РАЗРАБОТКА СИСТЕМЫ ОПЕРАТИВНОГО КОНТРОЛЯ И ОБЕСПЕЧЕНИЯ КАЧЕСТВА ИЗДЕЛИЙ, ПОЛУЧЕННЫХ МЕТОДОМ АДДИТИВНОГО ПРОИЗВОДСТВА (DMLS) С ИСПОЛЬЗОВАНИЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ И МАШИННОГО ОБУЧЕНИЯ
Ключевые слова:
Аддитивное производство, DMLS, управление качеством, оперативный контроль, компьютерное зрение, машинное обучение, предиктивное качествоАннотация
С ростом внедрения аддитивного производства, в частности прямого лазерного спекания металлов (DMLS), в высокотехнологичных отраслях промышленности обеспечение стабильного и предсказуемого качества продукции становится важнейшей задачей. Существующие методы контроля, в основном постпроцессные, не позволяют эффективно предотвращать дефекты в режиме реального времени. В данной работе предлагается концепция интегрированной системы операционного контроля качества изделий DMLS. Система основана на сборе высокочастотных сенсорных данных (визуальных, тепловых) в процессе формирования каждого слоя, их последующей интеллектуальной обработке с использованием компьютерного зрения и машинного обучения для автоматического обнаружения аномалий, классификации дефектов и прогнозирования качества. Обоснован потенциал данного подхода для перехода к проактивному управлению качеством, снижению дефектов и оптимизации производственных циклов.
Библиографические ссылки
Луценко О.В. Об оценке эффективности внедрения метода «аутсорсинг» / О.В. Луценко, Д.А. Комаренко // Актуальные вопросы и перспективы развития науки, техники и технологии: материалы Международной научно-практической конференции. – Казань, 2020. – С. 103-109.
Wohlers T., Gornet P. Wohlers Report 2020: 3D Printing and Additive Manufacturing State of the Industry. – [Fort Collins, CO] : Wohlers Associates, 2020. – [21] с.
Additive manufacturing of metals / D. Herzog, M. Seyda, E. Wycisk, C. Emmelmann // Acta Materialia. – 2016. – Vol. 117. – P. 371–392.
Additive manufacturing of metals: With an eye toward the next frontier / T. DebRoy [и др.] // Journal of Manufacturing Science and Engineering. – 2018. – Vol. 140, no. 5. – P. 051011.
Artificial intelligence and digital twin for smart manufacturing quality control: A review / L. Wang, R. Li, H. Lv // International Journal of Production Research. – 2021. – Vol. 59, no. 12. – P. 3601–3618.
Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing / S. K. Everton [и др.] // Materials & Design. – 2016. – Vol. 95. – P. 431–445.
Anomaly detection in melt pool imagery from additive manufacturing via a convolutional neural network / L. Scime, J. Beuth // The International Journal of Advanced Manufacturing Technology. – 2018. – Vol. 95. – P. 1229–1241.
Prediction of melt pool dimensions in selective laser melting via a random forest algorithm / G. Tapia, A. Elwany // Journal of Manufacturing Science and Engineering. – 2014. – Vol. 136, no. 6. – P. 061017.
Deep Learning for Industrial Visual Inspection: A Survey / Y. Luo, X. Li // IEEE Transactions on Industrial Informatics. – 2020. – Vol. 16, no. 2. – P. 779–792.
