AI-Driven Optimisation of 3D Printing

Abstract

Additive manufacturing has emerged as a key manufacturing method in industry due to the design freedom and material efficiency it offers. However, the wider adoption of additive manufacturing is slowed down by the complex and time-consuming optimisation of process parameters. The rapid development of artificial intelligence and machine learning offers solutions to this challenge, as data-driven optimisation methods can improve the quality of final products and reduce material waste and development time. This thesis examines how artificial intelligence-based methods can be utilised in the optimisation of additive manufacturing. The study focuses in particular on extrusion-based 3D printing and powder bed fusion, and analyses the possibilities offered by artificial intelligence methods in the prediction and control of process parameters. Case studies illustrate how artificial intelligence-assisted optimisation can improve production efficiency and the mechanical properties of manufactured parts. The study shows that artificial intelligence will play a significant role in the future of additive manufacturing, enabling smarter and more sustainable production processes. At the same time, the use of artificial intelligence must be critically evaluated from the perspective of its environmental impacts, and its effective application requires a high level of expertise. Nevertheless, artificial intelligence-driven methods offer substantial potential for advancing additive manufacturing.

Lisäävä valmistus on noussut keskeiseksi valmistusmenetelmäksi teollisuudessa sen tarjoaman muotoiluvapauden ja materiaalitehokkuuden ansiosta. Lisäävän valmistuksen laajempaa käyttöönottoa hidastaa kuitenkin monimutkainen ja aikaa vievä prosessiparametrien optimointi. Tekoälyn ja koneoppimisen nopea kehitys tarjoaa tähän haasteeseen ratkaisuja, kun dataohjatuilla optimointimenetelmillä on mahdollista parantaa lopputuotteiden laatua sekä vähentää materiaalihukkaa ja kehitystyöhön kuluvaa aikaa. Tässä tutkielmassa tarkastellaan, miten tekoälypohjaisia menetelmiä voidaan hyödyntää lisäävän valmistuksen optimoinnissa. Työssä keskitytään erityisesti pursotuspohjaiseen 3D-tulostamiseen ja jauhepetisulatukseen sekä analysoidaan tekoälymenetelmien tarjoamia mahdollisuuksia prosessiparametrien ennustamisessa ja hallinnassa. Esimerkkitutkimukset havainnollistavat, miten tekoälyavusteinen optimointi voi parantaa tuotantotehokkuutta sekä valmistettujen kappaleiden mekaanisia ominaisuuksia. Tutkimus osoittaa, että tekoälyllä on merkittävä rooli lisäävän valmistuksen tulevaisuudessa mahdollistaen älykkäämmät ja kestävämmät tuotantoprosessit. Samalla kuitenkin on arvioitava tekoälyn käyttöä kriittisesti sen ympäristövaikutusten näkökulmasta. Samaan aikaan tekoälyn käyttöä on arvioitava kriittisesti, erityisesti sen ympäristövaikutusten osalta, ja sen tehokas soveltaminen vaatii korkeatasoista asiantuntemusta. Tekoälyyn perustuvat menetelmät tarjoavat kuitenkin huomattavaa potentiaalia lisäainevalmistuksen edistämiseksi.