マルチによる一般化可能な 3D プリンティング エラーの検出と修正

Nature Communications volume 13、記事番号: 4654 (2022) この記事を引用

16,000 アクセス

11 件の引用

189 オルトメトリック

メトリクスの詳細

材料の押出成形は最も広く普及している積層造形法ですが、最終用途製品への応用はエラーに対する脆弱性により制限されます。 人間はエラーを検出できますが、継続的な監視やリアルタイムの修正を行うことはできません。 既存の自動化されたアプローチは、さまざまな部品、材料、印刷システムにわたって一般化できません。 最適な印刷パラメータからの偏差によって自動的にラベル付けされた画像を使用して、マルチヘッド ニューラル ネットワークをトレーニングします。 データ取得とラベル付けの自動化により、印刷パラメータでラベル付けされた 192 個の異なる部品からの 120 万枚の画像を含む、大規模で多様な押し出し 3D プリンティング データセットの生成が可能になります。 このようにトレーニングされたニューラル ネットワークと制御ループにより、さまざまなエラーをリアルタイムで検出し、迅速に修正できます。これは、さまざまな 2D および 3D の形状、材料、プリンター、ツールパス、さらには押し出し方法にわたって効果的です。 さらに、ネットワークの予測を視覚化して、ネットワークがどのように意思決定を行うかを明らかにします。

材料押出成形は、比較的低コスト、後処理の少なさ、多くの材料との互換性、および複数材料の機能などの理由から、最も一般的な積層造形 (AM) 方法です1。 これらにより、押出 AM はヘルスケア 3、医療機器 4、航空宇宙 5、ロボット工学 6 などの多くの分野 2 で有望となっています。 しかし、これらのアプリケーションの多くが研究段階にある主な理由は、押出 AM がさまざまな製造エラーに対して脆弱であることです。 これらの範囲は、小規模な寸法の不正確さや機械的弱点から、全体的な構築の失敗に至るまで多岐にわたります1、7、8、9、10。 エラーに対処するには、通常、熟練した作業者が AM プロセスを観察し、エラーを認識し、印刷を停止して部品を取り外し、新しい部品のパラメータを適切に調整する必要があります。 新しい材料やプリンターを使用する場合、作業者が新しいセットアップの経験を積むにつれて、このプロセスにはさらに時間がかかります11、12。 それでも、特に作業者が各プロセスを継続的に観察していない場合には、エラーが見逃される可能性があります。 複数のプリンターが同時に稼働している場合や、新型コロナウイルス感染症のパンデミックで浮き彫りになっているように、社会的距離や病気により人員が限られている場合、これは困難になる可能性があります。 これは、材料、エネルギー、時間のコストがかかるだけでなく、最終用途製品、特に医療機器などの安全性が重要な製品における AM 部品の使用と、AM ベースのサプライ チェーンの回復力の両方を制限します。 AM が生体材料や機能材料、複雑な多材料格子構造、遠隔地や屋外の建設現場、人体などの困難な環境に拡大するにつれて、これらの課題はさらに差し迫ったものになるでしょう。

これにより、押出 AM13 のモニタリングに関する多様で興味深い研究が行われるようになりました。 電流 14、15、慣性 16、17、および音響 18、19、20、21、22 センサーは、押出 AM の監視によく使用されてきました。 これらのアプローチにより、印刷中の特定の、通常は大規模なエラー モダリティを確実に検出できるようになりますが、多くのエラーは検出できないままです。 これらの方法論は、センサーやアンプのコストが高額であることが多いため、ほとんどの 3D プリンターでもまだ使用されていません。 さらに、オンラインでのフィードバックや修正を可能にするほどデータが豊富ではありません。

カメラベースのアプローチは多用途でデータが豊富な可能性があります。 プリンタのフレームに取り付けられた単一のカメラは、トップダウンまたはサイドビューで、従来のコンピュータ ビジョンおよび画像処理技術と組み合わせて、さまざまな押し出し AM エラーを検出するために使用されてきました23,24,25,26,27,28,29。 30、31、32。 このアプローチには、比較的安価で、セットアップが簡単で、多くの場合、製造された部品の多くをいつでもカメラで表示できるという利点があります。 これにより、充填材の変形や材料の「塊」の存在など、多くのエラーを検出できるようになります。 ただし、1 台のカメラを使用すると、製造プロセスに関して得られる情報の量が制限されるため、特定されるエラーの範囲やエラーの種類が制限される可能性があります。 マルチカメラのアプローチは、実装がより高価で複雑ですが、潜在的により優れた機能を備えています。 部品の複数のビュー、または赤外線カメラの追加により、単一の視点からは明らかではない不完全なプリントなどの欠陥が見える可能性があります33、34、35。 たとえば、マルチカメラ 3D 構造化光スキャンとデジタル画像相関によって生成された印刷部品の 3D 再構成は、3D デジタル部品モデルと比較して、寸法の不正確さを検出できます35、36、37、38、39、40、41、42。 、43。 ただし、これらのより高度なシステムは高価であることが多く、照明条件や部品の表面特性に敏感で、スキャン時間と計算により遅くなり、正確な位置決めとキャリブレーションが必要で、特定のスキャナ解像度の制限を確認できるほど大きなエラーの検出に限定されます。