Un nuovo metodo sviluppato garantirà standard di alta qualità nei processi di produzione additiva

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.

Additive Manufacturing is the Future

Il mercato della stampa 3D continuerà a espandersi, secondo uno studio pubblicato da BCG. Il rapporto prevede che il mercato della produzione additiva raggiungerà oltre 95 miliardi di dollari entro il 2030. Questa crescita è alimentata da costi più bassi, maggiore disponibilità, barriere tecniche ridotte e integrazione dell’IA.

È importante notare che i processi e i dispositivi di stampa 3D odierni possono creare componenti più complessi rispetto ai loro predecessori. Questi dispositivi consentono agli ingegneri di sviluppare innovazioni mai viste prima. Naturalmente, man mano che le stampe diventano più complesse, diventa più difficile rilevare i difetti, soprattutto quando si tratta di stampe con meccanismi interni.

Reduced Failure in Additive Manufacturing Processes

È una cosa quando una stampa 3D fallisce su un prodotto di consumo. Può costare all’azienda e al consumatore fondi e tempo. È un’altra situazione quando un pezzo stampato in 3D è un componente vitale per applicazioni aerospaziali o mediche. In questi casi, le poste in gioco sono molto più alte e il controllo di qualità deve essere eccezionale.

Vital to Quality

Quando si stampano forme tridimensionali complesse che presentano determinate caratteristiche interne, può essere impossibile effettuare un controllo di qualità adeguato senza creare ritardi enormi e utilizzare scansioni a tomografia computerizzata (CT). In passato, questo problema ha limitato l’uso di componenti stampati in 3D in alcune applicazioni.

Fonte – University of Illinois Urbana-Champaign

Queste scansioni sono costose e richiedono molto tempo. Perciò, c’è una grande domanda di una strategia più affidabile ed efficace per determinare quando una stampa 3D presenta difetti. I ricercatori hanno determinato che potevano sfruttare l’ampia disponibilità di scansioni CT presenti nei database per creare una libreria di potenziali caratteristiche di guasto.

A New Study Reveals a Better Option

Nel loro articolo “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography”, i ricercatori spiegano come hanno programmato un algoritmo IA altamente efficace capace di individuare con precisione i difetti nelle stampe senza la necessità di utilizzare raggi X. Il loro studio ha mostrato risultati impressionanti, offrendo speranza che in futuro la produzione additiva 3D possa diventare lo standard del settore.

Printing the Test Parts

Il team doveva creare stampe complesse in grado di resistere a pressione e calore. Perciò, hanno stabilito che un ugello con interno 3D sarebbe stato il soggetto di prova ideale. Curiosamente, gli ugelli stampati in 3D sono molto popolari perché possono avere tratti di design specifici che aiutano a gestire il flusso e a modificare la pressione in determinate situazioni.

In particolare, il team ha prodotto 227 ugelli AM a base di resina per lo studio. A occhio nudo, tutte queste unità apparivano perfette. Tuttavia, alcuni degli ugelli presentavano difetti progettati appositamente che sarebbero stati poi usati per verificare se l’algoritmo funzionasse correttamente. Questi difetti sono stati creati per trovarsi in profondità all’interno dell’ugello, garantendo che lo studio fosse difficile da superare per l’IA.

Deep Machine Learning

I ricercatori hanno sfruttato un approccio IA chiamato deep machine learning. Questo tipo di apprendimento utilizza simulazioni al computer per replicare milioni di scenari. Ogni scenario produce dati unici che aiutano l’IA a imparare a riconoscere la situazione in futuro e a reagire di conseguenza.

In questo studio, gli ingegneri hanno iniziato alimentando l’algoritmo IA con i dati di scansioni CT di difetti disponibili online. Successivamente hanno scansionato una serie di stampe per creare 100.334 sezioni trasversali di immagini. Questa collezione di immagini ha costituito il primo gruppo di controllo. È importante notare che il gruppo ha garantito un tasso di difetto del 13,6 % nelle stampe.

Vision Transformer (ViT) Model

Il passo successivo è stato avviare le simulazioni. Gli ingegneri hanno fatto eseguire all’algoritmo 50 000 simulazioni sintetiche di difetti basate sui dati inseriti. Gli errori includono una selezione diversificata di forme, dimensioni, posizioni e profondità. Questi dati sono stati poi sovrapposti a parti prive di difetti per creare una base di confronto.

Capable Solution

L’algoritmo IA ha quindi scansionato le 227 parti 3D alla ricerca di difetti. È importante notare che nessuno dei difetti nelle parti corrispondeva a quelli dell’immagine usata per programmare l’algoritmo. Pertanto, l’IA ha dovuto prendere decisioni basandosi esclusivamente sui propri risultati e dati. Ha svolto questo compito in modo efficiente, segnando un importante avanzamento nel settore.

Results

I risultati di questo studio hanno entusiasmato molti nel settore. L’algoritmo IA ha determinato con il 90 % di precisione quali parti presentavano difetti e quali erano stampate correttamente. Impressionante è il fatto che l’IA abbia anche individuato difetti che altri modelli IA attualmente in uso nel settore industriale avevano esaminato e non rilevato.

Benefits that Deep Learning AI Brings to Additive Manufacturing Processes

Ci sono molte ragioni per cui questa ricerca può rivoluzionare il settore. I protocolli di deep learning hanno già contribuito a migliorare l’efficienza e l’innovazione in altri settori. Ora, questa tecnologia avanzata può essere utilizzata per accelerare la modellazione dei dati, migliorando la sicurezza e contribuendo a creare modelli di deep learning più avanzati in grado di tenere il passo con i complessi processi di stampa attualmente in uso.

Accuracy

Uno dei maggiori vantaggi di questa ricerca è il tasso di precisione del 90 %. Per i produttori, avere un’IA che determina il 90 % dei difetti nella propria linea di produzione è un notevole upgrade. Questo algoritmo eliminerà la necessità di scansioni CT solo sui componenti più critici. Di conseguenza, questo approccio stimolerà l’innovazione poiché sarà possibile creare e testare design più complessi tramite simulazioni.

Lower Cost

Questo modello di IA deep learning ridurrà i costi e i tempi necessari per addestrare modelli IA avanzati a rilevare errori di stampa 3D. Questi modelli miglioreranno continuamente man mano che saranno disponibili più dati. Pertanto, un tasso di successo del 90 % è un ottimo punto di partenza per i ricercatori. Le future innovazioni potrebbero far salire questo tasso verso il 99 %, riducendo i costi per i produttori in tutto il settore.

Fully Automated Systems

I modelli di deep learning combinati con i processi di produzione additiva consentono l’automazione completa del processo di creazione. Già esistono stampanti 3D metalliche industriali che producono prodotti per operazioni avanzate. Questi dispositivi non sono stati molto efficaci nel testare le proprie creazioni in passato, operazione che solitamente richiedeva l’intervento umano.

L’algoritmo IA creato da questo team potrebbe rappresentare la soluzione a questo problema, poiché consentirebbe a questi sistemi di creare e controllare internamente la qualità dei propri prodotti. Potrebbe inoltre essere accoppiato a un processo di riciclo. Immaginate l’IA che ricicla automaticamente i pezzi difettosi non appena vengono rilevati. Sistemi di produzione intelligenti come questi saranno un giorno in prima linea nella quarta rivoluzione industriale.

Future of Additive Manufacturing

Il futuro della produzione additiva appare luminoso. Questi dispositivi sono ormai utilizzati in molteplici settori, tra cui aerospaziale, biotecnologia e medico. Ecco alcune delle principali ragioni per cui la stampa 3D industriale è diventata così popolare negli ultimi tre anni.

Lower Costs Units

Una delle ragioni principali per cui questi dispositivi stanno diventando più comuni è che ora sono più economici da possedere e gestire. I produttori hanno più concorrenza, il che porta a maggiore innovazione e prezzi più bassi. Di conseguenza, le aziende possono integrare la produzione additiva nei loro modelli a costi inferiori, migliorando l’efficienza e riducendo gli sprechi.

Innovative Materials

Un’altra grande innovazione è la creazione di nuovi materiali di stampa. Ora è possibile utilizzare compositi e metalli per creare componenti più durevoli. Alcune unità di produzione additiva possono stampare design complessi che sfruttano più materiali. Questi materiali sono più leggeri e più resistenti che mai. Pertanto, troveranno sicuramente più applicazioni in diversi settori.

AI Upgrades to Additive Manufacturing Processes

L’IA è una delle principali ragioni per cui la stampa additiva potrebbe diventare un’attività quotidiana. Sono stati creati modelli IA per quasi ogni fase del processo. Inoltre, i chatbot IA potrebbero rendere la spiegazione dei concetti della vostra stampa 3D semplice come inviare un messaggio. È già in uso per aiutare a snellire il processo di creazione e ridurre gli sprechi.

Questa ultima ricerca integra l’IA nel back‑end del controllo qualità. Questa integrazione è stata l’ultimo componente necessario per creare un ecosistema di stampa 3D completamente autosufficiente. In futuro, questi dispositivi creeranno, stamperanno e testeranno i propri prodotti senza intervento umano.

Bioprinters

Una delle più grandi innovazioni nella stampa 3D è la creazione di bioprinter 3D. Questi dispositivi possono stampare biomateriali come cellule e tessuto muscolare. Queste unità sono già impiegate nella creazione di piccoli robot morbidi che possono navigare e organizzarsi in gruppi per aiutare a completare compiti difficili, come la purificazione dell’acqua.

3D Printers in Space

Un’altra innovazione interessante che ha colpito il settore della produzione additiva sono le stampanti capaci di operare in ambienti di microgravità. Il dispositivo è stato creato dall’ESA (European Space Agency) e testato la scorsa settimana con successo. A differenza dei loro omologhi terrestri, questa unità doveva essere completamente chiusa per impedire la fuoriuscita di calore o fumi.

In futuro, i viaggiatori spaziali avranno bisogno di un modo per stampare ciò di cui hanno bisogno. Saranno troppo lontani dalla Terra per fare affidamento su consegne tramite razzi, e ci saranno sicuramente scenari in cui strumenti personalizzati e mai prima d’ora saranno una necessità. Di conseguenza, il settore aerospaziale sta investendo molto in questo mercato.

Top Additive Manufacturing Firms

Esistono numerosi produttori additivi attualmente operativi. Queste aziende stanno aprendo la strada al futuro della stampa 3D e contribuendo a creare un’esistenza sostenibile con meno sprechi. Ecco alcune imprese che potrebbero beneficiare della ricerca sui difetti presentata.

1. Stratasys

SSYS Grafico dei prezzi

Stratasys è presente nel settore della stampa 3D dal 2010. Grazie alle sue soluzioni di qualità, il produttore si è espanso nei settori aerospaziale, medico, automobilistico e dei consumatori con grande successo. Attualmente, l’azienda dispone di una suite software popolare che migliora l’efficienza del design e la sua implementazione.

Il titolo di Stratasys ha registrato alti e bassi nei suoi oltre 14 anni di attività. Tuttavia, nonostante numerosi eventi di mercato come il COVID‑19, Stratasys ha prevalso. Rimane un’opzione di produzione 3D molto apprezzata e continua a espandere le proprie operazioni. Perciò, è un’aggiunta saggia a qualsiasi portafoglio.

2. Xometry

XMTR Grafico dei prezzi

Xometry è un nuovo ingresso nel mercato della stampa 3D. L’azienda, che offre un marketplace per prototipi di stampa 3D, produzione e altro, continua a espandere il proprio ecosistema. Oggi, Xometry vanta oltre 5 000 fornitori e più di 8 000 acquirenti.

La combinazione unica dell’azienda di stampa 3D on‑demand e del marketplace, che offre a creativi e programmatori opportunità di ROI, ha spinto molti analisti a prevedere un futuro brillante. Per ora, il titolo ha registrato performance inferiori, ma è riuscito a posizionarsi perfettamente per l’integrazione futura del settore manifatturiero tradizionale, che potrebbe potenzialmente generare miliardi di entrate. Perciò, XMTR vale la pena di essere esaminato.

Researchers

Lo studio “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” è stato condotto presso l’Università dell’Illinois Urbana‑Champaign. È stato guidato dal Professor di Mechanical Science and Engineering dell’Illinois Miles Bimrose, Sameh Tawfick e William King. Inoltre, hanno partecipato Chenhui Shao dell’Università del Michigan, Davis McGregor dell’Università del Maryland, e Tianxiang Hu, Jiongxin Wang e Zuozhu Liu dell’Università di Zhejiang.

Additive Manufacturing Processes Continue to Improve

Le innovazioni costanti rendono il mercato della produzione additiva più competitivo ogni giorno. In futuro, le stampanti 3D potranno trovare casi d’uso ovunque. Grazie alle menti inventive dietro il modello Vision Transformer (ViT), questi prodotti saranno più sicuri che mai.

Scopri altri interessanti Sviluppi nella Produzione Additiva.