生产部件进行质量检测和比较。现在，汇总报告和连接数据可被视为“黄金组合”，并可在数字化工厂中使用。

5. 批量生产和可能的去本地化
Baker Hughes拥有多个生产设施，甚至可以使用合格的外部供应商进行批量生产、分散生产或本地化生产。因此，公司需要能够控制零部件的质量，即使这些零部件是在其工厂之外生产的。

接到自愿回归试验生产订单的生产设施也将收到所需的质量规格，并被要求遵守与待制造部件的关键程度相一致的监控流程和可追溯性。因此，如果由承包商进行生产，Baker Hughes可直接在线监控所需规格的合规性和/或只需接收一份报告。包括检验标准在内的后处理步骤的细节也应进行跟踪，并应成为数字孪生工厂设置的一部分。这样，每个部件都能被评估为“可部署”、“待进一步检查”或“报废”。

6. 部件的部署
最后，部件将投入使用。在某些情况下，生产的部件可能需要持续运行三十年。对于关键部件来说，简化的准备和质量报告中包含的全套信息是必备的文件资料，以便在将来出现审计要求和/或现场问题时使用。如果将来出现审核要求和/或现场问题，就必须使用这些文件。当出现问题时，工程团队将以最佳状态和最快速度分析根本原因，并迅速判别设备故障，追踪其他车队中存在风险的其他组件，并评估责任。

 

技术前提和障碍

开发这种端到端生产集成系统，需要面对一些技术挑战和要求。我们将在此对这些挑战进行分析，目的是强调，这里的细节则非常多，包括先进技术所特有的所有细枝末节。要成功实现端到端的生产，所有的都需要精心调配。

1. 一流的物理计算技术
基于物理的仿真听起来很难掌握。端到端方法旨在让增材制造专家无需成为计算力学或有限元专家也能使用仿真技术。为加快这一过程，应使用可使用简单易懂参数的模型。应使用参数“足够好”的模型。目标是在良好的预测能力、易用性和纯粹的计算速度之间取得平衡。

端到端方法利用了极快的GPU原生体素FE求解器，该求解器具有自动网格划分功能，主要用于预测一些异常现场和过热现象。图5显示了一个具有挑战性的仿真示例，该示例具有复杂的动力支持，只要做出正确的技术选择，非专业人员也能运行。

 

图 5：复杂机械模拟示例。大量的薄功率支持可能会使计算时间达到不合理的值。元素和网格选择的自动化以及同类最佳的 GPU 求解器是必须的

2. 用于异常检测和汇总的一流人工智能模型
这里的人工智能并不是一个流行词。基于物理的模型大多是确定性的，具有很强的预测能力，但人工智能模型善于根据真实的传感器信息作为输入进行检测，并将证据凸显出来。在端到端方法中，我们重点关注机器学习中已经成熟并可用于行业的分支。我们使用了图像分类和分割，并对拓扑复杂的异常情况进行了体积聚合，通过大量的开发工作对其进行了验证。

细节决定成败，这里的细节是指训练人工智能模型所需的大量数据和图像，以及Baker Hughes公司和3D Systems公司等合作伙伴为引导模型向正确方向发展所提供的宝贵经验。只有原始设备制造商、增材制造专家和软件开发商通力合作，才有可能取得巨大成功。图6显示了人工智能算法开发的众多验证实例之一。

3. 网络安全
在Baker Hughes公司的VRT端到端示例中，连接整个流程的是底层数字线程。在我们的案例中，它集中在基于云的Oqton Manufacturing OS中。人们很容易认为，数据可以自由地从 OT流向IT网络，再流向通用云平台（如谷歌云或AWS），而不会引起任何人的注意。但实际情况当然不同。知识产权保护、数据泄漏、外部访问OT网络等问题至关重要。因此，Baker Hughes公司通过数月的评估和网络安全测试，对解决方案的安全性进行了严格审查。

4. 数据集标准化、传感器可用性和机器无关性
要想使金属自动成型成为一种首选的生产方法，无论是大型企业还是小型企业，都需要能够使用来自不同供应商的不同设备。由于增材制造机器市场竞争激烈，多家原始设备制造商在特定功能方面高度专业化，在某些应用方面特别先进，但在其他应用方面可能表现不佳。客户希望从这些广泛的选择中获益，但缺乏标准化却阻碍了他们。这适用于传感器、（物联网）数据类型和通信协议、特定的专有软件以及增材制造机器软件生态系统的开放性，以便使用有价值的数据流。

 

图 6：使用带有体积聚合功能的人工智能策略，在有异常的构建和检测到的异常之间进行验证的示例

Baker Hughes和Oqton在项目伊始就有意识地选择关注实际可行的方案，而不是理论上的最优方案。Baker Hughes投入了数年时间，对各种监测系统进行了评估，这些系统配备了专门的高端传感器和高分辨率，并采用了各种多物理原理。

 

得出的结论是，尽管可以开发专用系统，但它并不实用，从实施的角度来看，无法在工业层面上扩展，而且其微小的综合价值无法为投资带来回报。

因此，我们使用了基本上每台机器都有的传感器数据（如氧气含量、压力、温度等），以及从标准相机拍摄的光学图像，这些图像在重新喷涂前后都可以看到构建板。通过优化使用这组最少的数据，可以为Baker Hughes的大型增材制造机床组合提供一套标准化的信息，用于比较和分析零件质量。

其原理是，有了这套标准数据集，最重要的要求是要有一个高端处理引擎，配备强大的人工智能和机器学习模型，以及数以万计的训练有素的图像，以生成做出简明操作决策所需的准确性。最后一种方法的不同之处在于，一旦模型经过训练，并且与机器和零件无关，那么它就可以进行扩展，并为自主流程做好准备，从而以实用、经济的解决方案实现工业规模的增材制造。

这为进一步添加传感器和行业认为重要的信息奠定了坚实的基础，同时也避免了昂贵而附加值不确定的外来传感器。

5. 数据规模、实时性能和边缘计算
虽然这组信息是全面分析质量所需的最低要求，但仍然可能非常庞大。这些信息还需要以数字方式存储、备份，并可能采用不同的保留政策进行维护。当然，这些信息还需要在金属增材制造应用中进行实时处理。单层图像需要在几秒钟内（比如最长二十秒）进行处理，并通过人工智能模型运行。

单层图像需要通过人工智能模型进行处理和运行，异常情况需要考虑构建过程中所有可能的拓扑变化进行汇总，物联网数据需要汇总、同步，并最终流式传输到云租户进行可视化和实现。不言而喻，每个字节都很重要。高级数值计算需要在所谓的边缘设备或网关上进行——这些小型工业PC具有足够的连接性和计算能力，可以在本地摄取和处理数据，并只转发相关信息。

在我们的端到端应用中，Oqton的网关发挥了至关重要的作用。即使不使用云解决方案，仍然需要创建可索引和可搜索的数据库：存储和检索PB或更多的数据并不是一个可行的选择。

6. 易于使用
需要让增材制造工程师、操作员和车间管理人员专注于自己的工作，而不是在错综复杂的底层技术上浪费时间。这个端到端解决方案是在一个强大的用户体验设计师团队的协助下开发出来的，其重点是针对当前问题的易用性。

简而言之，要有效地开发、测试和部署这样一个成熟的解决方案，并使最终用户从中受益，上述所有细节都必须协调一致。这个端到端的例子表明，要实现这一点，需要多方参与：Baker Hughes推动了新的全数字化模式，3D Systems和SLM Solutions等机器原始设备制造商提供了机器技术和连接支持，而Oqton则提供了软件。要知道，开发机器、开发软件和生产产品是三项完全不同的业务，每个参与者都需要在各自的技能方面发挥优势，这一点极为重要。否则就会适得其反。

 

扩展的可能性和应用

虽然在VRT使用案例中展示了端到端工作流程，但这种完整的解决方案还能为其他应用提供多种优势应用带来多种好处。

 

问题发生在何时何地？

最近，上述工作流程被用于显示一个组件上的裂纹不是在构建过程中出现的，而是在后处理步骤中出现的。这节省了大量的时间和对构建准备修改的调查。

 

都是废料吗？

局部异常发生时，可能会影响多个部件。例如，重涂线可能是由微小的局部变形引起的。缺乏粉末，会对其他部件产生负面影响。构建后的目视检查只能发现可见的异常，但如果内壁受到影响，则需要将零件送去做CT或报废。如果我们发现某些部件没有受到关键异常的影响，异常检测系统允许我们部分恢复包含多个部件的大型托盘。

 

部件故障的原因在于制造过程吗？

当多个零件中的一个在长期使用后开始出现故障时，我们会对生产过程的每一个步骤进行跟踪，并在易于阅读和访问的报告中提供相关信息。由此，可以轻松地摒弃或进一步调查生产过程中出现的细微偏差或潜在风险。这让最终用户放心，并有助于正确分配责任。与类似部件或相同部件的不同实例进行比较是消除疑虑的简单而有效的方法。

 

行动要趁早

如今，我们正在生产一些非常大的零件。它们的成本往往很高，机器和操作员的时间也很昂贵。通过在异常情况发生时及早停止生产，可以节省时间、材料和操作员的精力。我们还可以举出许多其他的使用案例，但在解决方案的首次部署中显现出来的这些初步优势可以很好地概括我们的预期。

 

光明的未来就在前方

我们坚信，这种标准化的端到端方法可以为简化金属增材制造部件的开发和生产带来清晰的思路和显著的附加值。这是帮助该工艺达到其他成熟制造工艺的工业水平的第一步。这仅仅是个开始--但这是非常具体和坚实的一步，而不仅仅是未来几年的承诺。这就是“此时此地”，可以以此为基础，不断改进工艺。

当然，要广泛推广这种方法，还需要采取多种措施。因此，为了增加终端用户的信任，提供的解决方案是模块化的，用户可以选择只使用其中的部分功能。整个工作流程的优势将逐渐显现出来。人工智能、物理模拟技术的发展，以及两者与网络安全和边缘计算技术的结合将从坚实的基础开始，为更有用的扩展铺平道路。

 

作者：Tommaso Tamarozzi（Oqton）、Juan Carlos Flores（Baker Hughes）

 

来源：荣格-《国际工业激光商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。