بودجه ۱۴ میلیون دلاری برای ساخت روش جدید چاپ‌ سه‌بعدی فلزات

به گزارش ایسنا، چاپ سه‌بعدی اشیاء با استفاده از فلز یک روش کاملا جاافتاده به شمار می‌رود، اما برای مطابقت با روش‌های سنتی در مقیاس گسترده، بسیار پیچیده، گران و کم‌دقت است.

به نقل از تک کرانچ، شرکت «فری‌فرم» (Freeform) با دریافت ۱۴ میلیون دلار از شرکت‌های «انویدیا»(Nvidia) و «بوئینگ»(Boeing) قصد دارد یک فرآیند جدید را برای چاپ افزودنی فلز بسازد که شرایط را تغییر می‌دهد. در این پروژه، پای هوش مصنوعی نیز در میان است.

«اریک پالیچ»(Erik Palitsch) مدیر عامل و «تی‌جی روناچر»(TJ Ronacher) رئیس هیئت مدیره، هر دو در شرکت «اسپیس‌ایکس» (SpaceX) کار می‌کردند که در آنجا به ترتیب معمار اصلی و تحلیلگر اصلی موتورهای «مرلین»(Merlin) و سایر برنامه‌ها بودند. آنها در اسپیس‌ایکس، پتانسیل قطعات چاپ سه‌بعدی ساخته‌شده با فلز را دیدند، اما کاستی‌های این روش را نیز از نزدیک تجربه کردند.

پالیچ گفت: ما پتانسیل چاپ فلز را دیدیم. این روش می‌تواند هر صنعتی را که اشیای فلزی می‌سازد، متحول کند، اما پذیرش آن کند بوده و موفقیت در بهترین حالت حاشیه‌ای بوده است. چرا استفاده از آن در مقیاس بزرگ عملی نیست؟ اساسا به سه دلیل کیفیت بد، ناسازگاری و سرعت کم. چاپگرهای تجاری بسیار کند هستند و قیمت آنها نجومی است.

آنها به این نتیجه رسیدند که اگر بتوانند فرآیند ارائه خدمات چاپ را به جای فروش یک چاپگر عملیاتی کنند، مشکل کاملا حل خواهد شد. بنابراین، آنها به «تاسو لاپاس»(Tasso Lappas) مدیرعامل سابق شرکت «Velo3D» ملحق شدند تا فری‌فرم را راه‌اندازی کنند.

پالیچ گفت: ما بازخورد بینش رایانه‌ای را با سرعت بالایی در سیستم خود داریم که در مقیاس میکروثانیه اجرا می‌شود و همه این داده‌ها روی انواع پیشرفته «مدار مجتمع دیجیتال برنامه‌پذیر»(FPGA) و «واحد پردازش گرافیکی»(GPU) پردازش می‌شوند. ما مجبور شدیم همه آنها را فقط از چیزهایی بسازیم که در چند سال اخیر در دسترس بوده‌اند.

لاپاس گفت: اریک و تی‌جی این فرآیند را زندگی کردند و به نتایج یکسانی رسیدند. آنها دریافتند این صنعت به سطحی از محاسبات و حسگرهایی نیاز دارد که هیچ‌کس پیشتر از آنها استفاده نکرده است. برای درک درست نحوه کنترل این فرآیند، به مجموعه داده‌هایی نیاز داشتیم تا در مقیاس‌های زمانی کار کنند که هیچ‌کس آنها را نداشت. بنابراین، ما ساخت یک سیستم تله‌متری پیشرفته را آغاز کردیم که مجموعه داده‌های نظارت‌شده و کنترل‌شده خود را جمع‌آوری کند.

این داده‌ها به آنها امکان ‌داد تا یک مدل را برای تولید داده‌های مورد نیاز یک مدل بهتر تقویت کنند، اما پس از آن با ضرورت سرعت روبه‌رو شدند. لاپاس توضیح داد: ما با مدل‌های مولد اشتراکات زیادی داریم، اما خیلی چیزها را در اختیار نداریم. نکته کاملا متفاوت در این میان، تأخیر است. استنتاج ما باید در میکروثانیه انجام شود تا بتوانیم حلقه این فرآیندها را ببندیم.

بدون هیچ راه‌حل آماده‌ای برای داده‌ها یا محاسبات، آنها مجبور بودند ترکیب GPU/FPGA را از ابتدا بسازند. این ویژگی را به مزایای اساسی تولید مبتنی بر چاپ مانند سرعت و تطبیق‌پذیری با کارخانه‌ها اضافه کنید تا متوجه شوید که این یک مورد تجاری بسیار قانع‌کننده است.

انتهای پیام