Une méthode nouvellement développée garantira des normes de haute qualité dans les processus de fabrication additive

Additive manufacturing processes continue to improve thanks to innovative efforts and growing adoption. This week marks a major milestone for the industry as a group of researchers from the University of Illinois Urbana-Champaign published a paper in the Journal of Intelligent Manufacturing that demonstrates a new method of training deep machine learning models to detect defects more effectively. Here’s what you need to know.

La fabrication additive est l’avenir

Le marché de l’impression 3D continuera de se développer, selon une étude publiée par BCG. Le rapport prévoit que le marché de la fabrication additive atteindra +95 Mds d’ici 2030. Cette croissance est alimentée par la réduction des coûts, une plus grande disponibilité, la diminution des barrières techniques et l’intégration de l’IA.

Il est notable qu’aujourd’hui, les processus et appareils d’impression 3D peuvent créer des composants plus complexes que leurs prédécesseurs. Ces appareils permettent aux ingénieurs de développer des innovations jamais vues auparavant. Bien sûr, à mesure que les impressions deviennent plus complexes, il devient plus difficile de détecter les défauts, surtout lorsqu’il s’agit d’impressions avec des mécanismes internes.

Réduction des défaillances dans les processus de fabrication additive

C’est une chose lorsqu’une impression 3D échoue sur un article de consommation. Cela peut coûter à l’entreprise et au consommateur des fonds et du temps. C’est une autre situation lorsqu’une pièce imprimée en 3D est un composant vital dans les applications aérospatiales ou médicales. Ici, les enjeux sont bien plus élevés et le contrôle qualité doit être exceptionnel.

Essentiel à la qualité

Lors de l’impression de formes tridimensionnelles complexes comportant certaines caractéristiques internes, il peut être impossible d’effectuer un contrôle qualité adéquat sans engendrer d’énormes retards et recourir à la tomodensitométrie (CT) par rayons X. Par le passé, ce problème a limité l’utilisation des composants imprimés en 3D dans certaines applications.

Ces scans sont coûteux et chronophages. Ainsi, il existe une forte demande pour une stratégie plus fiable et efficace afin de déterminer quand une impression 3D présente des défauts. Les chercheurs ont déterminé qu’ils pouvaient exploiter la vaste richesse de scans CT disponibles via des bases de données pour créer une bibliothèque de caractéristiques potentielles de défauts.

Une nouvelle étude révèle une meilleure option

Dans leur article « Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography », les chercheurs expliquent comment ils ont programmé un algorithme d’IA très efficace capable de détecter avec précision les défauts dans les impressions sans recourir aux rayons X. Leur étude a montré des résultats impressionnants, offrant l’espoir que, à l’avenir, la fabrication additive 3D puisse devenir la norme industrielle.

Impression des pièces de test

L’équipe devait créer des impressions complexes capables de résister à la pression et à la chaleur. Ainsi, ils ont déterminé qu’une buse avec des éléments internes 3D serait le meilleur sujet de test. Fait intéressant, les buses imprimées en 3D sont très populaires car elles peuvent présenter des caractéristiques de conception spécifiques qui aident à gérer le flux et à modifier la pression dans certains scénarios.

Plus précisément, l’équipe a créé 227 buses AM à base de résine pour l’étude. À l’œil, toutes ces unités semblaient impeccables. Cependant, certaines buses comportaient des défauts conçus spécifiquement qui seraient ensuite utilisés pour déterminer si l’algorithme fonctionnait correctement. Ces défauts ont été placés profondément à l’intérieur de la buse, garantissant que l’étude serait difficile à surmonter pour l’IA.

Apprentissage profond

Les chercheurs ont exploité une approche d’IA appelée apprentissage profond. Ce type d’apprentissage utilise des simulations informatiques pour reproduire des millions de scénarios. Chaque scénario génère des données uniques qui aident l’IA à apprendre à reconnaître la situation à l’avenir et à réagir.

Dans cette étude, les ingénieurs ont commencé par alimenter l’algorithme d’IA avec les données de scans CT en ligne les plus importantes. Ils ont ensuite scanné une série d’impressions pour créer 100 334 tranches d’images en coupe transversale. Cette collection d’images constituait le premier groupe témoin. Notamment, le groupe a assuré un taux de défaut de 13,6 % dans les impressions.

Modèle Vision Transformer (ViT)

L’étape suivante consistait à lancer les simulations. Les ingénieurs ont fait exécuter à l’algorithme 50 000 simulations de défauts synthétiques basées sur les données qu’ils ont saisies. Les erreurs comprennent une sélection diversifiée de formes, tailles, emplacements et profondeurs. Ces données ont ensuite été superposées sur des pièces sans défauts pour créer une base de comparaison.

Solution capable

L’algorithme d’IA a ensuite scanné les 227 pièces 3D à la recherche de défauts. Notamment, aucun des défauts dans les pièces n’était identique à ceux de l’image utilisée pour programmer l’algorithme. Ainsi, l’IA a dû prendre des décisions basées uniquement sur ses propres constatations et données. Elle a accompli cette tâche efficacement, marquant une avancée majeure dans le secteur.

Résultats

Les résultats de cette étude ont enthousiasmé de nombreux acteurs de l’industrie. L’algorithme d’IA a déterminé avec 90 % de précision quelles pièces présentaient des défauts et lesquelles étaient correctement imprimées. De manière impressionnante, l’IA a même détecté des défauts que d’autres modèles d’IA actuellement utilisés dans le secteur industriel avaient examinés et manqués.

Avantages que l’IA d’apprentissage profond apporte aux processus de fabrication additive

Il existe de nombreuses raisons pour lesquelles cette recherche peut révolutionner le secteur. Les protocoles d’apprentissage profond ont déjà contribué à améliorer l’efficacité et l’innovation dans d’autres domaines. Désormais, cette technologie avancée peut être utilisée pour accélérer la modélisation des données, améliorer la sécurité tout en aidant à créer des modèles d’apprentissage profond plus avancés capables de suivre les processus d’impression complexes utilisés aujourd’hui.

Précision

L’un des plus grands avantages de cette recherche est le taux de précision de 90 %. Pour les fabricants, disposer d’une IA qui détermine 90 % des défauts de votre ligne de production représente une amélioration majeure. Cet algorithme éliminera le besoin de scans CT uniquement pour les composants les plus critiques. Ainsi, cette approche stimulera l’innovation, permettant la création et le test de conceptions plus complexes via des simulations.

Coût réduit

Ce modèle d’IA d’apprentissage profond réduira le coût et le temps nécessaires pour entraîner des modèles d’IA avancés à détecter les erreurs d’impression 3D. Ces modèles s’amélioreront continuellement à mesure que davantage de données seront disponibles. Ainsi, un taux de réussite de 90 % constitue une excellente base pour les chercheurs. Les futures innovations pourraient porter ce taux à 99 %, réduisant les coûts pour les fabricants dans l’ensemble.

Systèmes entièrement automatisés

Les modèles d’apprentissage profond combinés aux processus de fabrication additive permettent l’automatisation complète du processus de création. Déjà, il existe des imprimantes 3D industrielles en métal qui produisent des pièces pour des opérations avancées. Ces appareils n’étaient pas très performants pour tester leurs créations par le passé, ce qui nécessitait généralement une intervention humaine.

L’algorithme d’IA créé par cette équipe pourrait être la solution à ce problème, car il permettrait à ces systèmes de créer et de contrôler la qualité de leurs productions en interne. Il pourrait également être couplé à un processus de recyclage. Imaginez l’IA recyclant automatiquement les pièces défectueuses dès qu’elles sont détectées. Des systèmes de fabrication intelligents comme ceux-ci seront un jour à l’avant-garde de la quatrième révolution industrielle.

Avenir de la fabrication additive

L’avenir de la fabrication additive s’annonce prometteur. Ces appareils sont utilisés dans de multiples secteurs, notamment l’aérospatiale, la biotechnologie et le médical. Voici quelques-unes des principales raisons pour lesquelles l’impression 3D industrielle est devenue si populaire au cours des trois dernières années.

Unités à coûts réduits

L’une des principales raisons pour lesquelles ces appareils deviennent plus courants est qu’ils sont désormais moins chers à posséder et à exploiter. Les fabricants font face à davantage de concurrence, ce qui entraîne plus d’innovation et des prix plus bas. Ainsi, les entreprises peuvent intégrer la fabrication additive dans leurs modèles à moindre coût, améliorant l’efficacité et réduisant les déchets.

Matériaux innovants

Une autre innovation majeure est la création de nouveaux matériaux d’impression. Les composites et les métaux peuvent désormais être utilisés pour créer des composants plus durables. Certaines unités de fabrication additive peuvent imprimer des conceptions complexes utilisant plusieurs matériaux. Ces matériaux sont plus légers et plus résistants que jamais. Ainsi, ils trouveront assurément davantage d’applications dans divers secteurs.

Mises à jour IA des processus de fabrication additive

L’IA est l’une des principales raisons pour lesquelles l’impression additive pourrait devenir une tâche quotidienne. Des modèles d’IA ont été créés pour presque chaque étape du processus. De plus, les chatbots IA pourraient rendre l’explication de vos concepts d’impression 3D aussi simple qu’un message texte. Elle est déjà utilisée pour aider à rationaliser le processus de création et à réduire les déchets.

Cette dernière recherche intègre l’IA dans le contrôle qualité en arrière-plan. Cette intégration était le dernier composant nécessaire pour créer un écosystème d’impression 3D totalement autonome. À l’avenir, ces appareils créeront, imprimeront et testeront leurs produits sans intervention humaine.

Bioprinters

L’une des plus grandes innovations en impression 3D est la création de bioprinters. Ces appareils peuvent imprimer des biomatériaux tels que des cellules et du tissu musculaire. Ces unités sont déjà utilisées pour créer de petits robots souples capables de naviguer et de s’organiser en grappes afin d’accomplir des tâches difficiles comme la purification de l’eau.

Imprimantes 3D dans l’espace

Une autre innovation intéressante qui a touché le secteur de la fabrication additive est les imprimantes capables de fonctionner dans des environnements de microgravité. L’appareil a été créé par l’ESA (Agence spatiale européenne) et testé avec succès la semaine dernière. Contrairement à leurs homologues terrestres, cette unité devait être entièrement enfermée pour empêcher la chaleur ou les fumées de s’échapper.

À l’avenir, les voyageurs spatiaux auront besoin d’un moyen d’imprimer ce dont ils ont besoin. Ils seront trop éloignés de la Terre pour compter sur des livraisons par fusée, et il y aura certainement des scénarios où des outils personnalisés et jamais utilisés auparavant deviendront indispensables. Par conséquent, le secteur aérospatial investit fortement dans ce marché.

Principales entreprises de fabrication additive

De nombreux fabricants de pièces additives sont actuellement en activité. Ces entreprises ouvrent la voie à l’avenir de l’impression 3D et contribuent à créer une existence durable avec moins de déchets. Voici quelques entreprises qui pourraient bénéficier de la recherche sur les défauts présentée.

1. Stratasys

SSYS Graphique du prix

Stratasys est présent dans l’industrie de l’impression 3D depuis 2010. Grâce à ses solutions de qualité, le fabricant s’est diversifié dans les secteurs aérospatial, médical, automobile et grand public avec un grand succès. Actuellement, l’entreprise propose une suite logicielle populaire qui améliore l’efficacité de la conception et du déploiement.

L’action Stratasys a connu des hauts et des bas au cours de ses plus de 14 années de cotation. Cependant, malgré de nombreux événements perturbateurs du marché tels que la COVID-19, Stratasys a résisté. Elle reste une option populaire de fabrication 3D et continue d’étendre ses activités. Ainsi, c’est un ajout judicieux à tout portefeuille.

2. Xometry

XMTR Graphique du prix

Xometry est une nouvelle entrée sur le marché de l’impression 3D. L’entreprise, qui propose une place de marché pour les prototypes d’impression 3D, la fabrication et plus encore, continue d’étendre son écosystème. Aujourd’hui, Xometry compte plus de 5 000 fournisseurs et plus de 8 000 acheteurs.

Le mélange unique de l’entreprise, combinant impression 3D à la demande et place de marché, offrant aux créatifs et aux programmeurs des opportunités de ROI, amène de nombreux analystes à prévoir un avenir prometteur. Pour l’instant, l’action a sous-performé mais a réussi à se positionner parfaitement pour l’intégration future du secteur manufacturier traditionnel, qui pourrait potentiellement générer des milliards de revenus. Ainsi, XMTR mérite d’être examiné.

Chercheurs

L’étude « Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography » a été menée à l’Université de l’Illinois Urbana-Champaign. Elle a été dirigée par le professeur de sciences mécaniques et d’ingénierie à l’Illinois Miles Bimrose, Sameh Tawfick et William King. De plus, Chenhui Shao de l’Université du Michigan, Davis McGregor de l’Université du Maryland, ainsi que Tianxiang Hu, Jiongxin Wang et Zuozhu Liu de l’Université du Zhejiang ont participé.

Les processus de fabrication additive continuent de s’améliorer

Des innovations constantes rendent le marché de la fabrication additive de plus en plus compétitif chaque jour. À l’avenir, les imprimantes 3D pourraient trouver des cas d’utilisation partout. Grâce aux esprits inventifs derrière le modèle Vision Transformer (ViT), ces produits seront plus sûrs que jamais.

Découvrez d’autres développements passionnants Additive Manufacturing Developments.