En nyutvecklad metod kommer att säkerställa högkvalitativa standarder i additiva tillverkningsprocesser

Additiva tillverkningsprocesser fortsätter att förbättras tack vare innovativa insatser och ökad adoption. Denna vecka markerar en viktig milstolpe för branschen då en grupp forskare från University of Illinois Urbana-Champaign publicerade en artikel i Journal of Intelligent Manufacturing som visar en ny metod för att träna djupa maskininlärningsmodeller för att upptäcka defekter mer effektivt. Här är vad du behöver veta.

Additiv tillverkning är framtiden

3D‑utskriftsmarknaden kommer att fortsätta expandera, enligt en studie från BCG. Rapporten förutspår att marknaden för additiv tillverkning kommer att nå +95  miljarder dollar år 2030. Denna tillväxt drivs av lägre kostnader, ökad tillgänglighet, minskade tekniska barriärer och AI‑integration.

Det är särskilt värt att notera att dagens 3D‑utskriftsprocesser och -enheter kan skapa mer komplexa komponenter än sina föregångare. Dessa enheter gör det möjligt för ingenjörer att utveckla innovationer som aldrig tidigare setts. Naturligtvis blir det svårare att upptäcka defekter när utskrifterna blir mer komplexa, särskilt när det gäller utskrifter med interna mekanismer.

Minskad felrisk i additiva tillverkningsprocesser

Det är en sak när en 3D‑utskrift misslyckas på en konsumentprodukt. Det kan kosta både företaget och konsumenten pengar och tid. Det är en annan situation när en 3D‑utskriven del är en viktig komponent i flyg- eller medicinska tillämpningar. Här är insatserna mycket högre och kvalitetskontrollen måste vara exceptionell.

Avgörande för kvalitet

När man skriver ut komplexa tredimensionella former med vissa interna funktioner kan det vara omöjligt att genomföra en korrekt kvalitetskontroll utan att skapa enorma förseningar och använda röntgen‑datortomografi (CT‑skanningar). Tidigare har detta problem lett till att 3D‑utskrivna komponenter har varit begränsade i vissa tillämpningar.

Källa – University of Illinois Urbana-Champaign