人工智能技术解决零件精度问题

想象一下，使用机器学习来确保飞机的部件更精确地装配在一起，并且可以在更少的测试和时间内组装。这是普渡大学和南加州大学的研究人员开发新技术背后的应用之一。

“我们正在做一个巨大的飞跃，致力于制造业的未来，”普渡大学科学学院的助理教授Arman Sabbaghi说，他在Purdue国家科学基金会的支持下领导了该研究小组。“我们开发了自动化机器学习技术，以帮助改进添加剂制造。这种创新正在走向实质上允许任何人成为制造商的道路。”

该技术解决了当前添加剂制造中的一个重大挑战：生产的单个零件需要具有较高的精度和再现性。该技术允许用户在当前网络中本地运行软件组件，公开API或编程接口。该软件使用机器学习来分析产品数据，并创建计划，以更准确地制造所需的零件。

萨巴吉说：“这在航空航天等许多行业都有应用，精确的几何尺寸对于确保可靠性和安全性至关重要。”“这是我第一次看到我的统计工作真的起了作用，这是世界上最不可思议的感觉。”

研究人员开发了一种新的模型建立算法，并将其应用于添加剂制造系统的几何精度控制。添加剂制造，通常被称为3D打印，是一个不断发展的行业，涉及建筑部件的方式类似于喷墨打印机，其中部件从建筑表面“生长”。

添加剂制造已经从原型开发工具发展到现在可以提供许多竞争优势的工具。与传统的减法制造相比，这些优势包括形状复杂度、减少浪费和潜在的低成本制造，减法制造的过程包括从原材料开始并将其粉碎以产生最终结果。

Wohlers Associates估计，添加剂制造业是一个73亿美元的行业。

Sabbaghi说，“我们使用机器学习技术快速修正计算机辅助设计模型，并以改进的几何精度生产零件。”改进的精度确保生产的零件在所需的公差范围内，生产的每个零件都是一致的，并且将以相同的方式执行，无论它是是在另一台机器上或12个月后创建的。

Sabbaghi说，普渡技术还允许用户创建复杂的设计，这在传统的制造过程中是不可能的。普渡大学研究团队的其他成员包括研究生Raquel Ferreira和数据分析师Kevin Amstutz。南加州大学工业与系统工程系丹尼尔J.爱泼斯坦的黄强是合作NSF基金的首席项目执行官。

他们的工作与普渡大学的大跃进庆典保持一致，承认该大学在人工智能领域的全球进步是普渡大学成立150周年的一部分。这是为期一年的庆典创意节的四个主题之一，旨在展示普渡大学作为解决现实问题的智力中心。

研究人员正与普渡大学技术商业化办公室合作，为创新申请专利，他们正在寻找合作伙伴继续开发创新。

关于普渡技术商业化办公室

普渡大学技术商业化办公室是美国顶尖研究大学中最全面的技术转让项目之一。该办公室提供的服务支持普渡大学的经济发展举措，有利于大学的学术活动。该办公室由普渡大学研究基金会管理，该基金会获得了2016个创新和经济繁荣大学奖。