นักวิจัยต้องการทำให้เครื่องพิมพ์สามมิติพร้อมสำหรับการผลิตแบบอนุกรมในวงกว้าง

  •  
  •  
  •  
  •  
  •  

โครงการวิจัยที่ถูกดำเนินการโดยห้องปฏิบัติการสำหรับเครื่องมือกลและวิศวกรรมการผลิต (WZL) ของมหาวิทยาลัย RWTH Aachen ทำการสำรวจการใช้เซนเซอร์และปัญญาประดิษฐ์สำหรับการควบคุมตามแบบจำลองในการพิมพ์สามมิติ เป้าหมายของโครงการเพื่อปรับปรุงคุณภาพของการผลิตแบบอนุกรมที่พิมพ์สามมิติ

3D Printing
โครงการวิจัยหนึ่งของ WZL  ทำการสำรวจการใช้เซนเซอร์และปัญญาประดิษฐ์สำหรับการควบคุมตามแบบจำลองในการพิมพ์สามมิติ (ที่มา: WZL)

กระบวนการผลิตแบบเติมวัสดุ (AM) มีลักษณะเด่นในด้านความยืดหยุ่นและความเป็นไปได้สำหรับการผลิตทีละหนึ่ง โดยการลดขนาดชุดผลิต เพราะการผลิตที่เน้นอุปสงค์และลักษณะของการผลิตแบบเติมวัสดุ ทรัพยากรในรูปแบบของวัสดุ พลังงานและเวลา สามารถประหยัดได้ตลอดวงจรชีวิตผลิตภัณฑ์ทั้งหมด ช่วยอย่างมากแก่ความยั่งยืนในการผลิต ด้วยเหตุผลเหล่านี้ การผลิตแบบเติมวัสดุถูกใช้โดยเฉพาะอย่างยิ่ง กับการสร้างน้ำหนักเบาและการผลิตแบบกำหนดเอง อย่างไรก็ตาม เทคโนโลยีการผลิตแบบเติมวัสดุยังไม่พร้อมสำหรับการผลิตแบบอนุกรมในวงกว้าง เนื่องด้วยความจริงที่ว่า บ่อยครั้ง การพิมพ์แบบสามมิติยังไม่สามารถผลิตส่วนประกอบคุณภาพสูงที่ทำซ้ำได้และควบคุมได้ และดังนั้นต้องใช้ความพยายามระดับสูงสำหรับคุณสมบัติของส่วนประกอบที่ผลิต



เพื่อช่วยเรื่องนี้ โครงการวิจัยที่ให้เงินสนับสนุนโดย DFG “Smopa3D — การกำหนดพารามิเตอร์ที่ใช้แบบจำลองที่สนับสนุนเซนเซอร์ของกระบวนการพิมพ์สามมิติ” เฟสที่สองเริ่มในเดือนพฤศจิกายน 2021 โดยกำลังสำรวจว่า คุณภาพของการพิมพ์สามารถถูกประเมินในกระบวนการ โดยการผสานเซนเซอร์โฟโตอิเล็กทริคได้อย่างไร และความรู้นี้สามารถถูกใช้สำหรับการควบคุมแบบคาดการณ์ตามเวลาจริงได้อย่างไร สิ่งนี้จะทำให้กระบวนการพิมพ์สามารถรับประกันคุณภาพแม้ว่าจะมีสิ่งรบกวนกระทันหันหรือการกำหนดพารามิเตอร์ที่ไม่เหมาะสม เพื่อที่จะหลีกเลี่ยงการยกเลิกงานพิมพ์

โครงการนี้กำลังถูกดำเนินการที่ประธานฝ่ายมาตรวิทยาการผลิตและการจัดการคุณภาพของ RWTH Aachen ซึ่งนำโดย Prof. Robert Schmitt โดบทำต่อในเฟสแรกของโครงการ ระบบการตรวจจับข้อบกพร่องอัตโนมัติได้ถูกนำไปปฏิบัติด้วยความช่วยเหลือของเซนเซอร์โฟโตอิเล็กทริค ระบบการวัดนี้ทำการสแกนส่วนประกอบแต่ละชั้นด้วยความละเอียด 50 ไมโครเมตร และสร้างแบบดิจิทัลของสภาวะส่วนประกอบ โดยการเปรียบเทียบแบบที่สร้างกับแบบเป้าหมาย จึงสามารถตรวจจับความเบี่ยงเบน ที่อาจนำไปสู่คุณภาพที่ลดลงของส่วนประกอบ ทีมโครงการสามารถแสดงให้เห็นว่า การใช้วิธี machine learning มีความเป็นไปได้ที่จะคาดการณ์ลักษณะเฉพาะที่เกี่ยวข้องกับคุณภาพของส่วนประกอบสุดท้าย

โดยการสร้างบนการค้นพบเหล่านี้ ระบบที่สามารถควบคุมกระบวนการตามเวลาจริง จะถูกพัฒนาขึ้นและลงมือปฏิบัติในช่วงการระดมทุนครั้งถัดไป สำหรับวัตถุประสงค์นี้ ความเบี่ยงเบนที่เกิดขึ้นไม่ควรแค่เพียงตรวจจับ แต่ยังจัดกลุ่มความเบี่ยงเบนตามคุณภาพและประเภทด้วย ซึ่งต่อมา ลักษณะเฉพาะที่เกี่ยวข้องกับคุณภาพของชั้นที่ต่อเนื่องจะถูกประมาณการบนพื้นฐานของข้อมูลนี้และพารามิเตอร์ควบคุมของเครื่องพิมพ์ เพื่อที่จะสามารถคาดการณ์ข้อบกพร่องที่ร้ายแรงที่นำไปสู่คุณภาพส่วนประกอบที่ลดลงหรือความล้มเหลวในการพิมพ์ ความรู้นี้ถูกใช้สำหรับการลงมือปฏิบัติในการควบคุมกระบวนการ ซึ่งให้การแก้ไขแบบพลวัตของรหัสเครื่องจักรหรือพารามิเตอร์ควบคุม สิ่งนี้ทำให้เครื่องพิมพ์มีการปรับให้เหมาะสมโดยอัตโนมัติในระหว่างการพิมพ์

เราหวังว่าการควบคุมที่ขับเคลื่อนด้วยข้อมูลของกระบวนการพิมพ์สามมิติจะนำไปสู่การยอมรับที่เพิ่มขึ้นในการใช้งานอุตสาหกรรมของเทคโนโลยีเหล่านี้และดังนั้นเพื่อไปสู่การผลิตที่มีประสิทธิภาพทรัพยากรที่มากขึ้นผ่านการประหยัดวัสดุและการหลีกเลี่ยงการผลิตมากเกินไป” Jonas Großeheide ผู้ร่วมวิจัยที่ประธานฝ่ายมาตรวิทยาการผลิตและการจัดการคุณภาพ ที่ห้องปฏิบัติการสำหรับเครื่องมือกลและวิศวกรรมการผลิต WZL ที่มหาวิทยาลัย RWTH Aachen กล่าว  เกี่ยวกับวิสัยทัศน์โครงการ ในเวลาอีกสองปีของโครงการ ทีมสองคนประกอบด้วย Hanna Brings และ Jonas Großeheide คาดหวังที่จะประสบความสำเร็จในการดำเนินการระบบที่ควบคุมได้ในเวลาจริงบนเครื่องพิมพ์ FDM

ที่มา : https://www.etmm-online.com