Entretien publié en janvier 2024. Les fonctions et les capacités décrites se rapportent à cette période. Contenu produit en collaboration avec Materialise.
Dans un exemple présenté par Materialise, un défaut sur un composant médical métallique a été découvert après un cycle de compression isostatique à chaud (HIP), une journée de post-traitement et des contrôles qualité. Détecter plus tôt une pièce destinée au rebut aurait permis d’éviter ces opérations. Mais l’examen manuel de milliers d’images de couches est long et exposé aux différences d’interprétation. Pour aider les ingénieurs, Materialise a développé le module Quality & Process Control (QPC) Layer Analysis, présenté dans cet entretien avec Gilles Claeys.
Les conditions de fabrication peuvent engendrer des défauts dans les pièces issues de la fusion laser sur lit de poudre (LPBF). Leurs conséquences dépendent de leur nature, de leur taille, de leur emplacement et des exigences de l’application, notamment pour les pièces critiques des secteurs médical et aéronautique.
Dans un entretien publié par Materialise en novembre 2022, Gilles Claeys indiquait que le post-traitement et les essais non destructifs pouvaient représenter 30 à 70 % des coûts de production dans certains secteurs. Ce poids dans le coût d’une pièce ne constitue pas, à lui seul, une économie de 70 % démontrée sur l’ensemble d’une production. Le gain dépend notamment des rebuts détectés, des opérations évitées et du coût des contrôles maintenus.
L’enjeu consiste donc à identifier les défauts, à rechercher leurs causes et à ajuster le procédé, tout en démontrant que les pièces acceptées satisfont aux exigences définies.
Identification des défauts
Selon Gilles Claeys, responsable du développement des marchés chez Materialise, il existe une large gamme d’outils qui peuvent être utilisés pour identifier les défauts dans les pièces imprimées en 3D et cela peut être fait « par une combinaison de contrôle et d’essais non destructifs (END), à la fois pendant le processus d’impression et après le processus d’impression. Pendant l’impression, la machine est équipée de multiples capteurs qui contrôlent la qualité du processus, depuis la surveillance des niveaux d’oxygène jusqu’aux systèmes avancés de surveillance du bain de fusion. En outre, une approche de détection visuelle des défauts, dans laquelle l’imprimante 3D prend des images visuelles qui seront analysées pendant ou après l’impression, est – lorsque l’analyse est automatisée – une méthode peu coûteuse et rapide de détection précoce des rebuts. Après l’impression, pendant le processus de contrôle de la qualité, une inspection visuelle et des méthodes de contrôle non destructif comme les tomodensitogrammes sont des méthodes qui peuvent également être utilisées pour identifier les défauts. »
Comme vous l’avez peut-être déjà constaté pour de nombreux défis rencontrés dans l’industrie de la FA, il n’existe pas de solution unique en ce qui concerne les outils utilisés pour identifier les défauts. « La combinaison exacte des technologies de surveillance et de CND utilisées dépend fortement de l’application. Les types de défauts qu’on souhaite détecter dans un outillage ou une pièce prototype seront différents des défauts que l’on souhaite identifier dans un implant médical ou une pièce volante imprimée en 3D pour l’aérospatiale. Cela varie donc d’une application à l’autre ou d’un client à l’autre », explique Claeys. En ce qui concerne les types de défauts, l’anomalie qui peut altérer les performances d’une pièce métallique imprimée en 3D peut être liée à un événement survenu au cours du processus d’impression. Si vous travaillez avec un procédé de fusion laser sur lit de poudre, il y a de fortes chances que vous ayez déjà eu affaire à des défauts liés à la géométrie, à l’intégrité de la surface et à la microstructure. Certains de ces défauts peuvent être liés à l’effondrement de cavités de vapeur (keyholes), à la porosité gazeuse, à la fissuration par solidification, à la fissuration à l’état solide ou même à la porosité liée à la surface.
Pour l’expert de Materialise, « il existe un large éventail de défauts qui peuvent altérer les performances d’une pièce métallique imprimée en 3D, comme les fissures, les pores, ou encore les inclusions. La cause première peut être une défaillance au cours du processus d’impression, par exemple en raison d’une distribution inégale du lit de poudre, ou un problème lié à la conception ou aux supports de votre pièce. Les logiciels de simulation peuvent vous aider à réduire le risque en amont mais, en fin de compte, vous devez également vous assurer que la qualité est au rendez-vous et que votre processus et votre qualité restent stables au fil du temps ».
Qu’est-ce qui influence la formation des défauts ?
La conception pour la FA et la simulation peuvent réduire les risques avant l’impression. Des événements imprévus restent toutefois possibles, par exemple un support qui se détache ou le système d’étalement qui entraîne des particules sur le lit de poudre.
Détecter une anomalie et en établir la cause sont deux étapes distinctes. Le rapprochement des images avec les autres données du procédé aide l’ingénieur à mener cette analyse.
Comme le souligne Claeys, « la conception, la préparation de la fabrication et le processus de fabrication peuvent tous avoir un impact sur la qualité d’une pièce. C’est pourquoi il est vraiment important de disposer d’un bon outil qui mette en corrélation toutes ces sources de données sur l’ensemble de votre chaîne de production afin de trouver la cause première de ce que vous pensez être en train de se produire. »
C’est là que le module Materialise QPC Layer Analysis entre en jeu.
Des heures aux minutes : Le logiciel Materialise QPC Layer Analysis
Lors de la démonstration réalisée pour cet article, Claeys a montré comment l’intelligence artificielle analyse les images prises par les caméras des imprimantes et signale les anomalies sur les couches et sur le modèle 3D. Materialise annonçait des analyses de quelques secondes à quelques minutes selon l’application ; ce délai n’est pas une garantie pour tous les volumes de données.
Selon Claeys, l’utilisateur peut consulter un résumé ou examiner les anomalies en détail, avec des couleurs par catégorie. Ces informations aident à rechercher les causes et à évaluer les zones concernées. La capacité de détection dépend toutefois des images disponibles, des défauts recherchés et des critères établis.
Claeys nous a appris que le logiciel Materialise QPC Layer Analysis peut être utilisé à deux étapes principales :
« Au stade de la R&D, le logiciel Layer Analysis vous aidera à répondre à la question “Quelle est la cause première de ces défauts ?’’. À ce niveau, pour les utilisateurs de la FA qui ne cherchent pas encore à produire en série, la solution logicielle les aidera à effectuer une analyse qui leur permettra d’optimiser leur processus et de s’assurer qu’ils peuvent trouver la bonne conception et les bons paramètres de processus pour leur pièce.
La deuxième étape est la production en série. Une fois que vous avez passé l’étape de la R&D et que votre produit est prêt à être imprimé en plus grand volume, la solution logicielle peut également être utilisée pour détecter les écarts dans votre processus d’impression et pour s’assurer que chaque pièce imprimée en 3D répond aux normes de production. »
En développant le logiciel, l’équipe de Materialise a cherché à mettre au point une solution indépendante et agnostique. En ce qui concerne la manière dont cette solution se distingue, M. Claeys met l’accent sur son indépendance technologique :
« Le système est indépendant du matériel. Il est conçu de manière à pouvoir évaluer les images visuelles de n’importe quelle imprimante 3D à l’aide de ses caméras visuelles intégrées. Cela signifie que le module est facile à utiliser puisqu’il n’est pas nécessaire d’installer du matériel supplémentaire à l’intérieur ou à l’extérieur de la chambre de fabrication de l’imprimante 3D métal.
Deuxièmement, il facilite le travail collaboratif pour chaque construction. Plusieurs utilisateurs peuvent visualiser et mettre en corrélation des sources de données supplémentaires. Par exemple, il est possible de collecter plusieurs sources de données comme d’autres systèmes de surveillance ou des tomodensitogrammes et de corréler toutes ces sources ensemble pour obtenir un aperçu complet de la qualité de votre plaque de construction. »
L’indépendance vis-à-vis du constructeur annoncée par Materialise suppose des images et des données compatibles. L’analyse des couches ne remplace pas automatiquement les essais requis ni la décision d’acceptation ou de qualification d’une pièce critique.
L’intérêt de ces mesures est de relier les défauts observés aux décisions de fabrication. Pour chiffrer une économie, il faut comparer un scénario de référence avec les coûts réellement évités et ceux de la solution, sur des pièces et des critères d’acceptation comparables.
La mentalité de « l’échec rapide »
Même si le composant médical critique a été mentionné comme un exemple clé au début de cet article, il convient de noter que la détection des défauts est essentielle dans toutes les industries hautement réglementées qui adoptent la FA. Je vois un intérêt potentiel pour les applications dans l’aérospatiale et l’espace, le nucléaire et les industries lourdes qui doivent souvent fabriquer des pièces critiques.
La logique consiste à repérer les pièces non conformes assez tôt pour éviter de leur consacrer des opérations supplémentaires. L’intérêt économique et les limites de détection doivent être évalués dans le procédé concerné, plutôt que déduits d’un pourcentage général.
Pour les informations sur la solution et les demandes de démonstration, consulter la page de Materialise consacrée à QPC.
Materialise en quelques mots
Basée en Belgique, Materialise développe des logiciels et fournit des services de fabrication additive pour plusieurs secteurs, dont la santé, l’aéronautique, l’automobile et les biens de consommation.
LA NEWSLETTER HEBDOMADAIRE DE 3D ADEPT
L’industrie évolue. Gardez une longueur d’avance.
Chaque semaine, l’essentiel de la fabrication additive : actualités industrielles, dossiers de fond et applications concrètes, sélectionnés par notre rédaction. Vous êtes aussi les premiers informés de la sortie de chaque numéro de 3D ADEPT Mag.
Gratuit · Un e-mail par semaine · Désinscription à tout moment
En cliquant, vous chargez le formulaire de notre prestataire d’e-mailing, ainsi que ses statistiques et la protection anti-robots de Google. Votre inscription n’est enregistrée que si vous la validez. Consultez notre politique de confidentialité