No passado, as aplicações de manufatura aditiva de metal, também conhecido como impressão 3-D, foram confinados principalmente à prototipagem. Recentemente, o campo começou a passar por uma grande transição, à medida que os pesquisadores se aproximam do desenvolvimento da impressão 3-D de metal como uma forma confiável de manufatura industrial. Contudo, ainda existem grandes obstáculos a enfrentar antes que o campo possa dar o salto totalmente, especialmente em aplicações de alto risco, como componentes de aviação.

"Um dos maiores obstáculos entre apenas fazer uma peça que parece boa e realmente colocá-la em uma aeronave é garantir que a peça que você está produzindo não tenha falhas, "diz o ex-aluno de engenharia mecânica (MechE) Luke Scime.

Scime trabalhou com Jack Beuth do MechE, diretor do NextManufacturing Center, para desenvolver um algoritmo de aprendizado de máquina que detecta anomalias em uma peça conforme ela é impressa - uma prática conhecida como monitoramento de processo. O tipo específico de impressão com que trabalharam, fusão de leito de pó a laser, envolve espalhar uma fina camada de pó (apenas 30 a 60 mícrons de diâmetro) e derretê-lo em áreas selecionadas para formar uma camada do objeto impresso. O processo é então repetido para a próxima camada, com cada construção contendo centenas ou milhares de camadas. Muitos dos erros que podem ocorrer durante a construção são devidos ao espalhamento incorreto da camada de pó.

Começou a corrida para desenvolver uma forma prática e abrangente de monitoramento de processos. Vários pesquisadores estão tentando usar o monitoramento de temperatura, técnicas acústicas, espectroscopia, e outros métodos para obter o melhor entendimento do que está acontecendo durante uma construção no nível estrutural. Tipos limitados de monitoramento já foram introduzidos comercialmente em algum grau; Contudo, a maioria dessas formas rudimentares oferece apenas uma leitura a ser interpretada pelo operador da máquina, sem qualquer capacidade de análise automatizada. O trabalho do Scime leva o monitoramento de processos a um novo patamar, permitindo a análise automatizada em tempo real por meio de um algoritmo de visão por computador.

"Visão computacional é um termo para o uso de técnicas de análise de dados para entender o que está acontecendo em uma imagem, "explica Scime.

Seu algoritmo obtém imagens do leito de pó e extrai características das imagens. Em seguida, agrupa e compara essas imagens em diferentes níveis de análise, até que possa criar uma "impressão digital" exclusiva da imagem. Ao alimentar o algoritmo com centenas de imagens de treinamento, já rotulado manualmente com o que está acontecendo na imagem, a máquina aprende a reconhecer as diferentes falhas e como elas aparecem. De lá, o algoritmo pode tirar qualquer nova imagem que receber da câmera embutida da máquina, e comparar sua impressão digital com as de sua base de conhecimento para isolar anomalias com sucesso.

Em seu artigo publicado mais recente, Scime e Beuth demonstraram que o algoritmo pode detectar com eficácia falhas no espalhamento de pó na faixa de escala milimétrica. Essas falhas têm um grande efeito na estabilidade do processo, o que significa a capacidade de imprimir. O algoritmo é capaz de detectar esses erros durante o desenvolvimento, e pode determinar qual é a falha, e onde está ocorrendo.

"O Santo Graal é implantar isso em um ambiente em tempo real onde você analisa os dados automaticamente, fazendo algo sobre isso, e então seguindo em frente, "diz Scime.

De acordo com o Scime, o avanço para a automação autocorretiva pode ser de duas maneiras diferentes. Na extremidade mais básica do espectro, a máquina pode enviar um alerta a um operador quando detecta uma anomalia, permitindo que eles resolvam o problema antes de continuar a construção. O próximo nível de sofisticação seria automatizar correções simples, permitindo que uma máquina reconheça uma falha crítica e reaja de acordo. Poderia, por exemplo, pare de imprimir uma determinada parte enquanto permite que outras continuem, ou limpe a lâmina que espalha o leito de pó, com cada resposta adaptada para corrigir o tipo específico de anomalia identificada.

O auge da autocorreção automatizada seria o combate a uma anomalia conhecida como superelevação. A superelevação é quando parte da construção começa a deformar ou enrolar para cima para fora da camada de pó, e é responsável pela maioria dos danos parciais. O desenvolvimento de uma maneira automatizada de corrigir esse tipo de falha testará os limites do que pesquisadores como o Scime são capazes.

Diz Scime, "O que realmente importa é, podemos detectá-lo, entenda que é um problema, e, em seguida, projetar o que chamamos de parâmetros de processamento para fazer algo diferente do que estávamos fazendo a fim de reduzir a quantidade de empenamento? "

Pode demorar algum tempo antes de atingirmos esse nível de automação; ainda existem vários obstáculos a enfrentar. Muito trabalho futuro, como acesso a equipamentos proprietários e integração de software, contará com a capacidade dos pesquisadores de se coordenar com os fabricantes. Também há muito a ser entendido sobre os efeitos da alteração dos parâmetros de processamento na construção.

Alguns dos interesses futuros do Scime estão em melhorar a precisão do algoritmo de aprendizado de máquina e examinar como mais dados do sensor podem ser incorporados em sua análise. Contudo, o algoritmo atual demonstrou ser eficaz na identificação precisa de uma variedade de anomalias e está pronto para aplicação. Scime buscará seu treinamento de pós-doutorado no Oak Ridge National Laboratory, mas espera continuar a colaborar com a faculdade de engenharia e Beuth no futuro.

Embora possamos não estar imprimindo 747 em 3D tão cedo, O trabalho de Scime e Beuth é um passo importante para tornar a manufatura aditiva de metal um método totalmente seguro e confiável para a manufatura industrial.