Artificial intelligence in the design and production of personalized 3D printed products - conclusions from the project “Things are for People”

• Autorzy: Mikołajewski Dariusz , Rojek Izabela , Kaczmarek Mariusz , Kotlarz Piotr , Kempiński Marcin , Szczepański Zbigniew , Kopowski Jakub , Nowak Joanna , Macko Marek , Szczepańczyk Andrzej , Schmidt Tomasz , Leszczyński Paweł

Identyfikatory

DOI

10.17814/mechanik.2023.4.8

Warianty tytułu

PL

Sztuczna inteligencja w projektowaniu i produkcji personalizowanych wyrobów drukowanych 3D - wnioski z projektu „Rzeczy są dla ludzi”

• Języki publikacji: PL

Abstrakty

PL

Artykuł jest rozwinięciem referatu wygłoszonego na Międzynarodowej Konferencji „Inteligentne Rozwiązania dla Przemysłu - ISI 2022”, która odbyła się pod patronatem medialnym czasopisma „Mechanik”, będącej platformą wymiany wiedzy, przeglądu i dyskusji na temat postępów teoretycznych, wyników badań i doświadczeń przemysłowych pomiędzy pracownikami naukowymi, badaczami, decydentami, praktykami i studentami zajmującymi się tematyką związaną z Przemysłem 4.0 i inteligentną produkcją. Sztuczna inteligencja (szerzej: inteligencja obliczeniowa) jest od wielu lat obszarem intensywnych badań i zastosowań przemysłowych, wciąż jednak otwiera przez naukowcami, klinicystami i praktykami z przemysłu nowe obszary zastosowań. Opracowanie paradygmatu Przemysłu 4.0 przyśpieszyło jeszcze te procesy. Ciekawym polem zastosowań sztucznej inteligencji są zwłaszcza wyroby medyczne produkowane technologiami przyrostowymi, popularnie nazywanymi drukiem trójwymiarowym. Skumulowany potencjał Przemysłu 4.0, druku 3D (czy wręcz całej inżynierii odwrotnej) oraz najnowszych osiągnięć sztucznej inteligencji może się przyczynić do przełomu, dostarczając nowe technologie projektowania i wytwarzania w personalizowanej produkcji masowej. W artykule zaprezentowano wybrane możliwości w tym obszarze na podstawie przeglądu rozwiązań własnych wypracowanych podczas realizacji grantu NCBR „Rzeczy są dla ludzi”, poświęconego drukowanemu 3D egzoszkieletowi na rękę.

EN

This article is a development of a paper presented at the International Conference “Intelligent Solutions for Industry - ISI 2022”, under the media patronage of the “Mechanik” journal, which is a platform for the exchange of knowledge, review and discussion of theoretical advances, research results and industrial experience, between academics, researchers, policy makers, practitioners and students working on topics related to Industry 4.0 and Smart Manufacturing. Artificial intelligence (broader: computational intelligence) has been an area of intense research and industrial application for many years, but it continues to open up new areas of exploration and application for researchers, clinicians and industry practitioners. The development of the Industry 4.0 paradigm has further accelerated these processes. A particularly interesting field of application for artificial intelligence is medical devices produced by incremental technologies, popularly known as 3D printing. The cumulative potential of Industry 4.0, 3D printing (or indeed reverse engineering as a whole) and the latest developments in artificial intelligence could realise a breakthrough giving new design and manufacturing technologies in personalised mass production. The article shows selected possibilities in this area based on an overview of in-house solutions developed during the implementation of the NCBR grant “Things are for People” dedicated to a 3D printed arm exoskeleton.

Słowa kluczowe

PL

informatyka; mechatronika; sztuczna inteligencja; wyroby medyczne; egzoszkielet na rękę; robot noszony

EN

computer science; mechatronics; artificial intelligence; medical devices; arm exoskeleton; wearable robot

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Mechanik
• Rocznik: 2023
• Tom: R. 96, nr 4
• Strony: 6--11
• Opis fizyczny: Bibliogr. 24 poz., rys.

Twórcy

autor

Mikołajewski Dariusz

• Wydział Informatyki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0003-4157-2796

autor

Rojek Izabela

• Wydział Informatyki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-9958-6579

autor

Kaczmarek Mariusz

• Wydział Mechatroniki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-8253-2435

autor

Kotlarz Piotr

• Wydział Informatyki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0001-5004-2928

autor

Kempiński Marcin

• Wydział Mechatroniki, Uniwersy tet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-4891-566X

autor

Szczepański Zbigniew

• Wydział Mechatroniki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0003-0896-5985

autor

Kopowski Jakub

• Wydział Informatyki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-5160-1776

autor

Nowak Joanna

• Wydział Mechatroniki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-8912-1508

autor

Macko Marek

• Wydział Mechatroniki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0002-8743-6602

autor

Szczepańczyk Andrzej

• Wydział Mechatroniki, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, Polska

• https://orcid.org/0000-0003-4195-0152

autor

Schmidt Tomasz

• EduRewolucje spółka z o.o. z/s w Bydgoszczy, Polska

autor

Leszczyński Paweł

• EduRewolucje spółka z o.o. z/s w Bydgoszczy, Polska

Bibliografia

• [1] Rojek I., Mikołajewski D., Dostatni E., Macko M. “AI-Optimized Technological Aspects of the Material Used in 3D Printing Processes for Selected Medical Applications”. Materials. 13, 23 (2020): 5437, https://doi.org/10.3390/ma13235437.
• [2] Rojek I., Mikołajewski D., Kotlarz P., Tyburek K., Kopowski J., Dostatni E. “Traditional Artificial Neural Networks Versus Deep Learning in Optimization of Material Aspects of 3D Printing”. Materials. 14, 24 (2021): 7625, https://doi.org/10.3390/ma14247625.
• [3] Macko M., Szczepański Z., Mikolajewska E., Nowak J., Mikołajewski D. “Repository of 3D images for education and everyday clinical practice purposes”. Bio Algorithms Med Syst. 13, 2 (2017): 111, https://doi.org/10.1515/bams-2017-0007.
• [4] Varoto R., Cliquet A. Jr. “Experiencing Functional Electrical Stimulation Roots on Education, and Clinical Developments in Paraplegia and Tetraplegia With Technological Innovation”. Artif Organs. 39, 10 (2015): E187-201, https://doi.org/10.1111/aor.12620.
• [5] Coscia M., Wessel M.J., Chaudary U., Millán J.D.R., Micera S., Guggisberg A., Vuadens P., Donoghue J., Birbaumer N., Hummel F.C. “Neurotechnology-aided interventions for upper limb motor rehabilitation in severe chronic stroke”. Brain. 142, 8 (2019): 2182-2197, https://doi.org/10.1093/brain/awz181.
• [6] Rojek I., Mikołajewski D., Dostatni E. “Digital Twins in Product Lifecycle for Sustainability in Manufacturing and Maintenance”. Applied Sciences. 11, 1 (2021): 31, https://doi.org/10.3390/app11010031.
• [7] Rojek I., Mikołajewski D., Kopowski J., Kotlarz P., Piechowiak M., Dostatni E. “Reducing Waste in 3D Printing Using a Neural Network Based on an Own Elbow Exoskeleton”. Materials. 14, 17 (2021): 5074, https://doi.org/10.3390/ma14175074.
• [8] Kopowski J., Mikołajewski D., Kotlarz P., Dostatni E., Rojek I. “A Semi-Automated 3D-Printed Chainmail Design Algorithm with Preprogrammed Directional Functions for Hand Exoskeleton”. Applied Sciences. 12, 10 (2022): 5007. https://doi.org/10.3390/app12105007.
• [9] Rojek I., Kopowski J., Kotlarz P., Dorożyński J., Dostatni E., Mikołajewski D. “Deep Learning in Design of Semi-Automated 3D Printed Chainmail with Pre-Programmed Directional Functions for Hand Exoskeleton”. Applied Sciences. 12, 16 (2022): 8106, https://doi.org/10.3390/app12168106.
• [10] Rojek I., Mikołajewski D., Macko M., Szczepański Z., Dostatni E. “Optimization of Extrusion-Based 3D Printing Process Using Neural Networks for Sustainable Development”. Materials. 14, 11 (2021): 2737, https://doi.org/ 10.3390/ma14112737.
• [11] Rojek I., Kozielski M., Dorożyński J., Mikołajewski D. “AI-Based Prediction of Myocardial Infarction Risk as an Element of Preventive Medicine”. Applied Sciences. 12, 19 (2022): 9596, https://doi.org/10.3390/app12199596.
• [12] Burduk R., Rojek I., Mikołajewska E., Mikołajewski D. “Post-Stroke Gait Classification Based on Feature Space Transformation and Data Labeling”. Applied Sciences. 12, 22 (2022): 11346, https://doi.org/10.3390/app122211346.
• [13] Prokopowicz P., Mikołajewski D., Tyburek K., Mikołajewska E. “Computational gait analysis for post-stroke rehabilitation purposes using fuzzy numbers, fractal dimension and neural networks”. Bulletin of the Polish Academy of Sciences: Technical Sciences. 68, 2 (2020): 191-198, bwmeta1.element.oai-journals-pan-pl-115170.
• [14] Mikołajewska E., Prokopowicz P., Mikolajewski D. “Computational gait analysis using fuzzy logic for everyday clinical purposes-preliminary findings”. Bio-Algorithms and Med-Systems. 13, 1 (2017): 37-42, https://doi.org/10.1515/bams-2016-002.
• [15] Prokopowicz P., Mikołajewski D., Mikołajewska E., Kotlarz P. “Fuzzy system as an assessment tool for analysis of the health-related quality of life for the people after stroke”. “Lecture Notes in Computer Science” (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2017, 10245 LNAI, 710-721.
• [16] Mikołajewski D., Prokopowicz P. “Effect of COVID-19 on Selected Characteristics of Life Satisfaction Reflected in a Fuzzy Model”. Appl. Sci. 12 (2022): 7376, https://doi.org/10.3390/app12157376.
• [17] Prokopowicz P., Mikołajewski D. “Fuzzy Approach to Computational Classification of Burnout - Preliminary Findings”. Appl. Sci. 12 (2022): 3767, https://doi.org/10.3390/app12083767.
• [18] Prokopowicz P., Mikołajewski D., Mikołajewska E. “Intelligent System for Detecting Deterioration of Life Satisfaction as Tool for Remote Mental-Health Monitoring”. Sensors. 22 (2022): 9214, https://doi.org/10.3390/s22239214.
• [19] Mikołajewska E., Mikołajewski D. „Zastosowania automatyki i robotyki w wózkach dla niepełnosprawnych i egzoszkieletach medycznych”. Pomiary Automatyka Robotyka. 15, 5 (2011): 58-63.
• [20] Gopal A., Hsu W.Y., Allen D.D., Bove R. “Remote Assessments of Hand Function in Neurological Disorders: Systematic Review”. JMIR Rehabil Assist Technol. 9, 1 (2022 Mar 9): e33157, https://doi.org/10.2196/33157.
• [21] Block V.A., Pitsch E., Tahir P., Cree B.A., Allen D.D., Gelfand J.M. “Remote Physical Activity Monitoring in Neurological Disease: A Systematic Review”. PLoS One. 11, 4 (2016 Apr 28): e0154335, https://doi.org/10.1371/journal.pone.0154335.
• [22] Laver K.E., Adey-Wakeling Z., Crotty M., Lannin N.A., George S., Sherrington C. “Telerehabilitation services for stroke”. Cochrane Database Syst Rev 1, 1 (2020): CD010255, doi: 10.1002/14651858.CD010255.pub3.
• [23] Regulation (EU) 2017/745 of the European Parliament and of the Council of 5 April 2017 on medical devices. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELE-X:32017R0745 (dostęp: 17 grudnia 2022 r.).
• [24] ISO 13485:2016 Quality management systems. https://www.iso.org/standard/59752.html (dostęp: 17 grudnia 2022 r.).

Uwagi

1. Badania przedstawione w artykule są finansowane z grantu NCBR „Rzeczy są dla ludzi/0087/2020” pt. „Opracowanie funkcjonalnego egzoszkieletu ręki do aktywnego treningu i rehabilitacji” w ramach Programu Rządowego „Dostępność Plus” Ministerstwa Nauki i Szkolnictwa Wyższego, finansowanego z dotacji celowej w partnerstwie z Fundacją Aktywnej Rehabilitacji.

2. Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).