サーマルイメージングによる積層造形の改善

Apr 19, 2023

10 年以上にわたり、建設業界は積層造形に依存して建築モデル、プロトタイプ、最終用途部品を作成してきました。 3D プリンターを使用してパーツをレイヤーごとに構築するこのプロセスにより、ユーザーは幾何学的に複雑なパーツを迅速に構築し、生産プロセスを自動化し、用途に応じて特定の材料を使用することができます。

積層造形は建設業界で作業員の安全性を高め、生産性を向上させる可能性を秘めていますが、建設プロセス中に形成される構造上の欠陥により、このアプローチは広く採用されることができませんでした。

米国エネルギー省 (DOE) のアルゴンヌ国立研究所の研究者は最近、積層造形プロセスを変革する可能性がある 3D プリント材料の欠陥を検出および予測する新しい方法を開発しました。

彼らの研究では、アルゴンヌ大学、バージニア大学、その他いくつかの機関の科学者がさまざまなイメージング技術を使用して、3D プリントされた金属の細孔の形成をリアルタイムで検出しました。 研究者らが使用した金属サンプルは、金属粉末をレーザーで加熱し、適切な形状に溶かすレーザー粉体層融合と呼ばれるプロセスを使用して作成されました。 しかし、このアプローチでは多くの場合、部品の性能を損なう可能性のある細孔の形成につながります。

多くの積層造形機械には、造形プロセスを監視する熱画像センサーが搭載されていますが、これらのセンサーは構築中の部品の表面のみを画像化するため、細孔の形成を見逃す可能性があります。 高密度の金属部品内部の細孔を直接検出する唯一の方法は、アルゴンヌの高度光子源のような強力な X 線ビームを使用することです。

アルゴンヌの X 線ツールは 1 秒あたり 100 万枚以上の画像を撮影できるため、研究者らは毛穴の生成をリアルタイムで観察することができました。 次に、細孔生成の X 線画像と積層造形機によって生成された熱画像を比較しました。 彼らは、金属部品内に形成された細孔が表面に明確な熱痕跡を引き起こし、サーマルカメラで検出できることを発見しました。

研究者らは、積層造形機械で検出できる熱的特徴を特定すると、3D 金属内の細孔の形成を予測するために機械学習モデルをトレーニングしました。 彼らは、X 線画像のデータを使用してモデルを検証しました。このデータは、使用した金属サンプル内の細孔の生成を正確に反映していることがわかっていました。

次に、彼らのモデルが熱信号を検出し、新しいサンプル セットでの細孔の生成を予測できるかどうかをテストしました。 科学者たちは、彼らの新しい方法がリアルタイムで毛穴の生成をほぼ完璧に予測できることを発見しました。

市場に出回っている多くの積層造形機械にはすでにセンサーが搭載されていますが、研究者らが開発した方法ほど正確ではありません。 ただし、新しい積層造形機械を構築する代わりに、この方法はサーマルカメラを備えた既存の商用システムに簡単に実装できます。

この新しい方法を現在のマシンに組み込むことで、ユーザーは印刷プロセス中に細孔が生成される場所を特定し、パラメーターを調整するか、ビルドを完全に停止するために必要な情報を提供できるようになります。 場合によっては、積層造形プロセスの初期段階で重大な欠陥が検出された場合、機械が自動的に部品の製造を停止し、ユーザーの時間、材料、費用を節約できます。

この新しい方法は、部品の印刷後に検査プロセス中の時間を節約することでユーザーにもメリットをもたらします。 具体的には、部品内の気孔欠陥が存在する可能性がある場所を記録するログ ファイルが機械によって作成されます。 検査官は、このログ ファイルを使用して、部品のあらゆる側面を分析するのではなく、特定の場所を調べることができます。

このアプローチ開発の最終目標は、積層造形プロセス中に欠陥を検出するだけでなく、欠陥を修復するシステムを作成することです。

研究者らは今後、他の種類の欠陥を検出できるセンサーを研究する予定だ。 彼らは、欠陥がどこで発生する可能性があるかだけでなく、欠陥の種類とその修正方法もユーザーに伝えることができる包括的なシステムを開発したいと考えています。

アルゴンヌ国立研究所

電話: +1 630 252 2000

www.anl.gov

ツイッター

リンクトイン

ユーチューブ

インスタグラム

次回コメントするときのために、このブラウザに名前、メールアドレス、ウェブサイトを保存してください。

D