I sistemi di monitoraggio e controllo qualità stanno diventando sempre più diffusi nella produzione additiva come mezzo per garantire la ripetibilità e mirare a parti giuste per la prima volta. Una maggiore esigenza di controllo della qualità si sta ora diffondendo agli articoli che sono più comunemente realizzati dal consumatore medio utilizzando stampanti 3D FFF, come dettagliato in ” Analisi di stampa 3D basata su livelli di visione artificiale open source ” di Aliaksei L. Petsiuk e Joshua M. Pearce.
Joshua Pearce, professore associato di scienza e ingegneria dei materiali, ingegneria elettrica e informatica presso la Michigan Technical University, ha svolto ricerche approfondite sulla stampa 3D, sulla riciclabilità e sulle piattaforme open source, insieme a protocristallinità, tecnologia fotovoltaica, nanotecnologia e altro ancora .
Come sostenitore della stampa 3D di articoli per la casa piuttosto che acquistarli, Pearce prevede che la tecnologia si infiltrerà nel mainstream e nella famiglia media molto più profondamente in futuro. Sebbene ci siano molti scettici, questo pensiero è in linea con molti altri visionari della tecnologia che vedono un grande potenziale per la stampa 3D a tutti i livelli.
In un comunicato stampa inviato a 3DPrint.com, Pearce spiega che il controllo della qualità continua a essere un problema a livello familiare, portandolo a creare una piattaforma di servoassistenza visiva per l’analisi nella segmentazione delle immagini in più fasi, prevenendo i guasti durante la mattina e il monitoraggio di errori sia dentro che fuori. Riferendosi alla precedente ricerca e sviluppo di metodi di controllo della qualità per “aree più mature dell’AM”, gli autori si sono resi conto che generalmente non esiste un “algoritmo al volo per compensare, correggere o eliminare i guasti di produzione”.
L’analisi nel programma di Pearce inizia con la convalida dell’altezza della vista laterale, misurando sia la struttura esterna che quella interna. L’approccio è incentrato su azioni basate sulla riparazione, consentendo agli utenti di godere di tutti i vantaggi della stampa 3D (velocità, convenienza, capacità di creare e produrre senza intermediari e altro) senza il mal di testa di sprecare tempo e materiali a causa di errori che avrebbe potuto essere catturato prima del tempo. L’obiettivo generale è “aumentare la resilienza e la qualità” nella stampa 3D FFF.
Parametri di stampa 3D che consentono la correzione dei guasti
“Il framework sviluppato analizza le deviazioni sia globali (deformazione delle dimensioni complessive) che locali (deformazione del riempimento) dei modi di stampa, ripristina il livello di scala e spostamento dello strato deformato e introduce una potenziale opportunità di riparare i difetti interni negli strati stampati, “Spiegano Petsiuk e Pearce nel loro articolo.
È possibile controllare parametri come i seguenti:
Temperatura
Velocità di avanzamento
Velocità estrusore
Altezza degli strati
Spessore della linea
Sebbene nella maggior parte dei casi possa essere impossibile compensare errori meccanici o di progettazione, un algoritmo adatto può ridurre notevolmente il numero di errori di stampa. In questo studio, gli autori hanno utilizzato una stampante 3D Delta RepRap FFF della Michigan Tech Open Sustainability Technology (MOST) per testare su una superficie fissa migliorando la sincronizzazione tra la stampante e la fotocamera, sulla base di un sensore di immagine CMOS Sony IMX322 da 1 / 2,9 pollici e acquisizione di fotogrammi da 1280 × 720 pixel a una frequenza di 30 Hz.
Piattaforma Visual Servoing: area di lavoro (sinistra), gruppo stampante (destra): a – telecamera; b – cornice stampante 3-D; c – targhetta di segnalazione visiva sulla parte superiore del piano di stampa; d – estrusore; e – telaio di illuminazione mobile; f – parte stampata.
Trasformazione proiettiva del G-Code e del modello STL applicato al frame dell’immagine sorgente: a – posizione della telecamera rispetto al modello STL; b– Traiettorie G-Code proiettate sul frame dell’immagine sorgente. Questa e le seguenti diapositive illustrano l’analisi di stampa per un modello di volpe poligonale basso [63].
L’algoritmo monitora gli errori di stampa con la telecamera posizionata in un angolo, osservando gli strati stampati e visualizzando il modello di lato:
“Pertanto, un frame sorgente può essere suddiviso in una vista dall’alto virtuale dall’alto e una pseudo-vista laterale.”
Algoritmo di controllo della stampa 3D
Attualmente, lo studio funge da strumento per ottimizzare l’efficienza nella produzione attraverso il risparmio di tempo e materiale, ma non dovrebbe essere considerato un “algoritmo di correzione completa dei guasti”.
