为了确定3D打印技术在未来供应链中的潜在作用,美国陆军正着手拆解一架UH-60黑鹰起重机,并对全部2万个组件独立进行3D扫描。
由威奇托州立大学研究人员领导的这项拆解项目于5月正式公布,目前正顺利进行并已取得一定进展。
项目希望将组件扫描集合用于创建黑鹰直升机的数字孪生副本,即将所有组件整理成一份可3D打印的目录。之后,陆军即可对某些可能因太过陈旧或用量过少的备件进行逆向工程与3D打印,解决潜在的供应难题。
陆军方面还透露,后续计划将该项目扩展到黑鹰以外的其他用例当中。
陆军航空与导弹司令部司令Todd Royar少将表示,“我们将评估每个零件,但并不一定要根据先进的增材制造工艺对各个零件进行优化。我们的目标是从UH-60起步逐个检查所有零件,这将是首批拥有明确3D文件的军用零件。”
不止于黑鹰
黑鹰起重机的整套模型预计将在未来几个月内扫描完毕,但更大的挑战在于确定哪些部件适合3D打印、特别是增材制造后仍可满足激烈的战争对抗需求。陆军需要对各个部件做测试,确保其不仅满足武装部队的要求,同时也满足美国联邦航空局提出的航空安全标准。
Royar补充道,“只要拥有3D模型,那么打印环节就没什么困难了。接下来的难题,是如何确保零件符合我们的认证标准。比如说,必须考虑金属件由什么材质制造、具体使用哪种合金。如果将其放入3D打印机,打印输出的公差是否处于合理范围之内。特别是重复打印制造时,能否保证公差始终符合要求。”
陆军下辖的各师部也在纷纷效仿,开展类似的“库存审查”,希望确定自身的实际3D打印水平。陆军通信电子司令部已经评估了约三分之一的库存,即9.8万个零件,并确定其中237个适合进行增材制造。同样的,陆军坦克与汽车司令部(TACOM)也在筛选可3D打印的候选零件,但截至目前只确定了一种。
坦克与汽车司令部司令员Darren Werner将军补充道,“我们还在研究如何使用移动焊接与车间套件(MWSS)实现军械的再制造、改进和维修。该套件配备有五轴承切割机与聚合物打印机,整体存放在可灵活运输的集装箱内。因此,我们希望充分发挥其中潜力、找到修复和组装更多零件的方法。”
数字孪生项目的其他应用
即使最终确定零件无法进行3D打印,美国陆军同样针对各类场景制定了应急计划。首先,数字模型对于预测性维护有着重大意义,可通过计算仿真来预测零部件何时可能需要更换。3D模型还能在士兵的VR训练中有所应用,帮助他们在虚拟环境下熟悉武器系统中各个零部件的组装方法。
当然,庞大的敏感武器原理图数据库也有相应的缺点,特别是成为网络攻击活动的优先目标。陆军方面已经表示,将建立一套分层防御体系来解决安全问题,部分模型甚至将完全离线存储在本地设备当中。
这当然不是美国陆军第一次关注3D打印技术。此前,美国陆军航空医学研究实验室的研究人员就曾借助3D打印方法,为士兵生产和测试可定制型耳塞。他们在耳塞中引入了陆军科学家研制的新技术,以防止武装部队成员因轰鸣的战场底噪蒙受听力损伤。
此外,陆军之前还发现一种通过传感器测试来检测和监视马氏体时效钢磨损的方法,能够借此预测3D打印零件的性能。与数字孪生项目类似,这些测量值也能帮助军方预测零件何时会退休或失效,确保及时准备并更换相应零件。
好文章,需要你的鼓励
前FBI网络安全部门副助理局长、现Halcyon勒索软件研究中心高级副总裁辛西娅·凯泽指出,勒索软件已成为当今最大网络威胁。研究发现,与伊朗政府相关的Pay2Key组织仅用3小时即完成加密攻击,而Akira组织从入侵到加密全程不超过4小时。更值得警惕的是,借助AI工具的"业余黑客"正大幅提升攻击频率,尽管技术粗糙,但海量低质攻击可能掩盖更隐蔽的高级威胁,给企业安全防御带来严峻挑战。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
Nvidia收购Slurm工作负载管理器开发商SchedMD后,业界担忧这家芯片巨头可能借此优待自家硬件,削弱AMD、Intel等竞争对手的性能表现。Slurm运行于全球约60%的超级计算机上,Meta、Mistral、Anthropic等公司均在使用。分析师指出,尽管Nvidia承诺保持开源中立,但其对开发路线图的掌控仍构成"战略依赖风险"。专家建议企业多元化采购GPU,并在合同中争取硬件平等支持条款。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。