Gli scienziati del Lawrence Livermore National Laboratory hanno sviluppato un sistema di ispezione con telecamere in grado di monitorare strato per strato strutture complesse stampate in 3D, che usa l’intelligenza artificiale e l’apprendimento automatico.
Gli ingegneri del Lawrence Livermore National Laboratory (LLNL) hanno sviluppato un sistema di ispezione composto da telecamere in grado di monitorare strato per strato strutture complesse stampate in 3D, che utilizza l’intelligenza artificiale e l’apprendimento automatico per misurare minime variazioni e potenzialmente identificare problemi prima ancora che un componente esca dalla stampante.
Questo approccio potrebbe ridurre i tempi e la manodopera necessari per ispezionare i componenti prodotti tramite la tecnica di stampa a inchiostro diretto (DWI), una tecnica di produzione additiva che deposita materiali morbidi o pastosi attraverso un ugello in filamenti sottili e disposti con precisione. Inoltre, secondo i ricercatori dell’LLNL, offre un modo per esaminare componenti di grandi dimensioni e complessi, difficili da ispezionare completamente con la tomografia computerizzata (TC) a raggi X convenzionale.
Descritto in un articolo pubblicato su npj Advanced Manufacturing, il sistema del Lawrence Livermore National Laboratory combina telecamere montate su una stampante 3D con segmentazione delle immagini basata sull’apprendimento automatico e strumenti di visione artificiale per convertire migliaia di immagini acquisite durante la stampa in misurazioni dettagliate e mappe spaziali del materiale depositato: “Ora abbiamo una sorta di cervello dietro gli occhi. Il nostro sistema ora può vedere mentre stampiamo e possiamo prendere decisioni basate sui dati per il futuro” commenta il responsabile tecnico del progetto, Brian Weston, ingegnere e responsabile AI/ML per i gemelli digitali presso LLNL.
La pipeline di ispezione automatizzata di LLNL può analizzare le immagini circa 100.000 volte più velocemente di un essere umano, riducendo potenzialmente il tempo e la manodopera necessari per ispezionare i componenti prodotti tramite la scrittura diretta a inchiostro. I ricercatori del Lawrence Livermore National Laboratory hanno affermato che l’approccio potrebbe essere adattato ad altre tecniche di produzione avanzate, alla produzione sottrattiva convenzionale e ai sistemi sperimentali.
Individuare i problemi di stampa in anticipo
Il processo di scrittura diretta a inchiostro può creare cuscinetti e imbottiture complessi e flessibili le cui prestazioni meccaniche dipendono dalle dimensioni e dalla disposizione dei filamenti che possono avere uno spessore di solo una frazione di millimetro. Piccole lacune, fili rotti o variazioni del diametro del filamento possono influenzare le prestazioni di un componente finito.
Tradizionalmente, i ricercatori devono completare la stampa, rimuovere il componente dalla macchina e ispezionarlo utilizzando immagini a raggi X, test meccanici o altri metodi offline. Queste ispezioni possono essere costose e richiedere molto tempo e potrebbero rivelare solo a produzione ultimata che un componente difficilmente soddisferà i requisiti.
Il sistema dell’LLNL offre una fase di screening preliminare. Una telecamera cattura immagini durante la deposizione di ogni strato, mentre un software identifica i fili stampati più di recente e calcola parametri come il diametro del filamento: “Questo controllo preliminare ci permette di individuare i problemi prima di eseguire test molto costosi e di scartare i componenti precocemente se sappiamo già che presentano fili rotti o altri problemi” continua Weston.
Il lavoro dell’LLNL affronta un prerequisito fondamentale per una maggiore autonomia produttiva. Un sistema autonomo “non potrebbe funzionare correttamente senza tecniche di misurazione e ispezione affidabili. Il nostro lavoro rappresenta gli elementi fondamentali su cui potrebbero essere costruiti i sistemi di produzione autonomi” afferma Brian Giera, direttore associato del programma Data Science, AI and Manufacturing presso LLNL.
L’obiettivo immediato del progetto del Lawrence Livermore National Laboratory è identificare i pezzi difettosi in anticipo, ma i ricercatori immaginano in futuro un sistema in grado di andare oltre. A lungo termine, Weston ha affermato che i dati di ispezione potrebbero alimentare simulazioni e gemelli digitali che collegano la struttura misurata di un componente alle sue prestazioni previste, accelerando potenzialmente l’accettazione e la qualificazione dei componenti, andando oltre la semplice individuazione dei difetti a posteriori.
“Quando la stampante sarà in grado di ispezionare il proprio lavoro, potremo iniziare a pensare a un sistema che prende decisioni di accettazione/rifiuto in autonomia. Se sembra esserci un difetto, potrebbe valutare se questo rende il componente non conforme” conclude Weston.
Foto: Blaise Douros/LLNL
