ORNL rilascia set di dati stampati in 3D gratuiti per l’analisi delle parti

Laboratorio nazionale di Oak Ridge del Dipartimento dell’Energia General Electric ha rilasciato una nuova serie di dati sulla produzione additiva che l’industria e i ricercatori possono utilizzare per valutare e migliorare la qualità dei componenti stampati in 3D. L’ampiezza dei set di dati può migliorare notevolmente gli sforzi volti a verificare la qualità delle parti prodotte in modo additivo utilizzando solo le informazioni raccolte durante la stampa, senza la necessità di analisi post-produzione costose e dispendiose in termini di tempo.

I dati sono stati acquisiti regolarmente per oltre un decennio presso l’impianto dimostrativo di produzione del Dipartimento dell’Energia presso l’Oakland National Laboratory, dove la ricerca in fase iniziale sulla produzione avanzata abbinata all’analisi completa dei componenti risultanti ha creato una vasta quantità di informazioni sulle prestazioni delle stampanti 3D. Anni di esperienza nel superare i confini della stampa 3D utilizzando nuovi materiali, macchine e controlli hanno fornito all’Oakland National Laboratory la capacità unica di sviluppare e condividere set di dati completi. L’ultimo set di dati è ora disponibile gratuitamente tramite Piattaforma on-line.

L’industria manifatturiera tradizionale beneficia di secoli di esperienza nel controllo qualità. Tuttavia, la produzione additiva è un approccio nuovo e non convenzionale che in genere si basa su costose tecniche di valutazione per monitorare la qualità delle parti. Queste tecniche possono includere test meccanici distruttivi o tomografia a raggi X non distruttiva, che crea immagini in sezione trasversale dettagliate degli oggetti senza danneggiarli. Sebbene utili, queste tecniche presentano dei limiti: ad esempio, sono difficili da eseguire su parti di grandi dimensioni. I set di dati completi di stampa 3D di ORNL possono essere utilizzati per addestrare modelli di apprendimento automatico per migliorare la valutazione della qualità di qualsiasi componente.

“Forniamo set di dati affidabili che l’industria può utilizzare nel processo di certificazione del prodotto”, ha affermato Vincent Paquette, responsabile della produzione digitale e sicura presso l’Auckland National Laboratory. “Si tratta di una piattaforma di gestione dei dati progettata per raccontare una storia completa su un componente prodotto in modo additivo. L’obiettivo è utilizzare le misurazioni in-process per prevedere le prestazioni delle parti stampate”.

Il set di dati da 230 GB copre la progettazione, la stampa e il test di cinque serie di parti con geometrie diverse, tutte realizzate utilizzando un sistema di stampa a polvere laser. I ricercatori hanno accesso ai dati dei sensori sulla salute delle macchine, ai percorsi di scansione laser, a 30.000 immagini di polvere laser e a 6.300 test di resistenza alla trazione dei materiali.

Questo è il quarto e il più ampio di una serie di set di dati sulla produzione additiva che l’Oakland National Laboratory sta rendendo pubblicamente disponibili. I set di dati precedenti si erano concentrati sulla costruzione di parti realizzate utilizzando polvere a fascio di elettroni e stampa a getto adesivo in pannelli di fibra a media densità. È possibile cercare nei set di dati informazioni specifiche necessarie per comprendere meccanismi di guasto rari, sviluppare programmi di analisi online o modellare le proprietà dei materiali.

MDF, supportato dall’Ufficio per i materiali avanzati e le tecnologie di produzione del DOE, è un consorzio nazionale di collaboratori che lavora con l’Oak Ridge National Laboratory per innovare, ispirare e catalizzare la trasformazione nel settore manifatturiero statunitense.

I ricercatori dell’Oakland National Laboratory hanno dimostrato come applicare i set di dati addestrando un algoritmo di apprendimento automatico utilizzando le misurazioni effettuate durante il processo di stampa 3D. Utilizzando metodi di calcolo ad alte prestazioni, l’algoritmo addestrato può prevedere in modo affidabile se un test meccanico verrà superato o meno. Inoltre, ha commesso il 61% di errori in meno nella previsione della resistenza alla trazione finale della parte.

Collegare le misurazioni in corso al prodotto finale è fondamentale per stabilire con certezza quando sono necessari ulteriori test sulle parti e quando no. “Questo è un importante fattore abilitante per la produzione additiva a livello di settore perché non possono permettersi di caratterizzare ogni parte”, ha affermato Paquette. “L’utilizzo di questi dati può aiutarli a catturare il collegamento tra intenti, produzione e risultati”.

I dati risultanti facevano parte del programma Advanced Materials and Manufacturing Technology, finanziato dall’Ufficio per l’energia nucleare del Dipartimento dell’Energia. Questi e altri approcci di produzione intelligente vengono utilizzati per accelerare lo sviluppo, la qualificazione, la dimostrazione e l’implementazione di tecnologie di produzione avanzate per consentire un’energia nucleare affidabile ed economica.