Omfattende undersøgelse gennemgår de bedste måder at overvåge defekter i additiv fremstilling

Additive Manufacturing (AM) – almindeligvis kendt som 3D-print – involverer fremstillingsprocesser, der afhænger af et brugerdefineret sæt af optimerede parametre. Overvågning og kontrol af disse processer i realtid kan hjælpe med at opnå driftsstabilitet og repeterbarhed for at producere dele af høj kvalitet. Ved at anvende in-situ overvågningsmetoder til AM-procedurer, kan defekter i de trykte dele opdages.

I en ny anmeldelse i Elsevier-tidsskriftet Materials &Design , Nikhil Gupta, professor i mekanisk og rumfartsteknik og direktør for Composite Materials and Mechanics Laboratory ved NYU Tandon, og Youssef AbouelNour, en doktorand under Guptas vejledning, undersøger anvendelsen af ​​både billeddannelse og akustiske metoder til påvisning af undergrunden og interne defekter.

Billeddannelsesmetoderne består af visuelle og termiske overvågningsteknikker, såsom optiske kameraer, infrarøde (IR) kameraer og røntgenbilleddannelse. Dataene er rigelige, da der er udført adskillige undersøgelser, der beviser pålideligheden af ​​billedbehandlingsmetoder til overvågning af udskrivningsprocessen og byggeområdet, samt detektering af defekter.

Akustiske metoder er afhængige af akustiske sensing-teknologier og signalbehandlingsmetoder til henholdsvis at erhverve og analysere akustiske signaler. Rå akustiske emissionssignaler kan korrelere med særlige defektmekanismer ved hjælp af metoder til udtrækning af funktioner. I deres anmeldelse diskuterer Gupta og AbouelNour behandling, repræsentation og analyse af det erhvervede in-situ data fra både billeddannelse og akustiske metoder. De introducerer også ex-situ testteknikker som metoder til verifikation af resultater opnået fra in-situ overvågningsdata.

Blandt deres afsløringer:

• In-situ procesovervågningsmetoder kan skabe en AM-proces i lukket kredsløb, der er i stand til fejlkorrektion og kontrol for at sikre processtabilitet og repeterbarhed
• Integration af overvågningsmetoder og maskinlæring i AM-processen kan hjælpe med løbende at evaluere kvaliteten af ​​materialeaflejring og udvikle interventionsmetoder til at korrigere defekterne in-situ
• Og brugen af ​​røntgencomputertomografi kan føre til en dybdegående evaluering af defekter, samt en vurdering af kvaliteten af ​​in-situ overvågningsmetoder.
• Integration af kvalitetsovervågningsmetoder med fremstillingsmetoder eliminerer kravet om at udføre kvalitetsvurderingen separat, hvilket kan spare en betydelig mængde tid.

Inspektion af optisk waferdefekt ved 10 nm teknologiknudepunktet og videre