AgentAM: An AI Agent for Spatter- and Defect-Aware Process Optimization in Laser Powder Bed Fusion

{"tags": ["AgentAM", "LLM Agents", "Model Context Protocol", "MCP", "Additive Manufacturing", "LPBF", "Process Optimization", "Surrogate Modeling", "SS316L"], "risks": ["Mô hình surrogate hiện chỉ được huấn luyện trên 279 mô phỏng single-track cho một loại vật liệu cụ thể (SS316L), chưa được kiểm chứng trên các chi tiết đa lớp hoặc hình học 3D phức tạp.", "Độ chính xác dự báo thể tích văng tóe trên dữ liệu kiểm thử dừng ở mức R² = 0.83, vẫn tồn tại sai số dư nhất định so với thực tế.", "Điểm tối ưu tối thiểu văng tóe thường nằm sát ranh giới thiếu thấu (< 10 μm), tiềm ẩn rủi ro tạo phế phẩm nếu không kích hoạt margin-aware optimizer.", "Tác nhân LLM vẫn có tỷ lệ phân tích sai 1,5% tham số đầu vào trong benchmark, đòi hỏi cơ chế kiểm tra an toàn trước khi nạp thông số vào máy in thật."], "category": "Agents", "entities": ["AgentAM", "Model Context Protocol (MCP)", "Laser Powder Bed Fusion (LPBF)", "SS316L"], "summary_vi": "AgentAM là tác nhân LLM giúp kỹ sư quy trình tối ưu hóa quá trình in 3D kim loại (LPBF) cho thép không gỉ SS316L qua ngôn ngữ tự nhiên nhờ giao thức Model Context Protocol (MCP). Hệ thống sử dụng mô hình surrogate đa thức huấn luyện từ 279 mô phỏng CFD đơn tia để dự đoán kích thước bể nóng chảy (R² ≥ 0.95), thể tích văng tóe (R² = 0.83) và phân loại khuyết tật hình học với độ chính xác 93,4%. AgentAM tích hợp bộ tối ưu nhận biết biên độ (margin-aware) giúp dời điểm tối ưu khỏi ranh giới khuyết tật, nâng xác suất duy trì trạng thái tốt từ 0.94 lên 1.00 khi có trôi dạt quy trình 2%. Trên benchmark 145 prompt, tác nhân truyền đúng tham số 98,5% và bám sát điểm tối ưu vét cạn trong khoảng 1,0%.", "key_changes": ["Giới thiệu AgentAM: Tác nhân LLM hỗ trợ kỹ sư xưởng truy cập và điều khiển các mô hình mô phỏng CFD thông qua giao tiếp ngôn ngữ tự nhiên dựa trên giao thức Model Context Protocol (MCP).", "Xây dựng mô hình surrogate đa thức từ 279 mô phỏng single-track: Đạt R² ≥ 0.95 cho kích thước bể nóng chảy (melt pool) và R² = 0.83 cho thể tích văng tóe (spatter) trên dữ liệu kiểm thử.", "Phân loại chế độ khuyết tật hình học (keyhole, lack of fusion, balling, stable) dựa trên tiêu chí hình học với độ khớp 93,4% qua kiểm định chéo; chỉ cần 40-50 mô phỏng phân bố tốt để dựng lại bản đồ khuyết tật.", "Đề xuất bộ tối ưu hóa nhận biết biên (margin-aware optimizer): Dịch chuyển điểm tối ưu cách xa ngưỡng thiếu thấu (lack of fusion < 10 μm), tăng xác suất duy trì phân loại 'Tốt' từ 0.94 lên 1.00 khi quy trình trôi dạt 2% và từ 0.72 lên 0.91 khi tính đến sai số dư hình học.", "Xây dựng bộ benchmark 145 prompt: Đạt tỷ lệ phân tích tham số đúng 98,5%, báo cáo trung thực giá trị văng tóe/chế độ khuyết tật và thỏa mãn toàn bộ ràng buộc tối ưu hóa trong các bài toán khả thi với độ lệch trung vị chỉ 1,0% so với giải pháp vét cạn."], "sub_category": "Industrial Process Optimization", "novelty_score": 78, "business_score": 78, "research_score": 82, "why_it_matters": "AgentAM thu hẹp khoảng cách giữa các mô hình mô phỏng CFD phức tạp và sàn sản xuất in 3D kim loại bằng cách cho phép kỹ sư truy vấn và tối ưu hóa thông số laser qua ngôn ngữ tự nhiên mà không cần kỹ năng lập trình. Ứng dụng giao thức MCP tạo tiền lệ chuẩn hóa kết nối giữa tác nhân AI và hạ tầng kỹ thuật sản xuất. Thuật toán tối ưu nhận biết biên độ đóng vai trò then chốt trong việc biến kết quả tối ưu toán học thành giải pháp an toàn, bền vững trước các sai số trôi dạt trong môi trường sản xuất thực tế.", "developer_score": 74, "importance_score": 76, "possible_use_cases": ["Tối ưu hóa thông số công suất laser và vận tốc quét (P-v window) cho công nghệ in 3D kim loại LPBF đối với vật liệu thép SS316L qua giao diện trò chuyện tự nhiên.", "Tích hợp các mô hình mô phỏng vật lý phức tạp (CFD) vào sàn sản xuất (shop floor) thông qua chuẩn giao thức Model Context Protocol (MCP) mà không yêu cầu kỹ sư phải biết lập trình.", "Tự động hóa việc quét cửa sổ quy trình và tìm kiếm tham số gia công có mức văng tóe tối thiểu nhưng vẫn đảm bảo an toàn trước các ranh giới khuyết tật.", "Kiểm soát rủi ro và duy trì độ ổn định khi máy in gặp hiện tượng trôi dạt tham số (drift) trong sản xuất thực tế bằng thuật toán tối ưu nhận biết biên độ."], "actionability_score": 72}