Методы машинного обучения в аддитивном производстве: современный обзор проектирования, процессов и управления производством

Для ряда отраслей традиционные производственные процессы являются длительными и экономически неэффективными из-за отсутствия подходящего инструмента для изготовления продукции. В последние годы алгоритмы машинного обучения (ML) получили все более широкое распространение в производстве, поскольку позволяют разрабатывать изделия и продукцию с меньшими затратами труда, времени и усилий. Цифровизация, передовые методы производства и наличие огромных объемов данных дополнительно повысили необходимость и интерес к интеграции методов машинного обучения и оптимизации для улучшения качества продукции. Производственные методы, интегрированные с машинным обучением, способствуют внедрению новых подходов, экономят время, энергию и ресурсы, а также сокращают объем отходов. Интегрированные с машинным обучением сборочные процессы способствуют созданию так называемого интеллектуального производства, в котором технология автоматически корректирует ошибки в реальном времени, предотвращая проливы. Хотя в производственных секторах используются различные вычислительные методы и инструменты, современные методы, такие как машинное обучение и анализ данных, играют важную роль в решении сложных промышленных и исследовательских задач. Поэтому в статье рассматривается современное состояние методов машинного обучения с акцентом на современные производственные методы, в частности аддитивное производство. Различные категории, особенно проектирование, процессы и управление производством в аддитивном производстве, описаны в рамках данного современного обзорного исследования.