Het Amerikaanse onderzoeksinstituut Oak Ridge National Laboratory heeft een nieuwe dataset vrijgegeven voor de Peregrine software voor het monitoren en analyseren van de kwaliteit van LPBF-onderdelen. Het gaat hier om open source software voor de kwaliteitsborging in het AM-proces.
Deze dataset biedt geavanceerde monitoringgegevens voor laser powederbed AM systemen (L-PBF). De dataset bevat machineparameters, sensorgegevens, onderdeelgeometrieën en beelden vanuit meerdere hoeken, afkomstig uit zowel zichtbare, near-infrared als röntgenbronnen.
Kwaliteitsanalyse
Het aangepaste algoritme in de Peregrine-software analyseert pixelwaarden van afbeeldingen om de samenstelling van randen, lijnen, hoeken en texturen te beoordelen. Het waarschuwt operators als er problemen worden ontdekt tijdens het drukproces, zodat tijdig aanpassingen kunnen worden gemaakt. “Peregrine maakt beelden tijdens het printen en gebruikt AI om te zoeken naar afwijkingen”, zegt Luke Scime, een onderzoeker in de Manufacturing Systems Analytics Group bij ORNL. “Je doet dat voor elke afzonderlijke laag en je bouwt een driedimensionale kaart op van alle locaties die problemen zouden kunnen hebben. Dan ga je kijken welke daarvan een probleem zouden kunnen veroorzaken in het uiteindelijke onderdeel.”
AI-modellen ontwikkelen
De Amerikaanse onderzoekers gebruiken hiervoor hun Dynamic Multilabel Segmentation Convolutional Neural Network (DMSCNN). De nieuwe dataset voor de Peregrine open-source software omvat alle DMSCNN-segmentatieresultaten en op vermoeiing geteste proefstukken die bijvoorbeeld door spatten veroorzaakte verstoringen zijn blootgesteld. De nieuwe dataset ondersteunt de ontwikkeling van AI-modellen voor digitale kwalificatie van AM-processen. Door gebruik te maken van de verbeterde open-source Peregrine dataset kunnen onderzoekers en fabrikanten nog slimmere, adaptieve kwaliteitsborgings- en kwaliteitscontrolesystemen ontwikkelen voor hun 3D-geprinte onderdelen.
De dataset heeft als titel “In situ Visible Light and Thermal Imaging Data from a Laser Powder Bed Fusion Additive Manufacturing Process Co-Registered to X-ray Computed Tomography and Fatigue Data.
