Utilizzare l’Intelligenza IA nella Stampa 3D

IA nella Stampa 3D

Davide Gewirtz/ZDNET

IA nella Stampa 3D: Questo articolo tratta dell’utilizzo dell’intelligenza artificiale (IA) come strumento e di come applicarla alle vostre esigenze uniche e specializzate.

Imparerete come utilizzare ChatGPT per risolvere rapidamente problemi complessi, a condizione di avere i giusti prompt e di rimanere vigili di fronte alle risposte.

Prima di tutto, una panoramica sulla stampa 3D

Questa guida si inserisce nel contesto della stampa 3D. Esiste un test speciale nella stampa 3D chiamato 3DBenchy che verifica le prestazioni di una stampante. Consente agli utenti di stampanti 3D di testare la velocità e confrontare le misure e la qualità di stampa. La maggior parte delle stampanti impiega una o due ore per completare questo test.

Recentemente ho testato una nuova stampante che dovrebbe essere più veloce rispetto ad altre macchine. Su questa stampante, il Benchy è stato completato in 42 minuti, mentre sulle altre stampanti 3D del Fab Lab ha impiegato tra i 60 e i 70 minuti. Tuttavia, la versione di test fornita dall’azienda che produce la stampante ha impiegato solo 16 minuti. Una differenza notevole.

Mi sono chiesto il motivo. Purtroppo, nessun membro del team di supporto dell’azienda è stato in grado di rispondere alla mia domanda.

Può l’IA aiutarci?

È qui che entra in gioco ChatGPT. Il codice dei due file di test è composto da migliaia di righe che sembrano così:

G1 X122.222 Y140.6 E4.24443
G0 F14400 X122.703 Y140.773
G1 F3600 X122.117 Y141.251 E4.27083
G1 X121.767 Y141.66 E4.28963
G1 X121.415 Y142.139 E4.31039
G1 X121.105 Y142.641 E4.33099

Insieme, i due file, chiamati entrambi G-code, contenevano oltre 170.000 righe di codice. Non avevo intenzione di trascorrere un sabato pomeriggio a esaminare tutto manualmente, ma ho pensato che l’intelligenza artificiale potesse aiutarmi.

Usando ChatGPT Plus, ho caricato i due file nell’IA.

Ho iniziato controllando se ChatGPT potesse leggere i file

Dopo aver caricato ogni file, ho posto la seguente domanda:

ChatGPT ha confermato dicendo: “Posso leggere il contenuto del file. Sembra un file G-code, generalmente utilizzato per controllare le stampanti 3D.” Un buon inizio!

Per chiarire a quale file ci riferivamo, ho dato a ChatGPT delle etichette per i file:

Chiamiamo il primo file caricato “stampa normale” e il secondo “stampa rapida”. Va bene?

L’IA era d’accordo, quindi ho detto:

Descrivi in cosa differiscono i file.

A parte il fatto di aver chiamato uno dei file “stampa rapida”, non ho dato a ChatGPT alcuna indicazione su cosa cercassi. Nonostante ciò, il robot ha identificato che uno dei file aveva una velocità di stampa più alta, anche se i parametri di temperatura erano gli stessi.

Poi ho fatto un’altra domanda all’IA:

Perché “stampa rapida” è più veloce?

A questo punto ChatGPT ha cominciato a irritarmi. Invece di darmi dettagli dal codice che avevo fornito, ha speculato… L’IA ha usato frasi come “probabilmente”, “potrebbe” e “può” per spiegare perché la stampa era più veloce.

Ma io avevo fornito i file G-code che descrivevano esattamente cosa faceva la stampante e volevo quindi una risposta precisa.

Perché il prompt giusto fa tutta la differenza

Alla fine ho optato per questo prompt, che ha portato a risposte utili:

Il G-code fornito nei due file è l’unica cosa che differisce tra queste stampe. Utilizzando solo il G-code fornito per il confronto, quali parametri sono diversi? Non speculare su quali potrebbero essere altri parametri. Basi la tua analisi solo sul codice fornito.

ChatGPT ha identificato tre fattori chiave:

  1. Il primo G-code mostra velocità comprese tra 2400 mm/min e 3400 mm/min. Il G-code della stampa rapida mostra velocità molto più alte, con alcune istruzioni che arrivano fino a 14400 mm/min. Questo rappresenta un aumento significativo della velocità, contribuendo direttamente alla riduzione del tempo di stampa.
  2. Rispetto a un’altezza dello strato di 0,2 mm per la stampa normale, la stampa rapida imposta un’altezza dello strato di 0,25 mm, riducendo il numero di strati necessari per completare la stampa.
  3. Il G-code della stampa rapida include parametri di accelerazione molto più aggressivi, permettendo alla stampante di raggiungere velocità più elevate più rapidamente e mantenerle, contribuendo così a una stampa più veloce.

Volevo sapere se l’azienda aveva ottimizzato il G-code a mano

Questo risultato è interessante. Tuttavia, volevo sapere se l’azienda avesse ottimizzato il secondo G-code a mano. Ho quindi posto la seguente domanda a ChatGPT:

Puoi dire se il file di stampa rapida è stato codificato a mano o generato? Dovremmo forse cercare comandi incoerenti o commenti non standard.

L’IA ha risposto con tre considerazioni interessanti:

  1. Le variazioni nei comandi del G-code, come i cambiamenti nelle velocità di alimentazione, il passaggio tra diversi comandi di movimento e le modifiche di altri parametri, sono tipiche di un codice generato automaticamente.
  2. Se il G-code fosse stato scritto a mano, ci aspetteremmo di vedere schemi più irregolari e imprevedibili, ma queste transizioni seguono una sequenza logica, caratteristica del processo di ottimizzazione.
  3. Di conseguenza, la presenza di questi comandi non indica una codifica manuale.

Cosa abbiamo imparato?

Abbiamo imparato che ChatGPT capisce il G-code. Non sorprende, poiché ChatGPT ha una buona padronanza dei linguaggi di programmazione, anche quelli più oscuri.

Abbiamo anche imparato che ChatGPT può esaminare e confrontare oltre 170.000 righe di istruzioni macchina e trarre conclusioni utili in pochi secondi.

Infine, abbiamo imparato che possiamo usare IA come ChatGPT per esplorare problemi complessi da più angolazioni. ChatGPT non solo ha spiegato la grande differenza di velocità tra i due file, ma è stato anche in grado di convalidare se il file fornito dall’azienda fosse stato modificato a mano.

In conclusione, non accettate subito quello che l’IA vi dice come una verità assoluta. Non prendete decisioni critiche basandovi solo sulle sue risposte. E non dimenticate che a volte dovete “negoziare” con l’IA prima che accetti di darvi risposte utili.

La stesura di questo articolo su questo problema mi ha preso qualche ora. Il processo di analisi vero e proprio, dall’inizio alla fine, mi ha preso meno di 10 minuti. Questo è un chiaro vantaggio in termini di produttività.

Fonte: “ZDNet.com”

➡️ACCEDI A CHATGPT IN ITALIANO CLICCANDO QUI ! ⬅️

Esegui l'accesso per Commentare