I ricercatori sviluppano un metodo di apprendimento automatico per monitorare il processo di stampa 3D per difetti

Molti problemi possono verificarsi quando una parte stampata in 3D presenta un difetto e i ricercatori di tutto il mondo continuano a cercare nuovi modi per rilevare questi difetti prima che causino altri problemi. Ora, anche due ricercatori del Dipartimento di ingegneria dei sistemi industriali e manifatturieri ( IMSE ) della Kansas State University stanno affrontando la sfida.

Non tutte le stampanti 3D dispongono di un sistema designato per il monitoraggio e il monitoraggio dei progressi della stampa 3D durante il lavoro, il che significa che alcune parti continueranno a essere stampate anche in presenza di difetti. Ugandhar  Delli e Dr.  Shing  Chang dell’IMSE hanno proposto un nuovo metodo per monitorare il processo di stampa 3D mettendo in pausa il sistema a diversi punti di controllo, per fare il punto delle cose e individuare eventuali difetti; quindi, se necessario, possono essere intraprese azioni correttive, come l’interruzione della stampa se vengono rilevati dei difetti.

Le operazioni di stampa 3D su scala di produzione richiedono in particolare il monitoraggio automatico del processo, poiché la ricerca di difetti e l’interruzione delle stampe durante le fasi critiche del processo possono non solo risparmiare denaro ma anche ridurre lo spreco di materiale.

Delli e il dott. Chang hanno pubblicato un documento sulla loro ricerca, intitolato ” Monitoraggio automatico dei processi nella stampa 3D mediante l’apprendimento automatico supervisionato “, che descrive in dettaglio il loro nuovo metodo di monitoraggio dei processi nella   rivista Procedia Manufacturing .

L’abstract dice: “Il monitoraggio della qualità è ancora una grande sfida nella produzione additiva, popolarmente conosciuta come stampa 3D. Il rilevamento di difetti durante il processo di stampa contribuirà ad eliminare sprechi di materiale e tempo. Il rilevamento dei difetti durante le fasi iniziali della stampa può generare un avviso per sospendere o interrompere il processo di stampa in modo da poter adottare misure correttive per evitare la necessità di ristampare le parti. Questo documento propone un metodo per valutare automaticamente la qualità delle parti stampate in 3D con l’integrazione di una fotocamera, elaborazione di immagini e apprendimento macchina supervisionato. Le immagini dei pezzi semilavorati vengono riprese in diverse fasi critiche del processo di stampa in base alla geometria del pezzo. Un metodo di apprendimento automatico, support vector machine (SVM), viene proposto per classificare le parti in una categoria “buona” o “difettosa”. Le parti che utilizzano materiali ABS e PLA sono state stampate per dimostrare la struttura proposta. Viene fornito un esempio numerico per dimostrare come funziona il metodo proposto. ”
Configurazione del monitoraggio del processo.
I ricercatori hanno utilizzato una stampante 3D LulzBot Mini per la loro ricerca, che ha coinvolto il controllo del pezzo durante il processo di stampa 3D a più checkpoint; questi sono definiti come fasi critiche in cui si verifica un cambiamento importante nella geometria di una parte.

Delli e Dr. Chang hanno scritto nel documento: “Per esempio, considera una parte complessa che coinvolge diverse fasi di stampa come gonna / base, corpo e la parte superiore. Queste fasi potrebbero essere considerate come i punti di controllo desiderati per ispezionare la qualità a. ”
Il loro metodo utilizzava una fotocamera integrata, l’elaborazione delle immagini e un modello di apprendimento automatico supervisionato, chiamato supporto vettoriale (SVM), per valutare automaticamente la qualità delle parti. I ricercatori hanno definito tre passaggi per implementare il loro monitoraggio della qualità di stampa 3D proposto durante la produzione:

Identificare i checkpoint appropriati per la parte stampata in 3D in base alla sua geometria.
Scatta le immagini della parte semifinita ad ogni punto di controllo.
Eseguire l’elaborazione e l’analisi delle immagini.
Concetto di base di Support Vector Machine (SVM).
I ricercatori hanno concluso che il loro metodo poteva rilevare sia difetti strutturali o geometrici che difetti di completamento. Tuttavia, non è ancora sicuro al 100%.

Lo svantaggio principale del metodo proposto è che il processo di stampa deve essere messo in pausa mentre le immagini di una parte semilavorata vengono prese “, ha scritto Delli e il Dr. Chang. “Un altro inconveniente è che dal momento che vengono prese solo le immagini della vista superiore, il metodo proposto potrebbe non essere in grado di rilevare i difetti sul piano verticale che non possono essere visti nell’immagine della vista superiore. Questo ci dà una direzione per la ricerca futura di incorporare telecamere sui lati della stampante e per rilevare difetti su entrambi i piani orizzontali e verticali. ”
Delli e il Dr. Chang ritengono di poter migliorare il metodo grazie al montaggio in camera della testina di stampa. In futuro, lavoreranno anche sullo studio dei fattori di impatto per la selezione dei checkpoint di stampa appropriati.

Lascia un commento