一項最新研究顯示，人工智慧（AI）模型已能精準預測3D列印聚乳酸（PLA）零件的拉伸強度與表面粗糙度。這項技術可望大幅縮短產品開發週期，並為台灣的製造業與材料科學領域在品質控制上帶來新視角。
根據《Bioengineer.org》週四報導，研究團隊開發出一個混合式人工智慧框架，結合了random vector functional link（RVFL）神經網路與Henry Gas Solubility Optimization（HGSO）演算法，目的是找出能產出最佳拉伸強度與表面品質的列印參數。這項研究成果已發表在學術期刊《Discover Applied Sciences》上。
該AI框架的運作原理是透過分析五個關鍵製程參數：列印角度、填充角度、層厚、列印速度與噴嘴溫度。研究人員將這套混合模型與傳統人工類神經網路（artificial neural network, ANN）以及單獨的RVFL模型進行比較，結果顯示，混合式RVFL-HGSO模型在測試資料上的預測表現更為優異。例如，在預測表面粗糙度方面，其判定係數（R2）高達98.95%，且平均絕對百分比誤差（mean absolute percentage error）較傳統ANN模型減少了69.02%。
HGSO演算法對於捕捉列印參數與零件特性之間複雜的非線性關係至關重要。為了同時最小化表面粗糙度並最大化拉伸強度，研究團隊採用了多目標最佳化粒子群最佳化（particle swarm optimization, MOPSO）演算法。透過此最佳化階段，模型能具體建議最佳列印設定，例如最佳的列印角度為44.16度、噴嘴溫度為220度等，從而避免了傳統的反覆試誤過程。
這項研究為改善產品設計與最佳化機械性能奠定基礎。儘管預測的準確性仍受限於所檢驗的特定數據集與參數範圍，但這類AI應用對於台灣高度發展的精密製造與材料產業而言，代表著品質控制與製程最佳化的一大進步，有助於加速新材料與新製程的導入。
