News

Analyse du bain de fusion in situ en temps réel et méthode de jumeau numérique utilisée pour éviter les défauts d’impression 3D en métal

Rédigé par Dvd3d

Les présélections pour les 2021 3D Printing Industry Awards sont ouvertes au vote, donnez votre avis maintenant. Assurez-vous de suivre la diffusion en direct de l’événement sur notre chaîne YouTube.

Un groupe de chercheurs de l’Université du Nebraska-Lincoln, de l’Université Drexel, de l’Université technique Navajo et de SigmaLabs ont développé un nouveau processus pour détecter les défauts dans les pièces imprimées en 3D par fusion laser sur lit de poudre (LPBF) qui utilisent des jumeaux numériques.

Dans un nouvel article, l’équipe décrit une stratégie de jumeaux numériques qui intègre la physique et les données pour fournir une détection en temps réel des défauts au fur et à mesure qu’ils se forment pendant le processus d’impression LPBF. En combinant les mesures de température du bain de fusion in situ avec des prédictions informatiques, les chercheurs ont pu détecter et identifier trois types différents de défauts dans les roues en acier inoxydable.

L’objectif de l’étude était de répondre aux préoccupations concernant la tendance du processus à créer des défauts afin de le rendre adapté aux industries axées sur la précision comme l’aérospatiale et la biomédecine, tout en protégeant contre les menaces de cybersécurité telles que la falsification des processus.

La stratégie de jumeau numérique intégrée de la physique et des données des chercheurs.  Image via Matériaux & Design.
La stratégie de jumeau numérique intégrée de la physique et des données des chercheurs. Image via Matériaux & Design.

Formation de défauts pendant la LPBF

Malgré les libertés géométriques et les économies de temps et de coûts considérables que l’impression 3D LPBF peut réaliser, les industries de haute précision telles que l’aérospatiale et le médical ont jusqu’à présent hésité à adopter la technologie pour fabriquer des pièces critiques pour la sécurité, en raison de sa tendance à créer des défauts.

Les risques de cybersécurité sont également devenus une autre préoccupation émergente non seulement au sein de LPBF, mais également dans d’autres processus d’impression 3D, avec des parties malveillantes potentiellement capables de falsifier les paramètres du processus et les défauts de l’usine à l’intérieur d’une pièce pour compromettre ses performances.

Des recherches croissantes sont entreprises pour résoudre ces problèmes et réduire les risques de défauts dans le processus LPBF. Les causes de la microfissuration de certains métaux ont été étudiées afin d’améliorer le procédé, ainsi que les effets de la mise en forme du faisceau.

Texas A&M, en particulier, a effectué de nombreux travaux dans ce domaine, ayant travaillé avec Argonne National Laboratory pour déployer l’apprentissage automatique pour prédire les défauts dans les pièces imprimées en 3D, et également établir une « limite de vitesse » LPBF à laquelle des défauts tels que J les bulles en forme de – sont moins susceptibles de se former sur les pièces imprimées en 3D.

Le mois dernier, les scientifiques de Texas A&M ont présenté une méthode universelle d’impression 3D LPBF de pièces métalliques sans défaut basée sur des données d’impression à voie unique et l’apprentissage automatique. L’équipe affirme que sa méthode est moins coûteuse, plus longue et plus simple que les méthodes d’optimisation des paramètres existantes, ce qui la rend bien adaptée aux applications aérospatiales, automobiles et de défense.

Coupe transversale d'une turbine montrant les trois sections de construction - base, milieu et aileron - que les chercheurs ont utilisées pour tester leur jumeau numérique.  Image via Matériaux & Design.
Coupe transversale d’une roue montrant les trois sections de construction – base, milieu et aileron – que les chercheurs ont utilisées pour tester leur jumeau numérique. Image via Matériaux & Design.

L’approche du jumeau numérique

Des défauts ont tendance à se former au cours des processus LPBF en raison d’occurrences thermiques lors de la fusion, du refroidissement, de la solidification et de la refusion de la poudre par le laser. À l’échelle microscopique, la fusion de la poudre crée un sillage de matériau en fusion, appelé bain de fusion, dans lequel la répartition de la température, l’écoulement et les projections influencent la microstructure, la porosité et la fissuration de la pièce.

A l’échelle macro, l’action de balayage rapide du laser et la fusion continue du matériau à haute température provoquent des cycles de chauffage et de refroidissement qui peuvent entraîner des contraintes résiduelles et une déformation des pièces.

Pour résoudre ce problème, la dernière étude vise à développer et à appliquer une stratégie intégrée de données et de physique pour la surveillance et la détection en ligne de la formation de défauts dans les pièces LPBF. Pour ce faire, l’équipe a combiné des mesures de température du bain de fusion in situ avec un modèle de simulation thermique qui prédit rapidement la distribution de la température dans une pièce.

Selon les chercheurs, la nouveauté de leur approche réside dans les prédictions de distribution de température fournies par le modèle, qui sont mises à jour couche par couche avec les mesures de température du bain de fusion in situ. En tant que tel, les scientifiques appellent leur méthode l’approche du « jumeau numérique » pour détecter la formation de défauts.

La stratégie de jumeau numérique est en mesure de fournir un retour d’information pour corriger les anomalies des pièces, réduisant ainsi les déchets liés aux échecs de construction. Les chercheurs proposent leur stratégie comme alternative aux techniques de surveillance de processus purement basées sur les données afin de surmonter les inconvénients de ces processus, à savoir les retards de détection, la mauvaise généralisation des modèles basés sur les données aux formes de pièces, ainsi que le coût et les ressources gourmandes en ressources. nature de l’acquisition des données.

De plus, comme le jumeau numérique intègre à la fois l’effet macro-échelle de la forme de la pièce sur l’histoire thermique et l’effet micro-échelle de l’interaction laser-matériau sous la forme de la température du bain de fusion, il peut encapsuler l’effet de différents paramètres de traitement, tels que le motif de balayage, l’espacement des hachures, la puissance laser et la vitesse.

La configuration de détection sur axe installée sur un système EOS M290 LPBF.  Image via Matériaux & Design.
La configuration de détection sur axe installée sur un système EOS M290 LPBF. Image via Matériaux & Design.

Test du jumeau numérique

Pour tester leur méthode, l’équipe a imprimé en 3D quatre pièces en forme de roue en acier inoxydable à l’aide d’un système EOS M290 LPBF qui présentait différents types de défauts couvrant les dérives de processus, le délaminage de la lentille et les cyber-intrusions. Pour créer les défauts, les chercheurs ont modifié les paramètres de traitement, provoqué des dysfonctionnements liés à la machine et délibérément altéré le processus pour créer des défauts à l’intérieur de la pièce.

L’équipe a choisi d’imprimer des pièces de turbine pour démontrer leur jumeau numérique, car il est divisible en trois régions distinctes le long de la direction de construction – les sections de base, médiane et ailette. Chacune de ces sections comprend des caractéristiques complexes difficiles à imprimer, telles qu’un canal de refroidissement interne en forme de larme, qui a entraîné un temps de refroidissement variable entre les couches et, par conséquent, une histoire thermique complexe.

Pendant la construction, le processus a été surveillé en continu à l’aide d’un réseau de trois photodétecteurs coaxiaux intégrés dans le trajet laser. Les signaux obtenus à partir du réseau de capteurs ont été traités pour créer deux types de mesures, à savoir le planck d’énergie thermique (TEP) et la densité d’énergie thermique (TED). La signature TEP était corrélée à la température du bain de fusion, tandis que TED capturait le rayonnement de la chambre à large bande.

Ces signatures ont ensuite été incorporées dans le modèle de théorie des graphes pour le mettre à jour en permanence avec l’activité à micro-échelle du bassin de fusion tout au long du processus.

Mesure de la température du bain de fusion à l'aide des émissions d'un photodétecteur à filtre passe-bande.  Image via les matériaux et la conception.
Mesure de la température du bain de fusion à l’aide des émissions d’un photodétecteur à filtre passe-bande. Image via les matériaux et la conception.

Le jumeau numérique a pu détecter les trois types de défauts dans les pièces de la turbine imprimées en 3D au cours du processus LPBF. Selon les chercheurs, les résultats ont démontré que la méthode permettait une détection précise et interprétable de la formation de défauts par opposition à l’utilisation de données de capteurs seules. À cette fin, l’approche du jumeau numérique surmonte le besoin de transférer les signatures des capteurs vers un algorithme d’analyse de données distinct et évite ainsi les retards dans la détection des défauts.

À l’avenir, l’équipe cherchera à étendre les capacités de son jumeau numérique pour détecter d’autres types de défauts, tels que la distorsion. Ils testeront également l’approche avec différents paramètres de traitement, stratégies de numérisation et formes de pièces.

De plus amples informations sur l’étude peuvent être trouvées dans le document intitulé: « Fabrication additive jumelée numériquement : détection des défauts dans la fusion sur lit de poudre laser en combinant des simulations thermiques avec des données de capteur de fusion in situ » publié dans la revue Materials and Design. L’étude est co-écrite par R. Yavari, A. Riensche, E. Tekerek, L. Jacquemetton, H. Halliday, M. Vandever, A. Tenequer, V. Perumal, A. Kontsos, Z. Smoqi, K. Cole , et P. Rao.

Le concept du jumeau numérique appliqué à des pièces pratiques en forme de roue.  Image via Matériaux & Design.
Le concept du jumeau numérique appliqué à des pièces pratiques en forme de roue. Image via Matériaux & Design.

Abonnez-vous au Bulletin de l’industrie de l’impression 3D pour les dernières nouvelles de la fabrication additive. Vous pouvez également rester connecté en nous suivant sur Twitter et nous aimer sur Facebook.

A la recherche d’une carrière dans la fabrication additive? Visite Travaux d’impression 3D pour une sélection de rôles dans l’industrie.

Abonnez-vous à notre chaîne YouTube pour les derniers courts métrages vidéo d’impression 3D, les critiques et les rediffusions de webinaires.

L’image en vedette montre la stratégie de jumeau numérique intégrée de la physique et des données des chercheurs. Image via Matériaux & Design.



Concernant l'auteur

Dvd3d