Le logiciel Peregrine de l’Oak Ridge National Laboratory, utilisé pour surveiller et analyser les pièces créées par fabrication additive sur lit de poudre, a publié son ensemble de données le plus avancé à ce jour.
Dans le cadre de ses efforts continus pour soutenir l’industrie nationale de la fabrication additive avec des ensembles de données complets, le centre de démonstration de fabrication du département de l’Énergie a produit ce nouvel ensemble de données dans le cadre d’une étude visant à établir des corrélations solides entre les anomalies de fabrication, les défauts internes et les performances mécaniques qui en résultent.
Cet ensemble de données contient des données de surveillance de pointe pour la fusion laser sur lit de poudre (L-PBF), qui utilise un laser pour faire fondre et fusionner de la poudre métallique afin de créer les couches d’une pièce métallique. L’ensemble de données comprend les paramètres de processus de la machine et les données des capteurs, les géométries et des images détaillées du processus de construction 3D capturées sous plusieurs angles et types d’éclairage, combinant l’imagerie haute résolution dans le visible et le proche infrarouge avec des scans aux rayons X des pièces imprimées.
« Peregrine prend des images pendant l’impression et utilise l’IA pour rechercher des anomalies », explique Luke Scime, chercheur au sein du groupe d’analyse des systèmes de fabrication de l’ORNL. « Vous faites cela pour chaque couche, puis vous créez une carte en trois dimensions de tous les emplacements susceptibles de poser problème, avant d’essayer de prédire lesquels pourraient causer un problème dans la pièce finale. »
L’algorithme personnalisé du logiciel Peregrine utilise les valeurs des pixels des images pour examiner la composition des bords, des lignes, des angles et des textures, et envoie une alerte aux opérateurs en cas de problème pendant le processus d’impression afin qu’ils puissent effectuer des ajustements rapides.
Grâce à son réseau neuronal convolutif à segmentation dynamique multi-étiquettes, ou DMSCNN, Peregrine examine les données provenant de plusieurs capteurs afin de détecter les problèmes et d’envoyer une alerte. Par exemple, l’impression L-PBF entraîne des projections, où le matériau fondu est éjecté lorsque le laser fait fondre la poudre métallique. Ces particules projetées peuvent se déposer ailleurs sur la pièce, affectant ainsi la qualité globale. Le nouvel ensemble de données comprend tous les résultats de segmentation DMSCNN et les échantillons soumis à des tests de fatigue et à des perturbations induites par ces projections.
Cet ensemble complet d’informations soutient le développement de modèles d’IA pour la qualification numérique des processus de FA. En utilisant l’ensemble de données open source Peregrine amélioré, les chercheurs et les fabricants peuvent développer des systèmes d’assurance qualité et de contrôle qualité encore plus intelligents et adaptatifs pour leurs pièces imprimées en 3D.
Parmi les autres chercheurs de l’ORNL qui ont contribué à la création de ce nouvel ensemble de données, citons Zackary Snow, Chase Joslin, William Halsey, Andres Marquez Rossy, Amir Ziabari, Vincent Paquit et Ryan Dehoff. L’ensemble de données est intitulé « Données d’imagerie thermique et de lumière visible in situ issues d’un processus de fabrication additive par fusion laser sur lit de poudre, co-enregistrées avec des données de tomographie par rayons X et de fatigue ».
N’oubliez pas que vous pouvez poster gratuitement les offres d’emploi de l’industrie de la FA sur 3D ADEPT Media ou rechercher un emploi via notre tableau d’offres d’emploi. N’hésitez pas à nous suivre sur nos réseaux sociaux et à vous inscrire à notre newsletter hebdomadaire : Facebook, Twitter, LinkedIn & Instagram !
