ZEISS E ORNL UTILIZZERANNO LA TECNOLOGIA AI E TC A RAGGI X PER MIGLIORARE LA CARATTERIZZAZIONE DELLE PARTI DI STAMPA 3D
Carl Zeiss Industrial Metrology (ZEISS), uno dei principali produttori di dispositivi di metrologia multidimensionale, ha collaborato con l’ Oak Ridge National Laboratory (ORNL) del Department of Energy per far progredire la caratterizzazione delle parti stampate in 3D utilizzando l’intelligenza artificiale (AI) e la tecnologia TC a raggi X .
Il progetto congiunto, denominato “Sfruttare l’intelligenza artificiale per consentire una caratterizzazione affidabile non distruttiva di parti prodotte in modo additivo utilizzando la TC a raggi X”, sarà finanziato attraverso il Fondo per la commercializzazione della tecnologia (TFC) del DOE.
ZEISS e ORNL sono pronti a sviluppare e commercializzare una metodologia di caratterizzazione polvere-pezzo basata sull’intelligenza artificiale per le parti stampate in 3D utilizzando la soluzione ZEISS 3D ManuFACT , un flusso di lavoro di ispezione integrato completo. La metodologia verrà utilizzata per qualificare rapidamente nuove polveri e processi di leghe, consentendo la qualificazione semplificata dei componenti stampati in 3D.
“Vogliamo che le nostre macchine TC a raggi X siano in grado di guidare i processi AM verso la stampa di parti coerenti, prevedibili e ripetibili”, afferma il dott. Pradeep Bhattad, Business Development Manager per la produzione additiva presso ZEISS. “A causa della complessità delle parti AM, la TC a raggi X sta diventando sempre più la tecnologia preferita per qualificare le parti. Tuttavia, la TC a raggi X basata sull’intelligenza artificiale ha il potenziale per rivoluzionare i test non distruttivi (NDT) e la metrologia oltre il solo settore AM”.
Poiché i processi di stampa 3D diventano sempre più parte della catena di produzione industriale in settori come aerospaziale, sanitario e automobilistico, la verifica dell’affidabilità delle parti diventa più integrale che mai. Come metodo di caratterizzazione, la TC a raggi X è particolarmente potente grazie alla sua capacità di fornire informazioni sulla lavorazione, sulla microstruttura e sulle proprietà dei materiali delle parti stampate in 3D. Il processo 3D ManuFACT di ZEISS include diversi strumenti avanzati di caratterizzazione TC come ZEISS Versa, ZEISS METROTOM e ZEISS VoluMax.
Sfortunatamente, la TC a raggi X soffre ancora di artefatti e rumore, principalmente a causa dell’indurimento del raggio e della riduzione del tempo di scansione per i materiali metallici densi. I partner ritengono di poter ridurre significativamente gli artefatti e il rumore attraverso l’uso dell’intelligenza artificiale, il tutto migliorando le capacità di rilevamento dei difetti e riducendo i tempi di scansione fino a un fattore sei.
ORNL ha già sviluppato un algoritmo AI per integrare i sistemi di imaging di ZEISS, uno che migliora il processo di scansione TC sfruttando i modelli CAD 3D esistenti e i dati basati sulla fisica. L’algoritmo addestra una rete neurale convoluzionale profonda (CNN) in grado di rimuovere il rumore e gli artefatti dai dati CT sintetici e applicare la rete addestrata ai dati CT sperimentali reali.
Il Dr. Amir Koushyar Ziabari, scienziato del personale R&D presso ORNL, spiega: “La tecnologia basata sull’intelligenza artificiale migliora le capacità della TC a raggi X, producendo immagini veloci e di alta qualità con un miglioramento significativo nella soppressione del rumore e degli artefatti, migliorando così l’accuratezza delle misurazioni. “
La tabella di marcia in tre fasi
Il team del Dr. Ziabari ha delineato un piano di ricerca e sviluppo in tre fasi per il primo anno del progetto. La prima fase prevede il test e la valutazione dell’algoritmo su una serie di dataset reali. La fase due tradurrà la metodologia proposta in una gamma di campioni e strutture multi-materiale, mentre la fase tre riguarderà la documentazione e lo sviluppo dell’interfaccia utente finale e la modellazione verificabile da ZEISS.
Alla fine del primo anno, i partner del progetto si aspettano di essere in grado di quantificare il miglioramento delle capacità di rilevamento della porosità della metodologia AI.
Ziabari conclude: “Il nostro obiettivo finale è sviluppare e maturare ulteriormente questa tecnologia in modo che possa essere commercializzata e adottata nel più ampio mercato della TC a raggi X”.
