Nowe zestawy danych druku 3D udostępnione przez ORNL

Oak Ridge National Laboratory (ORNL), jednostka Departamentu Energii USA, udostępniła nowe zestawy danych dotyczących druku 3D.

Datasety mogą być wykorzystywane przez przemysł i naukowców do oceny i poprawy jakości drukowanych komponentów. Obszerne zestawy danych mogą znacząco wspierać wysiłki zmierzające do weryfikacji jakości części produkowanych addytywnie, opierając się jedynie na informacjach zbieranych podczas procesu drukowania, eliminując potrzebę kosztownych i czasochłonnych analiz postprodukcyjnych.

Dane były rutynowo zbierane przez dziesięć lat w Manufacturing Demonstration Facility (MDF) przy ORNL, gdzie prowadzono badania w zakresie zaawansowanej produkcji, połączone z kompleksową analizą wytwarzanych komponentów. Wieloletnia praca nad przekraczaniem granic druku 3D z użyciem nowatorskich materiałów, maszyn i systemów kontroli dała ORNL unikalną możliwość opracowania i udostępnienia kompleksowych zestawów danych. Najnowszy zestaw danych jest teraz dostępny za darmo na platformie online.

Przemysł tradycyjnej produkcji korzysta z wieków doświadczenia w zakresie kontroli jakości. Jednak druk addytywny jest nowszym, nietradycyjnym podejściem, które zazwyczaj polega na kosztownych technikach oceny jakości części. Metody mogą obejmować niszczące testy mechaniczne lub tomografię komputerową rentgenowską, która tworzy szczegółowe obrazy przekrojowe obiektów bez ich uszkadzania.

Choć podane techniki są bardzo informacyjne, mają również swoje ograniczenia – na przykład trudno je zastosować do dużych części. Obszerne zestawy danych ORNL dotyczące druku 3D mogą być wykorzystane do trenowania modeli uczenia maszynowego w celu poprawy oceny jakości dowolnego typu komponentów.

Vincent Paquit, szef sekcji Secure and Digital Manufacturing w ORNL, podkreśla: „Udostępniamy zaufane zestawy danych do certyfikacji produktów przez przemysł. To platforma zarządzania danymi, która opowiada pełną historię wokół komponentu wytwarzanego addytywnie. Celem jest wykorzystanie pomiarów podczas procesu drukowania do przewidywania wydajności drukowanego elementu.”

Zestaw danych o objętości 230 gigabajtów obejmuje projektowanie, drukowanie i testowanie pięciu grup części o różnych kształtach geometrycznych, wykonanych za pomocą systemu drukowania laserowego na proszkowym łóżku. Badacze mogą uzyskać dostęp do danych z czujników stanu maszyn, ścieżek skanowania laserowego, 30 000 obrazów proszkowego łóżka i 6 300 testów wytrzymałości na rozciąganie materiału.

To czwarty i najbardziej rozbudowany w serii zestawów danych dotyczących druku addytywnego, które ORNL udostępnia publicznie. Poprzednie zestawy danych skupiały się na budowie części za pomocą elektronowego proszkowego łóżka i druku spiekanym spoiwem MDF. Zestawy danych można przeszukiwać pod kątem określonych informacji potrzebnych do zrozumienia rzadkich mechanizmów awarii, rozwijania oprogramowania do analizy online lub modelowania właściwości materiałów.

Naukowcy z ORNL pokazali, jak wykorzystać dane, trenując algorytm uczenia maszynowego za pomocą pomiarów wykonanych podczas procesu drukowania 3D. W połączeniu z metodami obliczeniowymi wysokiej wydajności, wytrenowany algorytm może niezawodnie przewidywać, czy test mechaniczny zakończy się sukcesem. Algorytm popełnił także o 61% mniej błędów w przewidywaniu ostatecznej wytrzymałości na rozciąganie części.

Korelacja pomiarów w trakcie procesu z końcowym produktem jest kluczowa dla zapewnienia pewności co do konieczności dodatkowego testowania części – i kiedy nie jest to konieczne. „To kluczowy czynnik umożliwiający drukowanie addytywne na skalę przemysłową, ponieważ nie mogą sobie pozwolić na charakteryzowanie każdego elementu,” powiedział Paquit. „Wykorzystanie tych danych może pomóc uchwycić związek między zamierzeniem, produkcją a wynikami.”

Nowe zestawy danych dotyczące druku 3D udostępnione przez ORNL otwierają nowe możliwości w zakresie kontroli jakości i certyfikacji komponentów drukowanych addytywnie. Dzięki tym danym przemysł i naukowcy mogą poprawić efektywność i jakość swoich procesów produkcyjnych, korzystając z zaawansowanych technik analizy i uczenia maszynowego. Wprowadzenie tych danych do powszechnego użytku może zrewolucjonizować sposób, w jaki postrzegamy i implementujemy technologie druku 3D, przynosząc korzyści zarówno gospodarce, jak i środowisku.

Szymon Ślubowski