محققان آزمایشگاه ملی آرگون (DOE) وزارت انرژی ایالات متحده با استفاده از اشعه ایکس و یادگیری ماشینی، روش جدیدی را برای تشخیص و پیش‌بینی عیوب در مواد پرینت سه‌بعدی توسعه داده‌اند که می‌تواند فرآیند تولید مواد افزودنی را متحول کند.
روش اخیرا بود منتشر شده در مجله Science توسط یک تیم تحقیقاتی به رهبری آرگون و دانشگاه ویرجینیا (UVA). دانشمندان از تکنیک های مختلف تصویربرداری و یادگیری ماشینی برای شناسایی و پیش بینی تشکیل منافذ در فلزات پرینت سه بعدی در زمان واقعی با دقت تقریباً عالی استفاده کردند.
نمونه های فلزی مورد استفاده در این مطالعه با استفاده از LPBF ایجاد شدند – رویکردی که اغلب منجر به تشکیل منافذی می شود که می تواند عملکرد یک قطعه را به خطر بیندازد.
بسیاری از ماشین‌های AM دارای حسگرهای تصویربرداری حرارتی هستند که فرآیند ساخت را نظارت می‌کنند، اما این حسگرها می‌توانند تشکیل منافذ را از دست بدهند زیرا فقط سطح قطعات در حال ساخت را تصویر می‌کنند. تنها راه شناخته شده برای تشخیص مستقیم منافذ داخل قطعات فلزی متراکم، استفاده از پرتوهای شدید پرتو ایکس است، مانند پرتوهای تولید شده توسط منبع فوتون پیشرفته (APS)، یک مرکز کاربری دفتر علوم DOE در Argonne.
ساموئل کلارک، دستیار فیزیکدان در Argonne می گوید: «پرتوهای اشعه ایکس ما آنقدر شدید هستند که می توانیم بیش از یک میلیون فریم در ثانیه تصویر کنیم. این تصاویر به محققان این امکان را داد که تولید منافذ را در زمان واقعی مشاهده کنند. با ارتباط اشعه ایکس و تصاویر حرارتی، دانشمندان کشف کردند که منافذ تشکیل شده در یک نمونه باعث ایجاد امضاهای حرارتی متمایز در سطح می شود که دوربین های حرارتی می توانند آنها را تشخیص دهند.
محققان یک مدل یادگیری ماشینی را برای پیش‌بینی تشکیل منافذ درون فلزات سه بعدی با استفاده از تصاویر حرارتی آموزش دادند. آنها مدل را با استفاده از داده های حاصل از تصاویر اشعه ایکس، که می دانستند به طور دقیق تولید منافذ را منعکس می کند، تأیید کردند. سپس، آنها توانایی مدل را در تشخیص سیگنال های حرارتی و پیش بینی تولید منافذ در نمونه های بدون برچسب آزمایش کردند.
تائو سان، دانشیار UVA می‌گوید: «APS حقیقت زمینی 100% دقیق را ارائه می‌دهد که به ما امکان می‌دهد به پیش‌بینی کامل تولید منافذ با مدل خود دست یابیم.
کامل فزا، فیزیکدان در Argonne، گفت: “رویکرد ما به راحتی می تواند در سیستم های تجاری پیاده سازی شود.” ”تنها با یک دوربین حرارتی، ماشین ها باید بتوانند زمان و مکان ایجاد منافذ در طول فرآیند چاپ را تشخیص دهند و پارامترهای خود را بر این اساس تنظیم کنند.”
به عنوان مثال، اگر یک نقص عمده توسط یک ماشین در اوایل فرآیند تولید تشخیص داده شود، ماشین می تواند به طور خودکار ساخت یک قطعه را متوقف کند. حتی اگر فرآیند ساخت متوقف نشود، رویکرد جدید می‌تواند اطلاعاتی در مورد جایی که ممکن است عیوب منافذ داخل قطعه باشد، ارائه دهد.
تائو سان می‌گوید: «اگر فایل گزارشی دارید که به شما می‌گوید این چهار مکان ممکن است نقص داشته باشند، به جای اینکه به کل قسمت نگاه کنید، فقط باید این چهار مکان را بررسی کنید.
هدف نهایی، با توجه به مقاله نیکی فارستر، ایجاد سیستمی است که نه تنها عیوب را تشخیص دهد، بلکه آنها را در طول فرآیند تولید تعمیر کند. در حرکت رو به جلو، محققان حسگرهایی را مطالعه خواهند کرد که می توانند انواع دیگر عیوب را که در طول فرآیند تولید افزودنی رخ می دهد، شناسایی کنند. تائو سان گفت: «در پایان، ما می‌خواهیم یک سیستم جامع ایجاد کنیم که بتواند نه تنها به شما بگوید که در کجا احتمالاً نقص دارید، بلکه دقیقاً چه نقصی دارد و چگونه می‌توان آن را برطرف کرد.