検査方法により、レーザ粉末床溶融結合3Dプリンティングの信頼性向上

November, 10, 2023, Oak Ridge--米国エネルギー省(DOE)オークリッジ国立研究所(ORNL)の研究チームは、レーザ粉末床溶融結合を使用して3Dプリントされた金属部品の信頼性を高めるために、欠陥検出を改善した。
このタイプの積層造形(AM)は、エネルギー、航空宇宙、原子力、防衛産業において、幅広い材料から複雑な形状の高度に専門化された部品を製造する能力がある。しかし、この技術は、あまり普及していない。製品を徹底的、正確にチェックすることが困難なためである。従来の検査方法では、プリントされた部品の層の奥深くに埋め込まれた欠陥を見つけることができない可能性がある。

ORNLの研究者は、造形後のプリント部品の検査と、プリントプロセス中にセンサから収集した情報を組み合わせた方法を開発した。次に、結合されたデータは、製品の欠陥を特定するための機械学習アルゴリズムを教え込む。さらに重要な点は、このフレームワークにより、オペレータは、より多くの時間と労力を必要とする従来の評価方法と同様に、正確な探傷の可能性を確実に知ることができる。

「90%の確率で、名刺の厚さ程度、約0.5㎜の欠陥を検出できる。われわれは、現場(プロセス中)探傷で可能な信頼度に数値を設定した最初である」と、ORNLの研究者、Luke Scime氏は話している。ひいては、それは製品の安全性と信頼性に対する信頼を反映している。

最も一般的な金属3Dプリンティングプロセス、レーザ粉末床溶融結合は、高エネルギーレーザを使用して、ビルドプレート全体に広がった金属粉末を選択的に溶融する。次に、システムが別の層を広げて溶かす前にビルドプレートが下がり、設計された製品をゆっくりと構築する。

エンジニアは、材料に欠陥があることを知っている。

「通常の製造では、それらが何であるか、どこで、どのように見つけるかがわかっている。(オペレータは)特定のサイズの欠陥を検出できる確率を知っているので、代表的なサンプルを得るためにどのくらいの頻度で検査すればよいかがわかる」と、ORNLの研究者、Zackary Snowはコメントしている。

3Dプリンティングは、同様の信頼性から恩恵を受けていない。

「数字がないため、部品の認定や認定が難しくなる。これはAMにおける最大のハードルの1つである」(Snow)。

ORNLの研究者とパートナーであるRTX社による論文は、最近Additive Manufacturing誌に掲載され、良品の廃棄につながる可能性のある誤検知の可能性を減らしながら、90%の検出率を達成するために開発したプロセスを説明している。

最初の研究ステップでは、航空宇宙・防衛企業のRTXが、すでに製造している部品と同様の部品を設計し、リアルに見える欠陥を確認する機会を提供した。次に、RTX でパーツを複数回 3D プリントし、標準の近赤外線カメラと追加の可視光カメラを使用して、造形中にモニタリングを行った。RTXとORNLの研究者は、その後、一般にCTスキャンと呼ばれるX線コンピュータ断層撮影を使用して品質検査を実施した。

ORNL のAM専門家は、RTX のコンサルティングを受けて、データをレイヤー化された画像のスタックにアライメントし、これが機械学習アルゴリズムのテクストブックとなった。トレーニング中、アルゴリズムはCTスキャン画像を使用して欠陥のラベル付けを最初に行った。次に、人間のオペレータが、プリンティングプロセス中に収集されたデータの視覚的な手がかりに基づいて、残りの部分に注釈を付けた。人間からのフィードバックによってソフトウェアがトレーニングされ続けるため、アルゴリズムは毎回より正確に欠陥を認識する。これまでのORNLのin-situモニタリングと深層学習フレームワークの進歩は、この新しいアプローチのツールとして使用された。時間が経つにつれて、これにより、製造検査に人間が関与する必要性が減る。

「これにより、CTなしでもCTレベルの信頼度が得られる」(Snow)。一部の3Dプリント部品をチェックするための一般的な方法であるCTイメージングと分析は、余分な時間と専門知識を必要とするコストアップになる。さらに、CTは緻密な金属を効果的に透過できないため、その用途が制限される。

Scimeによると、このアルゴリズムを、同じ材料とプロセスで一貫して製造された単一の設計に適用すると、数日で一貫した品質分析を提供できるようになる。同時に、様々な設計や構造から学習したことをすべてソフトウェアに組み込んでいるため、最終的には馴染みのない設計の製品を正確にチェックできるようになる。

ORNLが開発した検査フレームワークは、積層造形アプリケーションの拡大に役立つ可能性がある。Snowによると、統計的に検証された品質管理により、AMは自動車部品などの大量生産製品に可能になる可能性がある。

また、3Dプリントできる部品の種類も多様化する可能性がある。検出可能な最小の欠陥サイズを確実にすることで、設計の自由度が高まる。RTX の Raytheon Technologies Research Center 、AMシニア 主席エンジニア、Brian Fisher によると、業界はすでにプリント量の増大とプリント速度の高速化、つまり、より多くのレーザが相互作用して、さまざまな種類の欠陥を持つより大きな部品を作成する方向に向かっているため、これは重要である。

「大規模なアセンブリをプリントする際には、時間とコストを節約し、ビジネスケースを作ることができる。ただし、これらは現在最も検査が難しい。AMのビジョンは、従来は徹底的に検査することが非常に困難でコストがかかる、非常に緻密な材料で、大きくて非常に複雑な部品を製造することだ」とFisherは話している。

次に、ORNLチームはディープラーニングアルゴリズムをトレーニングして、不規則性の種類をより適切に区別し、複数の原因を持つ欠陥を分類する。
(詳細は、https://www.ornl.gov)