O software Peregrine do Laboratório Nacional de Oak Ridge, usado para monitorar e analisar peças criadas por meio da manufatura aditiva em leito de pó, lançou seu conjunto de dados mais avançado até o momento.
Em seu esforço contínuo para dar suporte à indústria de manufatura aditiva do país com conjuntos de dados abrangentes, o Centro de Demonstração de Fabricação do Departamento de Energia produziu este novo conjunto de dados como parte de um estudo para estabelecer fortes correlações entre anomalias de fabricação, defeitos internos e desempenho mecânico resultante.
Este conjunto de dados contém dados de monitoramento de última geração para fusão a laser em leito de pó (L-PBF). O conjunto de dados inclui parâmetros de processo da máquina e dados de sensores, geometrias e imagens detalhadas do processo de construção 3D capturadas de vários ângulos e tipos de iluminação, combinando imagens visíveis e infravermelhas de alta resolução com varreduras de raios X das peças impressas.
“A Peregrine captura imagens durante a impressão, usando IA para procurar anomalias”, disse Luke Scime, pesquisador do Grupo de Análise de Sistemas de Manufatura do ORNL. “Você faz isso para cada camada e cria um mapa tridimensional de todos os locais que podem apresentar problemas, e então tenta prever quais deles podem causar problemas na peça final.”
O algoritmo personalizado do software Peregrine usa valores de pixel de imagens para examinar a composição de bordas, linhas, cantos e texturas e envia um alerta aos operadores sobre quaisquer problemas durante o processo de impressão para que eles possam fazer ajustes rápidos.
Por meio de sua Rede Neural Convolucional de Segmentação Multirrótulo Dinâmica (DMSCNN), a Peregrine analisa dados de múltiplos sensores para detectar problemas e enviar alertas. Por exemplo, impressões de L-PBF sofrem respingos, onde o material fundido é ejetado conforme o laser derrete o pó metálico. Essas partículas respingadas podem cair em outras partes da peça, afetando a qualidade geral. O novo conjunto de dados inclui todos os resultados de segmentação DMSCNN e espécimes testados por fadiga submetidos a essas perturbações induzidas por respingos.
Este conjunto abrangente de informações apoia o desenvolvimento de modelos de IA para qualificação digital de processos de manufatura aditiva. Utilizando o conjunto de dados Peregrine aprimorado e de código aberto, pesquisadores e fabricantes podem desenvolver sistemas de garantia e controle de qualidade ainda mais inteligentes e adaptáveis para suas peças impressas em 3D. Para saber mais sobre o software, acesse o site.
